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。     

风险最小化套期保值比例估计:基于RV-Copula模型

随着中国第一只股指期货—沪深300股指期货合约的推出,基于沪深300的期货现货套期保值交易受到广泛关注。风险最小化套期保值比例估计成为影响套期保值交易有效性的关键问题。本文提出了基于已实现波动率和Copula(RV-Copula)相结合的风险最小套期保值比例估计方法,并基于沪深300指数期货和现货数据进行了实证分析。实证结果表明,相对于线性相关系数,本文提出的RV-Copula模型能够更准确地度量沪深300指数期货和现货价格的相关性,从而给出更合理的风险最小套期保值比例估计,提高套期保值交易有效性。本研究是对风险最小套期保值比例估计研究的有益补充,特别是对高频数据背景下的套期保值实践具有重要指导意义。     

基于风险约束的套期保值模型及沪深300股指实证研究

提出利用风险价值VaR建立套期保值资产组合的风险约束.以套期保值资产组合收益最大为目标,以控制套期保值资产组合风险为约束,建立了基于风险约束的套期保值模型.该模型在有效控制风险的基础上,可以大幅提高套期保值资产组合的收益.对沪深300股指现货和期货的数据进行了实证分析,对比了现有研究的最小二乘((OLS)、向量自回归(VAR)、向量误差修正(VEC)三种模型以及本文建立的基于风险约束的期货套期保值模型.样本内检验结果表明,本模型比现有研究模型的收益有大幅提高,平均增加81.6%.同时并没有失去对风险的控制,与现有研究模型只有5.32%的差别.对于样本外检验,模型在控制风险和提高收益两个方面都要优于现有研究模型.模型比现有研究模型平均可提高收益21.4%,平均降低风险3.61%.     

基于Copula函数的我国股指期货风险及套期保值实证研究

运用SJC-Copula-GJR模型,计算了持有沪深300股指期货多头和空头两种组合的VaR值和最优投资比例,模型的特点是能够准确地描述尾部相关关系,且其对尾部相关性的描述是非对称的,所得结论为投资者进行风险管理提供了可靠的依据.同时,通过构造加权的非线性相关系数来计算沪深300股指期货最优套期保值比率,解决了分布非正态、期货与现货非线性的问题,准确地度量了股指期货收益率序列的动态相依关系,实证研究表明基于Copula函数的套期保值有效性明显地优于传统模型.     

中国股票市场最优套期保值比率研究——基于高阶矩HAR模型

金融资产收益率高阶矩风险和跳跃行为是套期保值策略的重要影响因素.文章将已实现高阶矩测度和跳跃风险测度引入HAR族波动率模型,构建高阶矩HAR族波动模型,并将Copula.函数与最优高阶矩波动率模型相结合,建立含高阶矩的Copula-HAR-RV-CJSJV-D-SK套期保值模型.以沪深300指数和中证500指数以及对应的股指期货构建套期保值策略.实证表明,从方差减少比率和超额收益率两方面来看,基于新模型的套期保值效果在样本内和样本外均优于传统静态套期保值模型、时变二元GARCH族套期保值模型和Copula-GARCH族套期保值模型.     

我国股指期货的套期保值比率研究

本文主要运用OLS、VAR、ECM、diagonal-BEKK、full-BEKK、scalar-BEKK对沪深300股指期货仿真交易的套期保值比率进行研究,比较了静态套期模型和动态套期保值模型的效果,并研究不同参数化形式对动态套期保值模型的影响。结果表明尽管动态套期保值在样本内要优于静态套期保值模型,但样本外效果却不是很好;另外,动态模型的不同的参数化形式对结果的影响也比较大。     

全时段最优套期保值模型及实证研究

针对传统套期保值模型只考虑套期保值资产在套期保值期末的风险及未能充分利用样本数据所提供的信息的问题,本文提出了一类同时考虑套期保值期内不同期限风险的全时段最优套期保值比率计算模型.全时段套期保值模型通过最小化套期保值资产在套期保值期内不同期限的风险将投资者面临的风险在整个套期保值期内稳定保持在一个较低的水平,并更充分的利用了资产历史价格样本数据所提供的信息.本文基于沪深300指数及其仿真股指期货的历史价格数据,对传统形式的三种套期保值模型与本文提出的三种全时段套期保值模型的套期保值效果进行了实证分析和比较,并使用GARCH模型比较分析了这些模型套期保值的动态效果,结果表明三种全时段模型的套期保值效果都要优于相应的传统模型,能有效地缓解提前终止套期保值时投资者所面临的风险.     

全时段最优套期保值模型及实证研

针对传统套期保值模型只考虑套期保值资产在套期保值期末的风险及未能充分利用样本数据所提供的信息的问题,本文提出了一类同时考虑套期保值期内不同期限风险的全时段最优套期保值比率计算模型.全时段套期保值模型通过最小化套期保值资产在套期保值期内不同期限的风险将投资者面临的风险在整个套期保值期内稳定保持在一个较低的水平，并更充分的利用了资产历史价格样本数据所提供的信息.本文基于沪深300指数及其仿真股指期货的历史价格数据，对传统形式的三种套期保值模型与本文提出的三种全时段套期保值模型的套期保值效果进行了实证分析和比较，并使用GARCH模型比较分析了这些模型套期保值的动态效果，结果表明三种全时段模型的套期保值效果都要优于相应的传统模型，能有效地缓解提前终止套期保值时投资者所面临的风险.     

基于GARCH模型的股指期货协整跨期套利实证研究

利用沪深300股指期货的5分钟高频收盘数据建立跨期套利模型,在现有的协整理论基础上,应用GARCH模型描述残差的条件异方差性,用历史数据预测未来价格的时变方差,利用置信度确定价差范围。实证结果表明,沪深300股指期货存在日内跨期套利机会.无论是样本内数据还是样本外数据,投资者的风险好恶如何,通过跨期套利可以在较小的风险下,获得较高的盈利.     

股指期货考虑套期保值成本时的套期保值比率研究

所谓股指期货,就是以某种股票指数为标的物的金融期货合约.它同时具有股票与期货的特性,是组合投资者规避系统风险的重要金融衍生工具.针对股指期货,在考虑套期保值成本的前提下,利用套利和CAPM模型给出最优套期保值比率的计算公式.这将在一定的程度上,提高了计算的准确性,并且减少计算的工作量.     

期货套期保值C VaR风险的敏感度分析

把条件风险价值应用于期货组合套期保值的风险管理,分析条件风险价值对期货部位的敏感性.在一般的概率分布下,分空头套期保值和多头套期保值两种情况,导出期货组合套期保值的条件风险价值关于套期比的一阶和二阶变化率,并研究其经济意义.投资者可以根据条件风险价值的敏感度增减期货头寸,把握好用于套期保值的期货量,帮助投资者管理套期保值风险.     

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。     

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。     

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.     

GARCH模型对期铜市场风险的研究

期货市场是一个高风险的市场,因此需要有效地控制并且监管风险。本文以上海期铜市场97年到04年的收盘价格为研究样本,通过拉格朗日检验,发现价格收益率序列服从ARCH过程,在正态、student-t和GED三种分布假设下,估计了GARCH(1,1)模型的参数,结果表明student-t假设下模型的拟和程度较好,然后利用EGARCH(1,1)-M模型检验了上海期铜市场杠杆效应和波动集群效应。最后在两种置信水平下,利用GARCH(1,1)和Risk Metrics方法计算了期铜市场每天的VaR,Kupiec检验表明基于t分布的GARCH(1,1)模型能更准确地反映上海期铜市场的风险。     

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.     

VaR methods for the dynamic impawn rate of steel in inventory financing under autocorrelative return

This paper proposes the way of setting the dynamic impawn rate by dividing the impawn periods into different risk windows. In an efficient financial market, the return is hypothetically independent, while in a pledged inventory market where spot transactions predominate, the return is auto-correlative. Therefore, the key to setting the impawn rate is to predict the long-term risk. In this experiment, using the database of spot steel, we established a model with the formula AR (1)-GARCH (1,1)-GED, forecasting the VaR of steel during the different risk windows in the impawn period through a method of out-of-sample, and got the impawn rate according with the risk exposure of banks. The results of our experiment indicated that the introduction of coefficient K into the model can significantly improve bank risk coverage and reduce its efficiency loss. Besides, the impawn rate obtained by the model correlates positively with the lowest price in the future risk windows.     

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。