基于GARCH族模型的沪深300股指VaR度量

本文在修正了沪深300股票指数收益率序列的非平稳性和自身相关性之后,把ARMA模型与GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相结合,然后依次假设残差分布服从正态分布、t分布和偏t分布,来描述沪深300股票指数日对数收益率序列的尖峰厚尾性、杠杆效应和长记忆特性,利用上述模型分别计算沪深300股票指数的VaR值.在空头和多头投资者情况下,不同的波动性模型和不同残差分布的VaR预测有效性差距很大.比较得知,在不同的置信水平下,沪深300股票指数收益率序列空头和多头的VaR预测成功概率比较高的模型有HYGARCH和FIEGARCH这两类具有长记忆性的模型.     

VaR最小化的股指期货套期保值比率研究

以VaR最小化为目标,结合波动率预测建立套期保值模型,充分反应了金融收益率尖峰厚尾和波动聚集的特征。通过对沪深300股指期货的日结算数据实证研究发现,在现货组合与股指期货高相关性的条件下,VaR最小化套期保值较最小方差套期保值能进一步降低组合样本外收益率的VaR值,EWMA与Cornish-Fisher展开相结合的方法能取得最好的VaR最小化套期保值效果。     

条件VaR理论的应用与研究

本文是在假定股票的价格和收益率服从二维正态分布的基础上,对条件VaR进行研究.首先,利用条件分布的理论,推倒出在给定一定股票价格时,股票收益率的条件分布;然后,在此基础上,进一步推倒出条件VaR的一般计算公式;最后,根据沪深两市的实际股票数据进行了实证计算.     

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.     

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。     

基于GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.     

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.     

核密度估计在预测风险价值中的应用

通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.     

基于不同分布EGARCH模型的EU ETS价格波动和风险研究

分别基于正态分布、t分布、GED分布假设下的EGARCH模型,考察EUA和CER期货价格收益率的波动特征,并估算期货市场的风险VaR值,利用LR统计量检验VaR,估计值的准确程度.实证结果表明:碳期货收益率存在明显的"尖峰厚尾"特性;碳期货市场存在负的"杠杆效应","利多"的影响小于"利空"的影响;EUA期货市场相比CER期货市场具有更高的风险;EGARCH-GED模型对碳期货市场的风险刻画能力最强,其次是EGARCH-N模型,EGARCH-t模型刻画能力最差.     

基于二维正态分布的条件VaR研究

基于条件收益率的VaR测算方法.在假定股票价格对数与收益率服从二维正态分布的基础上,对每一价格水平,得到条件收益率的分布特征,进而计算条件VaR值.通过分析证明了条件收益率分布与价格水平高低有关,一般价格升高会使条件收益率分布向左侧移动,反之向右侧平移.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

股权分置改革试点G股的超常收益实证研究

本文采用事件研究法就股权分置试点改革过程中G股股票是否存在超常收益进行了实证分析。实证分析表明股改试点公司股票在试点公司完成股改后复牌当天确实存在着显著的正的超常收益,其中第一批试点公司G股股票的平均超常收益率高于第二批试点公司G股股票的平均超常收益率,深交所试点公司G股股票的平均超常收益率略高于上交所试点公司G股股票的平均超常收益率,中小企业板试点公司G股股票的平均超常收益率高于主板试点公司G股股票的平均超常收益率,高对价试点公司G股股票的平均超常收益率高于低对价试点公司G股股票的平均超常收益率。     

中国股市价格和波动性的非线性行为实证研究

深沪综合指数的收益率不服从正态分布,收益率是负斜的,呈现胖尾和峰态;其收益率序列均服从有着分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为和非周期循环特征,深市非周期循环为4个月,而沪市为6个月,深沪股市月收益率序列则为确定性的混沌序列;而沪深股市的波动性也呈现出一定程度的不对称特征,沪深股市之间还存在着波动性的溢出效应,深市还存在着一定的杠杆效应,而且,沪深股市之间还存在着明显的波动性的溢出效应.     

深证成指周收益率波动性的实证研究

利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。     

iVIX指数与上证50 ETF收益率的相关性实证研究

采用1分钟高频数据,研究iVIX指数与上证50 ETF收益率之间的相关性。运用参数估计和核密度估计描述两者的边缘分布,通过K-S拟合优度检验构建Copula模型。研究表明:Copula模型具有较好的拟合优度,Copula函数相对于Kendall和Spearman分析方法不仅能够捕捉iVIX指数与ETF收益率序列间的秩相关性,而且还能反映iVIX指数与ETF收益率的尾部相关性;iVIX指数与上证50 ETF收益率之间存在负的秩相关性,秩相关性强弱随着不同持有期大致呈现“W”型分布,通过Copula概率密度函数的尾部相关性发现iVIX指数与ETF收益率存在非对称结构特征。     

二阶随机占优约束下考虑偏度的投资组合模型

在DentchevaRuszczynski(2006)模型的基础上,考虑偏度对构建投资组合的影响,建立了二阶随机占优约束下最大化组合收益率偏度的投资组合优化模型,并应用分段线性近似方法将模型转化为一个非线性混合整数规划问题.利用中国股票市场的历史数据对所建模型进行了实证分析,结果表明,所建新模型比均值-方差-偏度模型和市场指数具有更稳健的表现.     

中国股票收益率的稳定分布拟合与检验

本文对上证综指及深证成指的收益率进行了稳定分布拟合,并与正态分布的拟合加以比较分析,结果表明稳定分布能更好的处理股票市场中的“尖峰厚尾”现象。     

流动性风险与股票收益率

文运用两阶段回归方法,利用上海证券交易所和深圳证券交易所的A股交易数据,针对流动性风险与股票收益率之间的关系进行了实证检验。在把流动性风险分解成系统流动性风险和个体流动性风险以后,作者发现无论是系统流动性风险还是个体流动性风险都对股票收益率有显著的影响;并且与成熟市场不同的是,在中国市场上个体流动性风险对收益率的影响比系统流动性风险的影响要更显著。因此在今后研究中国股市的流动性定价时,研究人员需要考虑个体流动性风险才能够对股票收益率进行更好的解释。     

基于Expectile和Realized GARCH模型的波动率预测

Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。     

向量GARCH族模型计算中国金融市场投资组合风险价值(VaR)的比较研究与评述

对由上证综合指数、深证成分指数、上证基金指数、上证国债指数计算的日自然对数收益率组成的数据矩阵,分别建立了残差服从正态分布、t分布的向量ARCH、向量GARCH、纯对角GARCH、BEKK、常条件相关GARCH、主成分GARCH和EWMA模型,基于这些模型,计算了风险价值(VaR),进而通过比较计算结果,得出BEKK—t模型测算中国金融市场投资组合的风险价值(VaR)效果最好等的结论.