不同市态下正态性转换时变VaR

VaR技术作为全球广为流行的金融风险管理技术,其测度的是极端情况下的风险头寸,但在传统假设下可能会极大地低估其值,这就会使得在实践中使用VaR值作为风险管理标准时面临更大的新的风险.考虑我国股市处于不同市场态势下对风险头寸的影响,就牛、熊市中分别估测VaR值.首先利用各种Delta-Gamma-Johnson转换函数对经验数据进行正态性调整.考虑通过转换机制调整后的经验数据仍然存在的异方差性特征,然后运用GARCH模型计算时变VaR值,以此来改善VaR的计算风险,探讨我国股票市场VaR技术的适用性和准确性.     

非线性模型中VaR估测的正态性改进

VaR风险测度技术已经被学界和业界广泛使用,但其局限性也是显而易见的,国内外学者对其进行了一系列的改进.由线性模型扩展为非线性模型以及由正态假定转换到非正态性均源于风险测度的精确化.探讨依数据特征改进和扩展VaR估测方法,使用Johnson转换方法与Cornish-Fisher扩展方法这两种正态性改进方法改善VaR估值,一方面利用正态假定成熟理论结果简化VaR估测方法的推演,另一方面从实证分析角度论证了正态性改进方法在VaR估测中的准确性与有效性.     

损失厌恶偏好与资产组合选择研究

在不确定性条件下,期望的不可计算性、行动结果比较的局限性以及投资个体选择的非理性使理性假定的选择理论脱离现实,因此重新探讨决策选择准则是必要的.以行为金融理论中不确定性状态下的有限理性与满意准则为依据,引入与满意准则一致且体现损失厌恶偏好的VaR作为风险指标,构建行为资产组合模型,在一种简单新颖的M-V模型的矩阵解法基础上,探寻了正态与部分非正态性假设下VaR-BPT模型的显性最优解或有效前沿,解决了现实中最优投资组合选择的可操作性难题,并在中国股票市场验证了正态性转换方法是处理非正态分布下资产组合选择问题的一种优秀方法.