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.     

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。     

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.     

股指期货和股票指数的关联性分析——来自沪深300市场的实证分析

采用沪深300股指期货修正数据和沪深300指数为样本数据,通过运用统计学、ADF平稳性检验、Johansen协整检验、Granger因果检验和VAR模型等计量方法对沪深300股指期货波动性和现货市场波动性之间的关联性进行实证研究,以求对我国证券市场的完善和成熟起到一定的参考和借鉴作用.     

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.     

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.     

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.     

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。     

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.     

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。     

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。     

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。     

基于混合模型对地震巨灾风险的分析

POT模型常被用于分析巨灾风险,然而在应用POT模型时,阀值的估计及选择存在很多困难。本文提出用混合模型对巨灾风险进行估计,并讨论混合模型的贝叶斯统计分析。基于混合模型及贝叶斯统计方法,本文对我国1966年至2014年问GDP调整后的地震直接经济损失进行分析,并根据最终模型计算出不同置信度水平下的VaR值和ES值,为我国地震巨灾风险管理提供了理论依据。     

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.     

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.