平稳序列BMM模型与沪深股市极端风险研究

基于VaR理论正态分布假设导致的尾部风险低估问题,研究了GEV分布下的BMM模型及区间关联下的极值VaR的建模,并实证分析了沪深股市极端风险.研究结果表明:BMM模型对金融风险的厚尾具有更合理的理论基础.然而,涨跌停板极大地抑制了沪深股市极值数据的异质性,形成"极值不极"现象,导致在较高置信度下BMM模型更为有效,而在较低置信度下反而存在低估问题,有效性尚不及VaR模型.     

变点分析与极值指标和SV-t-GPD模型在原油极端风险测度中的应用

引入VaR和ES的极值理论对BRENT原油现货市场的价格风险进行研究,运用变点理论对传统Hill估计方法的阈值选择进行了改进,定量选取阈值,相应降低了因主观判断失误引致的阈值选取误差。针对GPD模型要求金融时序服从独立同分布条件,引入两种方法来消除超阈值的局部相关性:一是结合GPD模型与极值指标;二是基于BRENT收益率序列采用SV-t模型进行过滤处理,建立起度量BRENT市场波动风险的动态VaR和ES模型。实证结果表明:针对BRENT市场极端风险,结合变点分析和极值指标构建的改进型阈值定量模型在风险测度方面具有有效性和精确性。相应地,构建的动态SV-t-GPD模型在测度BRENT极端风险方面具有稳健性。     

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.     

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.     

基于双因子定价模型的投资组合风险价值的多分辨率特征研究

为了识别金融市场投资风险的多分辨率特征及优化投资组合,以资本市场风险和汇率市场风险为双因子定价模型的风险因子,利用小波方差及协方差无偏估计量,给出了单个资产风险因子敏感度多分辨率计算方法,以此为基础还得到了投资组合的风险值(VaR)及其边际风险值(MVaR)的多分辨率分解公式.对上证A股市场的实证分析表明投资组合的风险价值及边际风险价值依赖于投资时限,短线投资潜在的损失比长线投资要大;进一步分析表明中国股市存在多分辨率风险特征,这种风险特点可能是由市场系统风险和汇率风险以及异质性投资活动共同作用的结果.研究还发现多分辨率边际风险价值是确定多分辨率投资组合优化模型求解的重要条件之一.     

基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-Co VaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的Co VaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-Co VaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的Co VaR测度存在被高估的可能。     

期货市场日内VaR测度模型与应用

本文构建了两类日内VaR测度模型,一类是以超高频数据为基础,结合久期模型、波动模型和Monte Carlo模拟方法的综合日内VaR(IVaR)测度模型,另一类是以等时间间隔高频数据为基础并结合传统计量方法(历史模拟法与GARCH法)的日内VaR测度模型。然后运用上海燃料油期货市场数据进行了实证研究,结果表明:相对于传统计量方法,IVaR模型由于包含了更充分的市场信息,因而无论是多头头寸还是空头头寸时都具有更好的预测能力;IVaR方法估计的VaR值最小,说明IVaR模型比较适用于风险承受能力较强的投资者;IVaR模型对于空头头寸的管理更加严格;另外,IVaR模型的预测结果表明市场在日内具有开盘大,随后迅速衰减并趋于稳定的特征。     

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.     

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.     

对数正态分布的VAR数学模型及其计算

VaR(Value at Risk)是一种以规范的统计技术来度量市场风险的新标准,目前在金融数学领域被广泛使用,它是指在正常的市场条件和给定的置信度下,在给定的持有期间内,测度某一投资组合所面临的最大的潜在损失的数学方法.传统的VaR计算方法在计算开放式基金时,可能存在着低估风险的情况.着重论述了VaR模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金的风险,以验证其结果是否更加接近实际风险值.     

基于GARCH族模型商业银行外汇风险管理的VaR方法研究

面对日趋加大的汇率波动性,商业银行外汇资产面临的风险也越来越大,风险的计量与预测在管理外汇风险中的作用也越来越重要.引入参数法下的GARCH模型对外汇市场存在的风险进行计量分析,并以此为基础运用VaR方法进一步计算外汇资产的风险补偿金,以达到预测和控制外汇风险目的.     

应用EWMA-GARCH(1,1)-M模型对沪深300股指期货最小VaR套期保值效果研究

VaR是目前国际上应用最广泛的度量金融风险的指标之一,其核心在于波动率,也就是方差的参数估计.采用EWMA模型估计方差,并且结合风险溢价特征的GARCH(1,1)-M模型计算出沪深300股指及其期货的最优衰减因子为0.933 25,摒弃了以往采用0.940 0作为衰减因子的一贯做法,并且运用Cornish-Fisher方程对正态分布的分位数进行了修正,得到修正后的套期保值比率以及资产组合的VaR,与传统的套期保值模型相比,该模型的风险价值VaR降低的程度明显,并且对投资组合未来的VaR具有很好的预测效果,表明EWMA-GARCH(1,1)-M模型对沪深300股指期货的套期保值效果较好.     

CVaR风险度量模型在投资组合中的运用

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标，条件风险价值(CVaR)是VaR的修正模型，也称为平均超额损失或尾部VaR，它比VaR具有更好的性质。在本中，我们将运用风险度量指标VaR和CVaR，提出一个新的最优投资组合模型。介绍了模型的算法，而且利用我国的股票市场进行了实证分析，验证了新模型的有效性，为制定合理的投资组合提供了一种新思路。     

加权分布模型测算个股VaR

本文在同时考虑企业的个性风险和企业将受到整个国家宏观经济形势影响的共性风险的基础上,用一种新的思路定权数,提出了用加权分布测算个股VaR的模型。并以在深圳股市上市的四家企业的股票收益率做实证分析和模型检验。结果表明:加权分布提高了原来的假设收益率分布服从单一分布下测量VaR的准确度,尤其对于个性风险较强的企业而言,加权分布模型是一种形式简单,而又较为精确的模型。     

使用双币种期权的风险管理

以VaR作为风险度量的工具,研究固定汇率制度下使用双币种期权对冲进行的风险管理.研究表明,可以通过确定最优敲定价格减小VaR,并对获得的结论做了比较静态分析.     

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VaR-Copula的信息安全评价模型研究

近年来,我国信息安全面临的形势越来越严峻,而作为信息安全风险防范的最基础手段——风险评价理论和方法还没有得到有效发展和真正发挥作用.研究在深入分析信息安全风险理论基础上,采用VaR理论和Copula法,构建了一种信息安全评价模型,得到了从整体上来把握和衡量信息安全的VaR指标,解决了现有研究主要集中于构建指标体系及其基础上评价模型的弊端.最后,并采用实例验证了该模型的有效性.     

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。     

均值-VaR模型的一种新解法：鞍点近似、遗传算法

以均值度量收益,方差度量风险的均值.方差模型,广泛应用于资产组合优化.随着对金融风险度量方法研究的不断深入,VaR作为一种简便、易于理解的风险度量方法,在金融企业中得到日益广泛的应用.本文用VaR代替均值-方差模型中的方差,构建了均值-VaR模型应用干投资组合优化.均值-VaR模型是非线性规划,仅当VaR满足凸性和可微性的前提下,满足库恩-塔克条件的解才是全局最优解.本文在CreditRisk+框架下,提出一个在不允许卖空条件下,不需对VaR的性质做出前提假定的新解法:将鞍点近似法用于计算VaR,在资产头寸与VaR之间建立起函数关系,采用遗传算法寻找模型的近似最优解.并用一个债券组合说明该方法的有效性。