对数收益率的偏斜Logistic分布与VaR估计

本文通过直方图和Q-Q图的直观方法展示了上证指数和深证指数的对数收益率具有尖峰厚尾和偏斜的分布特征,利用Shapiro-Wilk正态性检验和Kolmogorov-Smirnov检验等方法检验了对数收益率的分布与正态分布有显著性差异,并以较大的概率水平接受了对数收益率服从偏斜Logistic分布,同时给出了基于偏斜Logistic分布的VaR风险量的估计,结果显示上证指数的风险小于深证指数的风险。     

基于正则逆Gamma分布和广义极值分布的VaR计算

股指收益率的分布和风险价值(VaR)的计算是证券市场研究的热点问题.本文对来自上证指数和深证成指日收益率采用正则逆Gamma分布和偏T分布(SST)分别进行拟合,对极值序列(周、月极大值和极小值)建立广义极值分布函数。并由此计算VaR值,度量这几种序列的风险价值.结果表明正则逆Gamma分布能更好地拟合日收益率的分布,以及采用周极值收益率的广义极值分布计算VaR值来估计风险较为合理.     

条件VaR和条件CVaR的核估计及其实证分析

VaR和CVaR是目前两种主流风险度量工具。条件VaR和条件CVaR是基于市场风险因子在已知条件(或信息)下的分布来计量和测算VaR和CVaR,能够及时地根据变化的条件来重新估计风险进而进行有效的风险管理,是对传统的基于边际分布的VaR和CVaR指标的有益补充。另外一方面,近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们用条件VaR和条件CVaR的非参数核估计法,对我国A股市场的风险进行测算。结果得出:条件VaR和条件CVaR能揭示出深证成指和上证综指之间的不同风险特征;条件VaR和条件CVaR的测算结果并非总是一致;系统风险估计值对已知条件的敏感性高于深发展A和万科A两只股票的个股风险。以上风险特征在边际VaR和边际CVaR下无法得到。     

基于MCMC算法的时变Copula-GARCH-M-t模型及组合风险预测

为了准确地量化资产之间的时变相依结构和预测组合风险,本文考虑到投资者对资产风险偏好的差异,假设资产收益率序列的新息服从标准t分布,提出时变Copula-GARCH-M-t模型,推导了模型参数的两步MCMC估计方法,还得到了组合风险(VaR和CVaR)的一步预测方法。最后选取上证综合指数和标准普尔500指数,验证了所提模型及方法的可行性和优越性,同时该模型较为准确地量化了两指数在次贷危机后的时变相依结构特征。     

基于几种风险测度的多阶段组合优化研究

基于均值-方差(MV)、VaR(Value at Risk)、CVaR(Conditional VaR)、HMCR(p=1,2,3)(Higher Moment Coherent Risk)几种风险测度进行多阶段组合优化研究。首先从一致性公理和随机占优一致性角度分析几种风险测度的风险识别能力,认为HMCR(p=2,3)的风险识别能力最高,然后给出静态和动态下的风险规避型的规划函数及多阶段CVaR和HMCR模型,最后依据单阶段和多阶段优化模型,对上证50指数成份股进行实证分析。对比单阶段和多阶段下几种风险测度优化组合的累计收益率及几种风险测度之间的关系,结合上证50指数收益率发现,多阶段优化组合要整体优于单阶段优化组合,且HMCR(p=2,3)要优于指数收益率和其它几种风险测度。从投资者投资决策方面来分析,HMCR(p=2,3)型积极投资策略比较适用于股市平稳期、顶峰期和下降期,被动投资策略比较适用于股市上升期。     

基于多目标CVaR模型的证券组合投资的风险度量和策略

本文首先定义了多损失函数下的-αVaR,-αCVaR损失值以及-αCVaR损失值的等价函数,给出了多目标CVaR模型.然后,基于多目标CVaR模型,建立了一个多目标证券组合投资优化模型,得出在多置信水平下的证券组合投资比例和CVaR值,据此建立一种证券组合投资的降低风险优化模型.其降低风险策略是在收益率不变的情形下降低风险和总投资比例.数值实验表明,这种策略是可以通过明显地减少总投资比例来达到降低风险的目的.     

基于非参数分布的沪深股市VaR测度

沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布.因此,采用一种新的方法—非参数核密度估计,对沪深股指收益率分布进行拟合.该方法不仅很好地刻画了收益率分布的尖峰和肥尾特征,而且由此建立的VaR模型比一般的基于参数分布的VaR模型更能捕捉市场的风险特征,结论也更加准确.     

VaR理论及其在股市周末效应中的应用

本文首先讨论了VaR的教育处方法 ,然后通过实证分析沪市综合指数周一至周五的收益率分布 ,并分别利用历史模拟法、风险矩阵法、t分布法计算出周一至周五相应的VaR值 ,从而得出上海股市在“二、五”效应的结论 ,并发现利用VaR理论在我国的股票市场风险投资中可以很好的度量风险和规避风险 .     

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.     

基于Copula的供应链金融质物组合价格风险测度研究

本文选取白银、铝和铜三种供应链金融质物作为研究对象,在分析三种质物收益率统计特征的基础上,引入Copula模型刻画供应链金融业务中质物收益率的“尖峰厚尾”特征以及质物收益率之间的非线性相关结构;采用Monte Carlo模拟方法测度考虑到极端情况下的质物组合价格风险值CVaR;利用时间平方根法则测度长周期视角下质物组合的价格风险。将CVaR与VaR测度结果进行对比,比较分析短期价格风险与长期价格风险,将Copula模型与传统风险测度方法下计算出的风险值进行对比,以期选取最优测度供应链金融质物组合长期价格风险模型。研究结果表明:从单一质物价格波动特征来看,三种单一质物的收益率均存在非正态分布和“尖峰厚尾”特征,具有一般金融资产收益率分布的特点。从模型的有效性来看,第一,CVaR比VaR能够更好地、全面地测度供应链金融质物组合的价格风险;第二,基于Copula模型的风险测度结果比传统集成风险测度结果的准确性高;第三,平方欧式距离法结果表明在五种Copula模型中,t-Copula是最优刻画供应链金融质物组合收益率间的相依关系的模型。从长短期风险测度结果来看,随着风险期限的增加,质物组合的价格风险值随之增大,以往研究中用短期风险测度往往会低估商业银行所面临的价格风险,不利于商业银行资金信贷的优化配置。得到的结论对我国商业银行开展供应链金融业务防范价格风险提供了量化支持。     

Estimating Value-at-Risk and Expected Shortfall using the intraday low and range data

Value-at-Risk (VaR) is a popular measure of market risk. To convey information regarding potential exceedances beyond the VaR, Expected Shortfall (ES) has become the risk measure for trading book bank regulation. However, the estimation of VaR and ES is challenging, as it requires the estimation of the tail behaviour of daily returns. In this paper, we take advantage of recent research that develops joint scoring functions for VaR and ES. Using these functions, we present a novel approach to estimating the two risk measures based on intraday data. We focus on the intraday range, which is the difference between the highest and lowest intraday log prices. In contrast to intraday observations, the intraday low and high are widely available for many financial assets. To alleviate the challenge of modelling extreme risk measures, we propose the use of the intraday low series. We draw on a theoretical result for Brownian motion to show that a quantile of the daily returns can be estimated as the product of a constant term and a less extreme quantile of the intraday low returns, which we define as the difference between the lowest log price of the day and the log closing price of the previous day. In view of this, we use estimates of the VaR and ES of the intraday low returns to estimate the VaR and ES of the daily returns. We provide empirical support for the new proposals using data for five stock indices and five individual stocks.     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

基于GAS t-Copula模型的金融市场非对称风险溢出效应测度研究

准确测度金融风险溢出效应对于金融风险管理和构建投资组合具有重要意义,而金融市场之间的非线性及动态相关结构一直是风险溢出效应研究中的难点问题之一。本文通过引入GAS t-copula模型与CoVaR方法,结合能够刻画重要典型事实特征的边缘分布模型,构建了金融市场间的风险溢出效应测度模型,以中国内地等五个股市为研究对象,测度美国股市对中国内地等四个重要股市的风险溢出效应,以检验模型的可靠性与准确性。实证结果表明:中国内地等四个股市与美国股市之间呈现出显著为正且时变相关结构,随着金融危机的爆发,相关系数逐渐增加达到最大值;中国内地等四个股市受到美国股市的风险溢出效应呈现出非对称特征,即下跌风险溢出效应强度显著大于上涨风险溢出效应;中国内地股市受到的金融风险溢出效应显著小于香港、日本以及英国股市。     

中国股市大公司股票与小公司股票收益关系的实证研究

对中国股市的大公司股票与小公司股票的价格与收益关系进行了实证研究,结果表明大公司股票与小公司股票的收益无论在牛市阶段还是熊市阶段都存在较高的相关性;熊市阶段大公司股票收益的自相关程度最高,存在一定趋势性.大公司股票与小公司股票的价格序列是单位根的,但不是协整的,二者的收益序列是稳定的,在牛市阶段和熊市阶段大公司股票与小公司股票收益之间存在双向的领先—滞后后关系.     

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.     

基于Tsallis理论的中国股市收益分布研究

应用Tsallis提出的非广延统计力学理论以及与之密切相关的非线性Fokker-Planck方程所描述的动力系统,根据我国上证指数和深证指数2004年1月1日～2008年11月13日的高频数据,分析了在三种不同的时间标度下股指收益的概率分布,发现Tsallis分布可以很好地描述两市收益分布的尖峰厚尾有限方差等特征,同时也给出了市场微观动力学层面的解释。揭示出我国上海和深圳股市的价格过程并不符合随机游走,而是反常扩散过程,两市具有十分接近的非线性动力系统特征。所得结论对于研究我国金融市场的资产配置和定价、风险管理和制度建设都具有重要的意义。     

中国股票市场的收益-风险关系和惯性分析

本文采用非对称 EGARCH-M模型刻画了中国股票市场的个股风险 ,并对全市场的收益 -风险特征进行了横向分析 ,结果表明 ,从长期的角度来讲 ,在正常的市场条件下 ,中国股票市场存在着一定的高风险 -高收益、低风险 -低收益的关系 ,但从短期来看 ,由于不确定性因素较多 ,这种风险收益关系并不显著 .其次 ,本文分别采用每只股票历史 3个月的累积收益率、6个月的累积收益率以及 1 2个月的累积收益率分析了中国股票市场的惯性 ,我们发现 ,无论是从短期还是从比较长的时间来看 ,中国股票市场都不存在市场惯性 ,而表现出一定的反转现象 ,但反转现象会随着时间的推移逐渐减弱     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。