威布尔帕累托(Ⅳ)分布:性质及应用

利用T-X变换技巧将威布尔分布及帕累托(Ⅳ)分布组合,构建了威布尔-帕累托(Ⅳ)分布并研究极限,单峰性,香农熵,力矩等相关统计性质;利用R语言对两组经典数据进行分布拟合;给出几种模型的参数估计及拟合优度的比较,并根据似然比检验,对威布尔-帕累托(Ⅳ)分布和其他几种分布做对比分析,结果表明威布尔-帕累托(Ⅳ)分布具有更优的拟合效果.     

价值风险的非参数估计方法*

价值风险(VaR)模型是当今最流行的金融资产风险管理和控制的工具之一\bd 本文提出了用局部分位数回归的方法来估计某一投资组合的VaR值\bd 该方法可用于计算投资组合多持续期的VaR, 使得人们可以了解到该投资组合在一定持续期内的动态风险\bd 本文通过模拟和美国三个月到期国债利率数据的分析说明了该方法的具体执行情况, 并与J.P. Morgan的时间开方规则作了比较\bd 结果表明我们的VaR估计有令人满意的效果.     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

厄兰极值混合模型的有效估计及其在保险中的应用

本文研究了Erlang混合分布和广义帕累托分布混合模型的估计问题.通过引入iSCAD惩罚函数,利用EM算法极大化iSCAD惩罚似然函数的方法,获得了混合序和参数的估计值,计算出有效的度量风险指标value-at-risk(VaR)和tail-VaR(TVaR),通过模拟实验和实际数据说明了模型和算法的有效性.推广了有限Erlang极值混合模型在保险数据拟合中的应用.     

帕累托分布抽样基本定理及在帕累托分布参数估计中的应用

本文首先发现帕累托分布抽样基本定理,应用到帕累托分布参数估计中,得到了帕累托分布参数的一致最小方差无偏估计;并且得到了单总体帕累托分布参数的置信区间及联合置信区间,以及双总体帕累托分布参数比值的置信区间.     

VaR风险控制体系的建立与应用

目前VaR作为一种新的风险控制工具得到越来越广泛的应用,投资组合理论则一直沿用经典的σ2风险控制体系,虽说有人已经将VaR引入到了投资组合应用中来,但其风险控制尚未脱离对σ2的分解.将在引入股票相对价格的基础上构建了VaR风险控制体系,将投资风险VaRP分解为大盘指数风险VaRI和股票相对价格的风险VaRS之和,并给出了此风险控制体系在投资组合方面的基本应用方法.     

二元Cuadra-Auge型帕累托分布的相关性及渐近独立性

二元Cuadra-Auge型帕累托分布是一个二元对称分布,在本文中,分别讨论了二元Cuadra-Auge型帕累托分布的性质与相关性及渐近独立性,导出了二元Cuadra-Auge型帕累托分布的若干性质;证明了X,Y之间的相关系数介于零与四分之三之间,且X,Y之间渐近独立.     

截断指数威布尔-帕累托组合模型

使用组合模型模拟单峰厚尾型保险损失数据是非常有效的方法.鉴于在非寿险合约中一般都具有免赔条款的特征,构建一类截断指数威布尔-帕累托组合模型,讨论模型的相关统计性质,然后利用R语言对仿真数据进行参数估计及模型检验.最后,使用丹麦火险数据进行分布拟合,实证结果表明,截断指数威布尔-帕累托组合模型具有更优的拟合效果.     

开放式基金投资组合风险实证—基于copula的分析

利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并利用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kernel模型。利用该模型和VaR风险测度,结合Mente Carlo模拟技术,对我国股票型开放式基金-华夏成长基金的投资组合进行风险分析。     

尖峰厚尾保险损失数据的统计建模

保险损失数据的一个重要特点是尖峰厚尾性,即既有大量的小额损失,又有少量的高额损失,使得通常的损失分布模型很难拟合此类数据,从而出现了对各种损失分布模型进行改进的尝试.改进后的模型一方面要有较高的峰度,另一方面又要有较厚的尾部.最近几年文献中出现的改进模型主要是组合模型,即把一个具有非零众数的模型(如对数正态分布或威布尔分布)与一个厚尾分布模型(如帕累托分布或广义帕累托分布)进行组合.讨论了这些组合模型的性质和特点,并与偏t正态分布和偏t分布进行了比较分析,最后应用MCMC方法估计模型参数,并通过一个实际损失数据的拟合分析,表明偏t分布对尖峰厚尾损失数据的拟合要优于目前已经提出的各种组合模型.     

基于非正态分布的投资组合VaR分解

在阐述了投资组合边际VaR、成分VaR和增量VaR之间相互关系的基础上,给出了资产收益率服从非正态分布下投资组合分解的一种新方法,结果发现它与正态方法下投资组合分解的结论一致,并结合实证研究验证了结论的正确性.     

基于CAViaR的DCC模型及其对中国股市的实证研究

VaR是金融风险度量方面研究的热点.CAViaR模型可以用来直接计算单个资产的VaR,DCC模型可以用于刻画资产间的相关性.结合这两个模型,通过分位数估计方差的方法,提出了基于CAViaR的DCC模型来计算投资组合的VaR.对中国股市的实证研究表明其具有更好的效果.     

基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.     

二元Cuadra-Auge型帕累托分布参数的一致最小方差无偏估计

讨论了二元Cuadra-Auge型帕累托分布的参数估计;分别给出了参数的矩估计和最大似然估计;导出了二元Cuadra-Auge型帕累托分布的一个特征,并由此得到了参数的一致最小方差无偏估计.     

基于先验信息的社会碳成本贝叶斯不确定性分析

针对气候变化及经济影响存在的巨大不确定性,研究了气候变化不确定性以及先验信息对社会碳成本的影响.在贝叶斯理论框架下,采用指数分布刻画气候变化的分布特征,假设尾部变化率是一个随机变量,给出其伽玛先验分布,推导了气候变化分布的贝叶斯先验预测分布.并分别基于指数分布以及帕累托先验预测分布计算了社会碳排放成本.模拟分析发现,在未融合先验信息的情况下,由于尾部概率很小,不管是否修正消费与气候变化之间的关系,截尾社会碳成本和未截尾社会碳成本几乎重合.然而,在利用贝叶斯方法融合先验信息的情况下,社会碳成本容易受到先验信息的影响.但是,通过修正消费与气候变化之间的关系后,发现社会碳成本受先验信息的影响比较少.     

SV-M模型下VaR和ES估计的极值方法

本文对随机波动均值内模型(SV-M)应用极值理论(EVT)的方法估计了金融回报的风险价值(VaR)和期望短缺(ES).用SV-M建模异方差金融回报时间序列,刻画了其波动聚类.用蒙特卡罗极大似然方法(MCL)来估计其参数.我们用基于一般帕累托分布(GPD)的EVT拟合SV-M模型的修正分布尾部,刻画了金融时序分布的肥尾特性.因此,本文的极值方法有效地克服了原有方法的缺陷,综合考虑了金融时序的波动聚类及其分布的肥尾特性,给出了合理的VaR和ES估计,对市场风险测度的研究进行了有益的探讨.     

基于MCMC模拟的MGPD模型及其在地质灾害风险度量中的应用

基于马尔科夫链蒙特卡洛(简记为MCMC)模拟的参数贝叶斯估计,对改进的广义帕累托分布(简记为MGPD)模型进行了优化,并利用该模型得到了地质灾害损失的在险损失值(简记为VaR)和条件损失值(简记为CVaR).以湖南娄底市地质灾害损失数据进行实证分析及模型适应性检验,结果表明:优化后的模型不仅具有很好的极值数据描述能力,而且具有较强的适用性.     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

基于区间分析的投资组合VaR计算新方法

基于区间分析估计变量的累计概率分布是进行风险价值分析的一种新方法。本文将区间分析运用到股票投资组合的VaR计算中,研究区间分析在VaR计算方法中的应用。首先给出了基于区间分析估计分布函数的计算步骤,然后将区间分析运用到VaR的计算中,以两只股票的投资组合为例得出收益率的累计概率分布,从中得到某一置信度下的VaR值,最后与蒙特卡洛模拟方法做了比较研究,结果表明,基于区间分析的VaR计算方法的运算精度和计算速度明显优于蒙特卡洛模拟方法。     

应用复合极值理论计算VaR1

本文介绍了一种复合极值理论,并将其应用到VaR的计算上。实际中大的损失发生的频率也是风险的一种度量,在应用复合极值理论方法计算VaR时,我们第一次将在一定时期内金融资产的损失率超过一定阈值的次数的分布和收益率的分布结合了起来,对欧元/人民币、日元/人民币两种汇率进行了VaR的计算,经过实证分析,得到了一些有意义的结果。