金融风险管理中VaR度量的光滑估计效率

本文研究了金融风险管理理论中风险价值(VaR)的非参数核光滑估计和经验估计的效率问题.对非独立的时间序列损失/收益样本,在均方误差(MSE)准则的意义下引入亏量的概念,亏量越大表明估计效率越低.并利用亏量对VaR模型的核光滑估计和基于样本分位数的经验估计进行了比较,在理论上证明了VaR模型的核光滑估计优于经验估计.同时,通过计算机模拟证实了理论获得的结论.本文还对国内沪深两市上的证券投资基金进行了实证分析,计算了样本基金的VaR风险度量的经验估计和核光滑估计,并计算了样本基金基于周收益率和VaR估计的风险调整收益(RAROC)值,以此对样本基金的业绩做出了有用的评价.     

储蓄——收入模型的转变点分析

本文利用线性回归模型分析改革开放以来我国居民储蓄与收入的关系 ,并引入转变点理论研究二者关系发生结构性转变的问题 ,最后讨论了影响储蓄增长的几个因素 .实证研究表明 ,90年代以来 ,随着经济环境的巨大变化 ,居民储蓄与收入的关系有所改变 ,储蓄的增长速度已经超过了收入的增长速度 .我们的研究还表明 ,当用时间跨度较大的样本时 ,结论虽符合长期趋势 ,但考虑到其可信度及从时效性角度看对近期宏观政策的现实指导意义 ,常规的回归分析应该加入转变点检验 ,以防忽略系统结构性转变 .     

风险价值VaR的F检验法

本文根据VaR定义 ,提出一个两点分布 ,然后运用样本数据对其未知分布参数进行估计 ,得出它的置信域 ,再利用该分布参数和VaR的内在关系来完成对VaR的检验     

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。     

变点分析与极值指标和SV-t-GPD模型在原油极端风险测度中的应用

引入VaR和ES的极值理论对BRENT原油现货市场的价格风险进行研究,运用变点理论对传统Hill估计方法的阈值选择进行了改进,定量选取阈值,相应降低了因主观判断失误引致的阈值选取误差。针对GPD模型要求金融时序服从独立同分布条件,引入两种方法来消除超阈值的局部相关性:一是结合GPD模型与极值指标;二是基于BRENT收益率序列采用SV-t模型进行过滤处理,建立起度量BRENT市场波动风险的动态VaR和ES模型。实证结果表明:针对BRENT市场极端风险,结合变点分析和极值指标构建的改进型阈值定量模型在风险测度方面具有有效性和精确性。相应地,构建的动态SV-t-GPD模型在测度BRENT极端风险方面具有稳健性。     

方基法于经验似然的Value-at-Risk模型的评价

Value-at-Risk(VaR)是度量市场风险的一个基本工具.自从VaR概念提出以来,涌现出大量方法用于VaR估计,因此在统计意义下,如何检验这些方法的有效性,以及如何比较不同VaR模型从而选择出最好的方法,就成为人们非常关注的问题.本文提出了利用经验似然法来评估和比较不同的Value-at-Risk模型.模拟和实证分析表明经验似然方法比已有的方法有效和稳健.     

基于因子隐马尔可夫模型的VaR与ES联合预测

VaR和ES是衡量金融资产风险的重要测度,对风险控制和金融危机的识别具有重要意义。本文以CAViaR模型为基础,通过因子隐马尔可夫模型构造潜变量,作为CAViaR模型的回归系数的组成部分,最终提出了一个含潜变量的VaR和ES联合估计方法(FHM-CAViaR),实现了VaR和ES的联合预测。在该模型中,潜变量由一个因子隐马尔可夫模型驱动,可以刻画市场信息对模型系数带来的长期效应与短期冲击,该因子隐马尔可夫模型的引入实现了分位数回归模型参数在上百个状态间的转换。最后,基于本文提出的FHM-CAViaR模型分别对上证综指、深证综指和纳斯达克指数的对数收益率数据进行实证分析。实证结果表明,本文提出的模型具有更优的预测效果。此外实证结果还表明,在危机期间VaR的序列聚集性有着显著的增加。本文提出的模型可以通过潜变量的变化识别市场的机制变换,且能更精确地对金融资产的VaR以及ES进行估计,给出金融风险度量一种新的研究方法。     

方基法于经验似然的Value-at-Risk模型的评价

Value-at-Risk（VaR）是度量市场风险的一个基本工具.自从VaR概念提出以来,涌现出大量方法用于VaR估计,因此在统计意义下,如何检验这些方法的有效性,以及如何比较不同VaR模型从而选择出最好的方法,就成为人们非常关注的问题.本文提出了利用经验似然法来评估和比较不同的Value-at-Risk模型.模拟和实证分析表明经验似然方法比已有的方法有效和稳健.     

基于Bootstrap方法的VaR区间估计

本文介绍了非参数方法中基于自助法的三种区间的估计方法,并将它们应用到金融资产的VaR计算上.自助法很好地克服了历史模拟法的一些局限性.本文对上证综合指数(IA0001)进行了VaR计算的实证分析,计算了VaR点估计和区间估计,并比较了几种计算方法各自的特点,得出了一些有意义的结果.     

条件VaR和条件CVaR的核估计及其实证分析

VaR和CVaR是目前两种主流风险度量工具。条件VaR和条件CVaR是基于市场风险因子在已知条件(或信息)下的分布来计量和测算VaR和CVaR,能够及时地根据变化的条件来重新估计风险进而进行有效的风险管理,是对传统的基于边际分布的VaR和CVaR指标的有益补充。另外一方面,近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们用条件VaR和条件CVaR的非参数核估计法,对我国A股市场的风险进行测算。结果得出:条件VaR和条件CVaR能揭示出深证成指和上证综指之间的不同风险特征;条件VaR和条件CVaR的测算结果并非总是一致;系统风险估计值对已知条件的敏感性高于深发展A和万科A两只股票的个股风险。以上风险特征在边际VaR和边际CVaR下无法得到。     

Dynamic value at risk under optimal and suboptimal portfolio policies

At present, all value at risk (VaR) implementations – i.e., all risk measures of the “maximum loss at a given level of confidence” type – are based on the assumption that the portfolio mix will not change before the VaR horizon. This hypothesis may be unrealistic, especially when the VaR horizon is established by the regulators (BIS). At the opposite, we measure VaR dynamically, i.e., taking into consideration portfolio mix adjustments over time: adjustments do not occur continuously, since they are costly. We allow both optimal rebalancing policies, which entail changing the portfolio mix whenever it is too far from the optimal one, and suboptimal policies, which mean adjusting at pre-fixed dates.We show that in both cases usual VaR measures underestimate portfolio losses, even if the underlying returns are normal. We study the dependence of the misestimate on the VaR horizon, the initial portfolio mix and the risk aversion of the portfolio manager, which in turn determines the frequency of interventions. The bias can be more relevant over one day than over longer horizons and even if the initial portfolio is nearly optimal. We also perform backtesting and estimate a “coherent” risk measure, namely conditional VaR, which confirms the inappropriateness of the usual, static VaR.     

基于CAViaR的DCC模型及其对中国股市的实证研究

VaR是金融风险度量方面研究的热点.CAViaR模型可以用来直接计算单个资产的VaR,DCC模型可以用于刻画资产间的相关性.结合这两个模型,通过分位数估计方差的方法,提出了基于CAViaR的DCC模型来计算投资组合的VaR.对中国股市的实证研究表明其具有更好的效果.     

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。     

扭曲风险度量的一致性

风险测量的一种新方法——扭曲(distortion)风险度量,证明了扭曲函数满足一致性的充要条件;并比较该方法与VaR、Tail-VaR方法的优劣,得出该方法优于VaR和Tail-VaR的结论.     

Heston随机波动率市场中带VaR约束的最优投资策略

本文研究了Heston随机波动率市场下, 基于VaR约束下的动态最优投资组合问题。
假设Heston随机波动率市场由一个无风险资产和一个风险资产构成,投资者的目标为最大化其终端的期望效用。与此同时, 投资者将动态地评估其待选的投资组合的VaR风险,并将其控制在一个可接受的范围之内。本文在合理的假设下,使用动态规划的方法,来求解该问题的最优投资策略。在特定的参数范围内,利用数值方法计算出近似的最优投资策略和相应值函数, 并对结果进行了分析。     

波动性变化下的VaR历史模拟法实证研究

VaR(在险价值)方法是当今运用得最为广泛的金融市场风险度量方法。历史模拟法作为计算VaR的主要方法之一,其计算出来的VaR的风险度量效果需要得到现实金融市场数据的检验。本文通过选取上证综指日收益率的历史数据,分别在市场波动性不发生改变、市场波动性变大和市场波动性变小三种情况下对历史模拟法的有效性进行检验,检验结果表明在市场波动性不发生变化的情况下,历史模拟法计算的VaR能够有效地度量市场风险;在市场波动性变大的情况下,该方法会低估市场风险;在市场波动性变小的情况下,该方法会高估市场风险。通过对历史模拟法的计算原理进行分析,历史样本自身的时滞性是导致该方法在市场波动性发生变化时无效的原因。     

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.     

随机凸序与投资组合的风险值

本文利用随机凸序的理论证明了任意随机资产组合的风险不会超过其各个随机资产的风险值之和 ,即给出了投资组合的风险值上界 .指出了当投资者无法确定各随机资产的相依关系时 ,独立性假定会低投资组合的风险值 ;并分别针对正态资产、幂关系资产、指数资产给出了这种风险低估值的具体计算公式     

中国银行系统的宏观审慎监管研究

全球金融危机爆发后,对银行系统实行审慎监管已成为国内外学者及相关监管机构的共识。但目前银行系统的监管研究多为微观审慎监管,宏观审慎监管研究缺乏,尤其是对中国银行网络系统进行动态建模并进行宏观审慎监管的定量研究未见。本文首先利用中国2008至2015年16家上市银行的实际数据构建动态的中国银行网络系统模型,然后使用Component VaR、Incremental VaR、Shapley value EL以及ΔCoVaR四种风险分配机制研究中国银行网络系统的宏观审慎监管方法。研究表明:对中国银行网络系统进行宏观审慎监管能够有效提升其稳定性,并且四种机制相比之下,ΔCoVaR的监管效果最为显著,而Incremental VaR则相对较差。此外,通过宏观审慎资本与银行指标之间的相关性分析,发现Incremental VaR、Shapley value EL以及Component VaR机制下的宏观审慎资本与银行的总资产具有一定的相关性,此时宏观审慎资本可以根据银行的总资产来设置;而ΔCoVaR机制下则不相关,因此宏观审慎资本可以依据各银行的系统性风险贡献大小来设置。     

金融风暴中基于非参估计VaR和ES方法的风险度量

文中利用VaR和ES几个最新的非参数估计方法,对几个常见指数(上证指数、深成指数、恒生指数和道琼斯指数)及个别关系经济民生的板块(钢铁板块、房地产板块和金融板块)做实证分析,来研究金融危机对整个市场及一些重要板块的影响。实证发现:存在着金融危机爆发前风险被低估及金融危机爆发后风险得到释放的现象;用基于非参数估计的VaR和ES来度量单个指数的风险,虽然风险值存在一些差别,但判断指数风险在金融危机前后的变化,二者得出的结论是一致的。