条件VaR理论的应用与研究

本文是在假定股票的价格和收益率服从二维正态分布的基础上,对条件VaR进行研究.首先,利用条件分布的理论,推倒出在给定一定股票价格时,股票收益率的条件分布;然后,在此基础上,进一步推倒出条件VaR的一般计算公式;最后,根据沪深两市的实际股票数据进行了实证计算.     

应用复合极值理论计算VaR1

本文介绍了一种复合极值理论,并将其应用到VaR的计算上。实际中大的损失发生的频率也是风险的一种度量,在应用复合极值理论方法计算VaR时,我们第一次将在一定时期内金融资产的损失率超过一定阈值的次数的分布和收益率的分布结合了起来,对欧元/人民币、日元/人民币两种汇率进行了VaR的计算,经过实证分析,得到了一些有意义的结果。     

Copula界在多元VaR中的应用

首先介绍了多元随机变量和的边界,以及由此导出的VaR边界,然后全面总结了有关Copula下界的公式,而Copula下界及其对偶函数分别构成计算VaR边界的依据.最后根据VaR边界的数值算法,针对不同的Copula下界,分多种情景详细分析了VaR的边界范围.关于上证指数和深成指数收益率序列的实证分析发现.Spearman相关系数和正象限相依对VaR界的收窄作用最强.     

双曲分布及其在VaR模型分析中的应用

传统的计算V aR的R iskM etrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算方法.本文引入双曲分布及其算法并将双曲分布应用到V aR模型的计算之中,事实上通过对股票市场的实证研究表明,股票市场数据呈厚尾现象,用双曲分布对数据的拟合要比R iskM etrics方法假定的正态分布更符合金融市场数据的实际情况,故本文的结论与方法对金融风险管理和其他金融建模是有价值的.     

基于经验分布的条件VaR计算方法研究

本文以基于股票价格的条件收益率为出发点,研究在不能确定价格P与收益率R的联合分布类型时,利用历史数据刻画其经验条件概率分布函数,并据此测算一定价格水平下的VaR值。本文的研究重点在于如何确定能近似描述价格Pt时收益率分布特征的最佳样本数据。     

应用极值理论计算VaR的一种方法

在险价值(value at risk，简称VaR)是度量市场风险的一种普遍使用的工具，也是金融风险管理中的基础工具。计算VaR有许多不同的方法，本考虑了数据间的相关性，通过部分重叠数据分组的方法来计算VaR，发现所得到的VaR更符合实际；另外，我们对分组大小作了研究，发现分组数据大小的幂律存在，并对恒生指数作了具体分析。由此得出计算VaR的合理的数据分组大小。     

基于非正态分布的投资组合VaR分解

在阐述了投资组合边际VaR、成分VaR和增量VaR之间相互关系的基础上,给出了资产收益率服从非正态分布下投资组合分解的一种新方法,结果发现它与正态方法下投资组合分解的结论一致,并结合实证研究验证了结论的正确性.     

CVaR、VaR应用在RAROC的比较研究

本文将CVaR引入到RAROC(R isk-Ad justed Return on Cap ital)中,进行绩效评价。而且,将CVaR与VaR的结果进行了比较。在正态分布的情况下,CVaR与VaR的RAPM(R isk-Ad justedPerform ance M easure)对于绩效评价都是充分的、可靠的、有效的,且两者是等价的。但在非正态的情况下,CVaR的RAPM相对于VaR的RAPM更加充分、谨慎、可靠、有效。我们运用Bootstrap方法进行了实证研究。     

条件收益率下的VaR投资组合研究

本文以新的VaR风险控制体系和价格条件的VaR理论为基础,建立了一种新的最优投资组合模型——μ_s-VaR_s模型。其主要特点有:首先,μ_s-VaR_s模型主要关注相对价格的预期收益和风险,在没有股指期货对冲大盘指数风险的条件下,该模型可以为投资组合跑赢大盘提供了科学思路;其次,在μ_s-VaR_s风模型中,仿照夏普指数创建出了新的选股指标γ_s_i(t),使投资组合更有效率;最后,μ_s-VaR_s模型充分考虑了沪深股票市场的交易成本和交易条件限制,使模型具有较强的现实可用性.经过对沪深股票市场的实证分析发现:μ_s-VaR_s模型明显优于马柯威茨的M-V模型;应用μ_s-VaR_s模型所构建的投资组合的累积收益率显著高于大盘的同期累积收益率.     

������е�VaR�ֲ��˹��Ƽ���Ӧ��

In the situation of rho-mixing dependent sequences, this paper studied the mean square error and the optimal bandwidth of distribution kernel estimator nu_{p,h} of VaR. And the optimal bandwidth minimized the mean square error. The density function of Laplace distribution is used in the calculation of bandwidthand we adopt the method of interpolation to compute specific value of bandwidth in this paper. According to the numerical simulations, the distribution kernel estimator is more accurate by comparing the performance of VaR distribution kernel estimation with a common order statistic. Finally, Shangzheng A-share index and Shenzheng B-share index are chosen for an empirical research, which concludes that the risk of the latter is significantly higher than that of the former.     

商业银行中VaR估值方法的检验

VaR模型,作为商业银行风险管理的重要工具之一,能较为准确地测量资产组合在金融市场正常波动下的市场风险.然而,在实际应用中,VaR模型仍存在一些缺陷,例如,在极端市场情况下,VaR存在较大的估计误差.压力测试,作为VaR模型的一个补充,可以用来测量极端市场状况下的金融市场风险.回溯测试,则可以用来检验VaR模型的准确性.巴塞尔委员会也对VaR模型制定了最低使用标准,文章最后将对此予以简单介绍并对我国商业银行在模型实施上提出一些建议.     

两类多元GARCH模型的预测绩效和组合VaR的研究

运用V aR模型对股票组合进行风险测度的关键之一是得到组合条件协方差矩阵.而经典的多元GARCH模型来求解波动率面临着估计参数过多,计算量庞大的问题.因此,使用正交GARCH模型和CCC模型来估算波动率,并以沪深两市A股市场上四个行业的65只股票为样本,使用RM SE和M AD指标比较这些模型的预测能力,求得股票组合的V aR,得出前者效率高和后者预测能力略高的结论.     

一类重尾风险因子的模拟及其投资高风险值和置信区间的估计

由于金融市场中的日周期或短周期对数回报率的样本数据多数呈现胖尾分布，于是现有的正态或对数正态分布模型都在不同程度上失效，为了准确模拟这种胖尾分布和提高投资风险估计及金融管理，本文引进了一种可根据实际金融市场数据作出调正的蒙特卡洛模拟方法．这个方法可以有效地复制金融产品价格的日周期对数回报率数据的胖尾分布．结合非参数估计方法，利用该模拟方法还得到投资高风险值以及高风险置信区间的准确估计。     

加权分布模型测算个股VaR

本文在同时考虑企业的个性风险和企业将受到整个国家宏观经济形势影响的共性风险的基础上,用一种新的思路定权数,提出了用加权分布测算个股VaR的模型。并以在深圳股市上市的四家企业的股票收益率做实证分析和模型检验。结果表明:加权分布提高了原来的假设收益率分布服从单一分布下测量VaR的准确度,尤其对于个性风险较强的企业而言,加权分布模型是一种形式简单,而又较为精确的模型。     

基于VaR的房地产投资组合模型设计与应用

本文以风险和收益的动态刻画为核心,在房地产投资组合中引入基于VaR模型的风险评价,通过资产收益和预提费用在持有期内的现值构造效用函数,建立基于VaR的投资组合优化模型,实现房地产投资的最优组合。对于上海房地产市场两种不同资产进行组合的实证分析表明该模型具有一定的实用性和有效性。     

基于t分布的VaR的次可加性

在资产收益服从标准t分布假设下,主要用数值计算方法证明了,当置信水平α>0.5时,VaR满足次可加性,并用计算机模拟检验了所得结果的正确性.     

GARCH模型在股票市场风险计量中的应用

本文以上证综指的日收益率为研究对象,运用GARCH模型簇分析上海股市日收益率波动的条件异方差性,计算每天的V aR值.实证研究表明,GARCH模型的V aR计算方法对我国股市风险的管理有较好的效果.     

用矩匹配方法计算非线性风险度

矩匹配方法是用来求解非线性风险度(Value at Risk，简称：VaR)的一种普遍性方法，它是先假定样本经验分布服从已知分布族，然后运用矩匹配估计方法估计相应的参数，得到资产回报样本的密度函数，再计算风险度VaR；本采用的Johnson分布族是矩匹配方法的直接应用，并且计算出来的结果与局部Monte．Carlo结果进行了比较。并通过实证分析认为这种方法是一种良好的计算非线性VaR方法。