基于半参数EGARCH模型的VaR和CVaR度量与实证研究

本文主要是运用半参数EGARCH模型研究中国股票市场风险.首先,运用半参数EGARCH模型估计波动率.其次,研究中国股票市场风险,即估计VaR和CVaR值.最后,利用半参数EG;ARCH模型对上证指数进行实证分析。结果表明,半参数EGARCH模型比一般的EGARCH模型能更准确地度量中国股市风险。     

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.     

Bayes混合模型在我国农业旱灾风险度量中的运用

旱灾一直是对我国农业经济生产威胁最大的灾害之一。因此,如何深度剖析旱灾风险特征,强化风险管理,科学、积极地进行防灾减灾来大幅度减轻灾害风险负担、弱化旱灾风险负面影响,有效助力经济平稳、快速发展一直是政府和学术界长期关注的焦点问题之一。本文借鉴金融风险度量的方法经验,用VaR作为旱灾风险度量工具。通过构建混合分布模型的方式来拟合旱灾损失率分布,并根据该模型估计VaR以刻画旱灾风险大小。混合分布模型由常规分布和GPD组成,其中,GPD用来刻画风险尾部特征。同时,该模型采用Bayes计算方法来回避GPD分布阈值选择和参数估计难题。结果表明:与Gamma-GPD混合分布相比,Norm-GPD混合分布模型在拟合农业旱灾损失率分布上表现更佳,其精度较高、VaR估计值更可信。Norm-GPD混合分布的VaR估计结果表明,我国在遭受10年一遇,20年一遇和100年一遇旱灾的情况下,农业旱灾损失率不超过9.45%, 11.03%和30.21%。该结果对于我国农业旱灾风险管理以及农业灾害保险、债券的定价具有重要意义。     

ARCH族模型及其对深圳股票市场的实证分析

ARCH族模型是动态非线性的股票定价模型,它在金融和经济领域具有广阔的应用前景.在短短二十年时间里取得了迅速的发展,先后提出了GARCH、ARCH-M、TARCH、EGRACH等模型丰富了ARCH族模型.本文从ARCH族模型出发,简要介绍了其主要形式和特点,然后将ARCH族模型运用于我国深圳股票市场的实证分析,从实证结果中总结深圳股市的总体特征.     

ARIMA模型与ARCH模型在香港股指预测方面的应用比较

由于香港金融市场易受政治或投机等因素的影响而使股价波动呈现出不确定性 ,而ARCH模型又善于描述这种不确定性 ,因而本文试图将ARCH模型和ARIMA模型在香港股指预测方面的应用进行对比 ,以期为投资者选择模型进行预测时提供参考     

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。     

厄兰极值混合模型的有效估计及其在保险中的应用

本文研究了Erlang混合分布和广义帕累托分布混合模型的估计问题.通过引入iSCAD惩罚函数,利用EM算法极大化iSCAD惩罚似然函数的方法,获得了混合序和参数的估计值,计算出有效的度量风险指标value-at-risk(VaR)和tail-VaR(TVaR),通过模拟实验和实际数据说明了模型和算法的有效性.推广了有限Erlang极值混合模型在保险数据拟合中的应用.     

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。     

自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

基于相对VaR的信用担保两期定价模型

基于风险价值(VaR)计量模型的信用担保定价方法包括绝对VaR和相对VaR两种方法.对于贷款期限一年以上的风险衡量,相对VaR比绝对VaR更加准确和接近现实.针对现有研究中基于绝对 VaR的只考虑原债务期的信用担保风险计量模型的缺陷,本文采用相对VaR方法,建立了既考虑企业对银行的原债务期风险,又考虑企业对担保机构的债务展期风险的信用担保两期定价模型,从而使基于VaR模型的信用担保定价方法更加科学合理.     

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.     

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。     

债券组合的风险价值

风险的价值(VaR)越来越受到人们的关注，VaR的估计主要依赖于参数、数据、假设和方法。本提供了计算债券组合的VaR模型，并介绍了基准利率久期和凸度的概念。     

我国外汇风险管理中的内部模型选择

在VaR计算中，一般都有市场变量的日回报服从正态分布的假定，但汇率的变化呈非正态分布。随着我国加入了WTO后金融市场的进一步开放，选择适合我国外汇风险管理需要的统计模型已极为紧迫。本提出了一种用有偏度的混合正态分布计算VaR的方法，使市场风险管理可不受市场变量正态性假定的限制，其参数通过分位点到分位点的对应，参照GARCH模型进行更新，从而可以对加报分布的左右胖尾进行解释。本中选取了八种与我国经济密切相关的外汇，分别计算其参数ξ、q、α和β的最优值。运算结果显示，有偏度的混合正态分布对货币组合的模拟大大优于对个体货币的拟合。     

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.     

基于Skewed-t分布的FIGARCH模型与VaR的度量

金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻.     

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。     

ARCH类模型研究及其在沪市A股中的应用

本文主要介绍ARCH(AutoregressiveConditionalHeteroskedasticity)模型、GARCH模型和E GARCH模型 ,分析这些模型的特点和适用范围 ,并在模型中引入t分布取代正态分布假设 ,最后利用这些模型对上证指数进行了实证分析。     

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.     

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。