VaR约束下均值-方差模型在基金资产配置的应用

随着我国开放式基金的迅猛发展以及证券市场的波动，如何识别和控制基金风险这一问题越显重要。VaR模型是一种有效的风险计量和管理工具，本文刻划VaR约束下均值-方差模型及其优化模型，并运用基于VaR约束下的均值——方差模型，定量地分析投资基金的投资组合收益和风险，提出开放式基金最优资产配置，使投资组合收益最大。     

基于GARCH族类模型的开放式基金收益率风险分析

基于中国上证50ETF的单位净值,实证分析了国内开放式基金的风险,并在此基础上研究了分位数回归改良情况.选取GARCH族类模型中的GARCH,TARCH和EGARCH,在95%和99%置信水平下计算VaR值,失败率检验结果表明:三种模型在同一置信水平和分布下估计结果差不多,t分布高估风险,而正态分布在99%置信水平下低估风险,GED是最理想的分布.将分位数0.01和0.05回归前后的VaR值作分析比较,发现0.01分位数回归后对风险的估计过于保守不可信,而0.05分位数回归则可以有效改善t分布高估VaR值现象.最后,提出了完善基金市场风险管理的政策建议.     

基于半参数多元Copula-GARCH模型的开放式基金投资组合风险分析

利用Copula技术对我国开放式基金市场的投资组合进行了风险分析。为克服传统Copula模型对金融尾部数据刻画能力的不足,建立了半参数的多元Copula-GARCH模型,灵活地对各支基金的边缘分布进行拟合,刻画了开放式基金投资组合的相依结构。并利用基于Copula技术的蒙特卡洛模拟,对投资组合进行了VaR分析,结果证实了所建立模型的可行性和有效性。     

基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究

传统Sharpe比率将投资收益的标准差作为风险的度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的。针对传统Sharpe比率的这一缺点,本文考虑了用于度量下方风险的指标风险价值VaR(Value at Risk)和预期不足ES(Expected Shortfall)来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,运用了经验非参数估计和非参数平滑核估计两种方法。此外,本文还考虑了基金收益随时间波动的动态性,用广义自回归异方差GARCH模型对收益波动进行模拟,考察动态的VaR和ES,在实践中以动态的VaR和ES评价风险收益更加灵活。在实证研究中,本文用传统的Sharpe比率、基于VaR和ES的Sharpe比率以及基于条件VaR和条件ES的条件Sharpe比率对国内证券市场上所有26只封闭式基金在2005-2009年间的业绩进行了实证分析,分析了基金在不同指标下所体现的风险控制能力和收益水平的差别,并基于不同指标对所有基金进行了排名。此外,本文还运用协整检验考察基金收益率与市场基准指数是否存在联动关系,检验证明两者并不存在长期的均衡关系。     

计算资产组合市场风险值的一种有效方法

市场风险值(VaR)是一种常用的度量风险的方法．本文采用极值理论中的阈值模型来计算VaR．基于中国上证指数和深成指数的收盘价，构造超越阈值的极值渐近概率分布，所得到的计算结果与传统方法相比较，有明显的优越性和更好的精度．     

金融风险管理中VaR度量的光滑估计效率

本文研究了金融风险管理理论中风险价值(VaR)的非参数核光滑估计和经验估计的效率问题.对非独立的时间序列损失/收益样本,在均方误差(MSE)准则的意义下引入亏量的概念,亏量越大表明估计效率越低.并利用亏量对VaR模型的核光滑估计和基于样本分位数的经验估计进行了比较,在理论上证明了VaR模型的核光滑估计优于经验估计.同时,通过计算机模拟证实了理论获得的结论.本文还对国内沪深两市上的证券投资基金进行了实证分析,计算了样本基金的VaR风险度量的经验估计和核光滑估计,并计算了样本基金基于周收益率和VaR估计的风险调整收益(RAROC)值,以此对样本基金的业绩做出了有用的评价.     

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。     

市场风险值VaR的算法与应用

进行金融风险管理时可以将风险划分为四类，即信用风险、经营风险、流动性风险和市场风险。其中市场风险是指金融市场价格（包括股票价格、利率、汇率和大宗可交易商品的价格）波动而引起的未来收益的不确定性。市场风险值VaR(Value at Risk）就是用来评价给定资产所面临的市场风险大小。本文介绍了VaR的定义、相关的计算方法和在证券投资决策中的应用实例。     

不同市态下正态性转换时变VaR

VaR技术作为全球广为流行的金融风险管理技术,其测度的是极端情况下的风险头寸,但在传统假设下可能会极大地低估其值,这就会使得在实践中使用VaR值作为风险管理标准时面临更大的新的风险.考虑我国股市处于不同市场态势下对风险头寸的影响,就牛、熊市中分别估测VaR值.首先利用各种Delta-Gamma-Johnson转换函数对经验数据进行正态性调整.考虑通过转换机制调整后的经验数据仍然存在的异方差性特征,然后运用GARCH模型计算时变VaR值,以此来改善VaR的计算风险,探讨我国股票市场VaR技术的适用性和准确性.     

方基法于经验似然的Value-at-Risk模型的评价

Value-at-Risk(VaR)是度量市场风险的一个基本工具.自从VaR概念提出以来,涌现出大量方法用于VaR估计,因此在统计意义下,如何检验这些方法的有效性,以及如何比较不同VaR模型从而选择出最好的方法,就成为人们非常关注的问题.本文提出了利用经验似然法来评估和比较不同的Value-at-Risk模型.模拟和实证分析表明经验似然方法比已有的方法有效和稳健.     

基于时变Copula模型的 基金收益率相依关系的应用研究

基于时变Copula模型,获得预测方差,确定单个基金收益率序列的边缘分布.利用常见的静态Copula和时变Copula模型对基金收益率序列间两两相依关系进行建模并进行对比分析.应用研究表明,基于MCMC方法的时变Copula模型能更有效地度量基金收益率序列的风险.     

波动性变化下的VaR历史模拟法实证研究

VaR(在险价值)方法是当今运用得最为广泛的金融市场风险度量方法。历史模拟法作为计算VaR的主要方法之一,其计算出来的VaR的风险度量效果需要得到现实金融市场数据的检验。本文通过选取上证综指日收益率的历史数据,分别在市场波动性不发生改变、市场波动性变大和市场波动性变小三种情况下对历史模拟法的有效性进行检验,检验结果表明在市场波动性不发生变化的情况下,历史模拟法计算的VaR能够有效地度量市场风险;在市场波动性变大的情况下,该方法会低估市场风险;在市场波动性变小的情况下,该方法会高估市场风险。通过对历史模拟法的计算原理进行分析,历史样本自身的时滞性是导致该方法在市场波动性发生变化时无效的原因。     

t-分布与不同风险度量下有效投资组合及其边缘的相互关系研究

In order to study the effect of different risk measures on the efficient portfolios (frontier) while properly describing the characteristic of return distributions in the stock market, it is assumed in this paper that the joint return distribution of risky assets obeys the multivariate t-distribution. Under the mean-risk analysis framework, the interrelationship of efficient portfolios (frontier) based on risk measures such as variance, value at risk (VaR), and expected shortfall (ES) is analyzed and compared. It is proved that, when there is no riskless asset in the market, the efficient frontier under VaR or ES is a subset of the mean-variance (MV) efficient frontier, and the efficient portfolios under VaR or ES are also MV efficient; when there exists a riskless asset in the market, a portfolio is MV efficient if and only if it is a VaR or ES efficient portfolio. The obtained results generalize relevant conclusions about investment theory, and can better guide investors to make their investment decision.     

STUDY ON THE INTERRELATION OF EFFICIENT PORTFOLIOS AND THEIR FRONTIER UNDER t DISTRIBUTION AND VARIOUS RISK MEASURES

In order to study the effect of different risk measures on the efficient portfolios (frontier) while properly describing the characteristic of return distributions in the stock market, it is assumed in this paper that the joint return distribution of risky assets obeys the multivari-ate t-distribution. Under the mean-risk analysis framework, the interrelationship of efficient portfolios (frontier) based on risk measures such as variance, value at risk (VaR), and expected shortfall (ES) is analyzed and compared. It is proved that, when there is no riskless asset in the market, the efficient frontier under VaR or ES is a subset of the mean-variance (MV) efficient frontier, and the efficient portfolios under VaR or ES are also MV efficient; when there exists a riskless asset in the market, a portfolio is MV efficient if and only if it is a VaR or ES efficient portfolio. The obtained results generalize relevant conclusions about investment theory, and can better guide investors to make their investment decision.     

可转换债券风险测度的新方法——GAVaR模型

通过ARMAGARCH模型模拟出可转债收益率的分布,然后使用遗传算法的数据挖掘技术对此分布进行了有效的优化,结合Bootstrap算法将优化结果应用于VaR测度,得出了GAVaR模型下的风险值.对中国和台湾可转债市场进行实证研究,发现GAVaR模型压力测试和回顾测试的结果都优于历史模拟法等常用VaR模型,控制风险的能力适合可转债市场的需求.     

VaR测度下的风险对冲策略研究

本文分别在正态分布和任意分布设定下讨论最小在险价值(VaR)的风险对冲问题。在正态分布设定下,本文深入讨论最小方差对冲比率和最小VaR对冲比率的性质,并得出最小VaR对冲策略下组合收益率的均值和方差大于最小方差策略下组合收益率的均值和方差。在任意分布设定下,本文构建一种新的VaR对冲模型,该模型引入非参数核估计方法对VaR进行估计,然后基于VaR核估计量建立风险对冲问题,实现风险估计与风险对冲同步进行。实证结果非常稳健地表明,不做任何分布假设下的核估计法得到的风险对冲效果优于最小方差对冲策略和正态分布设定下的最小VaR对冲策略。     

Estimating value at risk with semiparametric support vector quantile regression

Value at Risk (VaR) has been used as an important tool to measure the market risk under normal market. Usually the VaR of log returns is calculated by assuming a normal distribution. However, log returns are frequently found not normally distributed. This paper proposes the estimation approach of VaR using semiparametric support vector quantile regression (SSVQR) models which are functions of the one-step-ahead volatility forecast and the length of the holding period, and can be used regardless of the distribution. We find that the proposed models perform better overall than the variance-covariance and linear quantile regression approaches for return data on S&P 500, NIKEI 225 and KOSPI 200 indices.     

STUDY ON THE INTERRELATION OF EFFICIENT PORTFOLIOS AND THEIR FRONTIER UNDER t DISTRIBUTION AND VARIOUS RISK MEASUREgS

In order to study the effect of different risk measures on the efficient portfolios （fron- tier） while properly describing the characteristic of return distributions in the stock market, it is assumed in this paper that the joint return distribution of risky assets obeys the multivariate t-distribution. Under the mean-risk analysis framework, the interrelationship of efficient portfolios （frontier） based on risk measures such as variance, value at risk （VaR）, and expected shortfall （ES） is analyzed and compared. It is proved that, when there is no riskless asset in the market, the efficient frontier under VaR or ES is a subset of the mean-variance （MV） efficient frontier, and the efficient portfolios under VaR or ES are also MV efficient; when there exists a riskless asset in the market, a portfolio is MV efficient if and only if it is a VaR or ES efficient portfolio. The obtained results generalize relevant conclusions about investment theory, and can better guide investors to make their investment decision.     

双曲分布及其在VaR模型分析中的应用

传统的计算V aR的R iskM etrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算方法.本文引入双曲分布及其算法并将双曲分布应用到V aR模型的计算之中,事实上通过对股票市场的实证研究表明,股票市场数据呈厚尾现象,用双曲分布对数据的拟合要比R iskM etrics方法假定的正态分布更符合金融市场数据的实际情况,故本文的结论与方法对金融风险管理和其他金融建模是有价值的.     

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.