股票市场组合的市场风险度量研究——基于相关性模型

利用Copula的特点,灵活选择边缘分布模型、Copula函数和时变参数演化方程,构建16个相关性模型.在此基础上,通过蒙特卡罗模拟,采用VaR和ES度量资产组合的市场风险,并通过回测检验比较不同模型的风险度量效果.以沪深300指数和恒生指数为样本构建投资组合进行实证研究,结果表明,边缘分布模型、Copula时变参数演化方程和Copula函数的选择会影响风险度量的精度.在构建的16个相关性模型中,边缘分布为MSM-EVT,时变参数演化方程为GAS模型,Copula函数为Rotated Gumbel Copula的MSM-EVT-R-GAS模型风险度量效果最好.     

利用高频数据和copula度量资产组合市场风险:建模与实证

利用realized GARCH模型纳入高频信息,通过copula函数描述资产收益之间的复杂相依关系,构建资产组合市场风险度量的copula-realized GARCH模型,并以上证综指和深证成指的等权重组合进行实证分析。实证结果表明,用学生t-copula函数描述上证综指和深证成指收益序列之间的相依关系比较恰当,与常用的GARCH模型和GJR-GARCH模型相比,学生t-copula与realized GARCH相结合的模型提供相对可靠、更具效率的VaR估计以及更准确的ES估计。因此,资产组合市场风险度量有必要同时考虑高频信息和复杂相依关系。     

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Copula函数的组合资产条件相依性模型研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,组合资产的相依结构受多方面的影响,资产之间的相互影响与时间上的记忆效应是组合资产两类主要的相依关系.结合条件概率的理论建立基于Copula函数相依关系模型,研究组合资产之间同期相依关系及时间上的短期相依关系,提出了模型参数的三阶段极大似然估计方法.     

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.     

基于极值统计和高维动态C藤Copula的股市行业集成风险计算

股市诸多行业风险之间存在着波动相依性,集成计量多维风险对投资决策意义重大。藤Copula是Copula函数高维化拓展的一个方向,其动态化是新的研究前沿。将极值理论的GPD模型和高维动态C藤Copula方法结合起来研究沪深300指数中地产、基建、银行和运输四个行业风险,能够有效描述尾部极值形态,突出关键变量的作用。再运用动态Pair-Copula分解,刻画高维行业风险变量间的动态关系,以仿真出动态集成风险变量VaR序列。VaR计算结果通过了回溯检验和稳定性测试,表明高维动态C藤Copula模型可以作为风险集成计量的一种新的有效方法。     

基于EGB2分布族的GAS-EGARCH模型与VaR预测

GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。     

APARCH 模型在证券投资风险分析中的应用

本首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值的VaR—APARCH模型，并应用VaR—APARCH模型在多种分布情形下测算了上证综合指数的风险，结果表明基于GED分布的VaR—APARCH模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性。     

国际碳排放权市场动态相依性分析及风险测度:基于Copula-GARCH模型

选取2009年3月13日-2010年8月4日的CER和EUA交易价格数据,借用CopulaGARCH模型,文章对欧洲气候交易所EUA和CER现货市场与期货市场之间的动态相依性进行了分析。分别选取Student-t DCC、Student-t TVC、Gaussian DCC、G3,ussian TVC和SJCPatton五种动态Copula函数来捕捉市场之间的动态相依性结构,研究表明Student-t DCC动态Copula函数能够更好地描述EUA和CER现货市场与期货市场之间的动态相依性。此外,EUA和CER各市场之间存在较强的对称尾部相依性,而非对称尾部相依性的证据尚不十分充足.进一步地,文章基于动态相依性分析运用Monte Carlo方法模拟国际碳排放权市场投资组合的风险VaR。     

基于CVaR的最优投资组合模型算法分析

通过引入光滑因子,改进了基于条件风险值(CVaR)的最优投资组合线性模型,并详细介绍了以VaR最小为目标函数的最优投资组合模型的算法设计思想与过程.     

基于倾斜-t Copula的半参数马尔可夫链

在不指定时间序列结构的情况下,我们的分布模型是基于多变量离散时间的相应马尔可夫族和相关变量一维的边际分布.这样的模型可以同时处理时间序列之间的相互依赖和每个时间序列沿时间方向的依赖.具体的参数copula被指定为倾斜-t. 倾斜-t Copla能够处理不对称,偏斜和粗尾的数据分布.三个股票指数日均收益的实证研究表明,倾斜-t copula的马尔可夫模型要比以下模型更好:倾斜正态Copula马可夫, t-copula马可夫, 倾斜-t copula但无马尔可夫特性.     

基于时变Copula模型的 基金收益率相依关系的应用研究

基于时变Copula模型,获得预测方差,确定单个基金收益率序列的边缘分布.利用常见的静态Copula和时变Copula模型对基金收益率序列间两两相依关系进行建模并进行对比分析.应用研究表明,基于MCMC方法的时变Copula模型能更有效地度量基金收益率序列的风险.     

中证开放式基金指数和GARCH-M模型

基于开放式基金指数周收益率时间序列的非正态性和厚尾特性,以中证开放式基金指数为例,运用GARCH-M模型进行研究,系统地分析我国不同类型的开放式基金的投资风险.实证分析表明:GARCH-M模型对中证开放式基金指数周收益率的拟合效果较好,并为预测我国开放式基金的投资风险提供了科学依据.     

基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究

传统Sharpe比率将投资收益的标准差作为风险的度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的。针对传统Sharpe比率的这一缺点,本文考虑了用于度量下方风险的指标风险价值VaR(Value at Risk)和预期不足ES(Expected Shortfall)来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,运用了经验非参数估计和非参数平滑核估计两种方法。此外,本文还考虑了基金收益随时间波动的动态性,用广义自回归异方差GARCH模型对收益波动进行模拟,考察动态的VaR和ES,在实践中以动态的VaR和ES评价风险收益更加灵活。在实证研究中,本文用传统的Sharpe比率、基于VaR和ES的Sharpe比率以及基于条件VaR和条件ES的条件Sharpe比率对国内证券市场上所有26只封闭式基金在2005-2009年间的业绩进行了实证分析,分析了基金在不同指标下所体现的风险控制能力和收益水平的差别,并基于不同指标对所有基金进行了排名。此外,本文还运用协整检验考察基金收益率与市场基准指数是否存在联动关系,检验证明两者并不存在长期的均衡关系。     

Second-order nonlinear impulsive evolution equations with time-varying generating operators and optimal controls

In this article, the second-order nonlinear impulsive evolution differential equations with time-varying generating operators is considered. Constructing evolution systems generated by time-varying operator matrix, we introduce suitable mild solution of the second-order nonlinear impulsive evolution differential equations. The existence and uniqueness of the mild solutions and the continuous dependence on initial value are proved. The existence of the optimal controls for a Lagrange problem of the systems governed by the second-order nonlinear impulsive evolution equations is also presented. An example is given for demonstration.     

Bayesian dynamic financial networks with time-varying predictors

We propose a targeted and robust modeling of dependence in multivariate time series via dynamic networks, with time-varying predictors included to improve interpretation and prediction. The model is applied to financial markets, estimating effects of verbal and material cooperations.     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.     

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。     

基于时变Marshall-Olkin Copula模型的系统寿命的度量及模拟

利用Kendall的tau与总体参数一一对应的关系,构造了时变的Marshall-OlkinCopula的模型;并基于蒙特卡罗模拟(MC)技术获得的样本数据建立了时变Marshall-Olkin Copula的模型.通过下尾相依机制的分析,说明了时变Marshall-OlkinCopula的模型,不仅能有效描述了系统寿命变化的波动性,还能捕捉了下尾相依机制的时变性.