信息熵度量风险的探究

本文分析了风险的本质后指出,风险是某一特定行为主体对某一金融投资中损失的不确定性和收益的不确定性的认识。在众多风险度量的方法中,熵函数法有着其独特的度量风险的优势,因此,在本文中重点讨论了熵函数作为风险度量的合理性。同时提出一个新的风险度量模型,剖析其主要的数学特性,阐明该模型可以针对不同行为主体能有效地度量金融风险,并且计算量小,易于操作。     

度量尾部风险的剩余熵模型

本文研究了尾部风险的度量问题.首先从信息熵的角度给出累积剩余熵模型和其计算方法,并将该模型与标准差、VaR等常见尾部风险度量方法比较.结果证明该模型计算简单;不需要假设先验分布形式,而只依赖经验数据.     

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。     

金融危机前后国内外石油市场风险传导机制研究

2008年爆发的金融危机对国际石油市场的信息传导机制造成了较大冲击。本文将有偏t分布引入石油市场风险模型,通过构造APARCH/TARCH模型计算石油市场在险值(VaR),并采用风险-Granger检验方法考察了金融危机前后国内外代表性原油市场与燃料油市场的风险传导效应.结果显示,国内外石油市场之间的风险溢出关系在金融危机发生后出现了显著的变化。其中,上海燃料油市场在危机后的风险溢出能力得到提升,对新加坡燃油市场具有一定的风险溢出效应;而国内大庆原油市场在危机前后都只能被动地接受国际原油市场风险溢出影响。从两大国际基准原油比较看,WTI虽然继续居于主导地位,但是对Brent的风险溢出效应在危机后有所减弱.     

基于EVT-CAViaR模型的原油价格极端风险度量

国际原油价格剧烈波动催生了对油价风险管理需求,在此背景下,科学有效地度量油价风险具有突出的现实意义.以WTI原油每日对数收益率为对象,采用EVT-CAViaR模型度量原油价格极端风险.结果表明:WTI原油市场呈现典型的"杠杆效应"与"高峰厚尾"特征.同时,在测算极端市场风险时,EVT-CAViaR模型有较强的预测风险能力,是一种可靠的油价风险度量工具.     

一致风险度量和锥优化分析

一致风险理论的公理系统为风险分析建立了坚实的基础,然而它背后的数学却和凸优化理论思想密切相关,特别是对偶理论. 本文在有限维空间中,利用锥优化的对偶定理给出了一致风险度量的一般表达式的简单证明. 分析了可接受集的概念在一致风险度量中的中心作用,根据锥优化的对偶关系,探索了常用风险度量的性质. 尽管可接受集的大小能够表达风险控制的强弱,但是我们不知道如何定量地表示. 本文提出用相对熵控制风险度量松紧度的方法和意义. 另外,根据一致风险度量的灵活的结构,给出了无套利条件的一种放松,这一结果可用于不完全市场中的期权定价问题.     

基于金融服务供应链的极端洪水灾害风险应急合作模型研究

基于金融服务供应链管理的基本思想,建立极端洪水灾害风险应急金融服务供应链,分析此应急金融服务供应链中各成员的利益函数模型之间的关系,结果表明,经营性政府的效益与公众利益呈正相关性,经营性政府的效益与保险公司的利润呈负相关性;同时,考虑当经营性政府效益和保险公司利润固定时,保险公司的保费,经营性政府对公众购买保险的补贴率和政府为了避免保险公司在极端洪水灾害发生后破产概率过高,给予的转移支付之间的关系.     

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。     

流动性风险的度量

VaR模型忽略了流动性风险,到目前为止还没有统一的指标度量流动性风险.本文分析了最高成交价与最低成交价之差模型度量流动性风险存在偏差,同时给出了度量流动性风险一种新的修正模型.最后,结合实证对两种模型进行对比,修正模型从更加微观的层面上充分考虑到各价位的实际成交的价、量分布对总交易金额的作用,计算流动性风险值比较客观、精确.     

差分系统基于两种度量的极端稳定性

首先引入了差分系统基于两种度量的极端稳定性概念 ,然后建立了一些关于差分系统 ( h0 ,h)极端稳定性 (极端一致稳定性 ,极端渐近稳定性 ,极端一致渐近稳定性 )的判定准则 .在所得到的定理中 ,对△ V的限制较弱 ,特别地 ,△V甚至可以恒为正 ,从而便于实际应用 .     

可转换债券风险测度的新方法——GAVaR模型

通过ARMAGARCH模型模拟出可转债收益率的分布,然后使用遗传算法的数据挖掘技术对此分布进行了有效的优化,结合Bootstrap算法将优化结果应用于VaR测度,得出了GAVaR模型下的风险值.对中国和台湾可转债市场进行实证研究,发现GAVaR模型压力测试和回顾测试的结果都优于历史模拟法等常用VaR模型,控制风险的能力适合可转债市场的需求.     

Estimation of Value at Risk by Extreme Value Methods

Value at Risk (VaR) is defined as a low quantile in the distribution of financial profits and losses. It is the most commonly used measure of market risk in the financial industry. The methods currently used for estimation of VaR have various short comings as they are not aimed specifically at modeling the tails of the distribution of profits and losses; extreme value methods may prove valuable towards improving the current estimation methods. In this paper we give an overview of the current state of the art in applying extreme value methods to financial data and the problems encountered when doing so. We compare the performance of methods currently used for estimation of VaR to the performance of various extreme value methods and outline advantages and drawbacks of the different methods.     

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。     

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。     

基于贝叶斯极值估计的商业银行内部欺诈风险度量研究

内部欺诈风险是我国商业银行面临的一个重大风险来源。本文针对内部欺诈具有的低频率高损失的特点,采用不同分布分段刻画其损失统计分布规律,对于低于和高于门限值的样本点,采用Box-Cox变换和全Paretian分布模型进行分析,然后采用贝叶斯估计对全Paretian分布模型的参数进行估计,接着在此基础上对建立了一个内部欺诈风险度量模型,然后使用所构建的风险度量模型对操作风险在险风险值、经济资本和最大可能损失进行了测算,最后提出了防范操作风险的政策建议。     

金融风险的最坏VaR方法与投资组合优化

在股价及其走势均不确定的情况下,采用最坏VaR方法,对投资的潜在损失进行最保守的度量,并得到其等价的优化形式为一个二阶锥优化问题.接着考虑相应的投资组合优化问题:如何选择合适的头寸,使得当股票组合的期望收益达到给定水平的情况下,风险最低,即最坏VaR值最小,最后对模型进行实证分析.     

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。     

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。     

厚尾分布的极值分位数估计与极值风险测度研究

金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.     

ָ��-٤��ģ�������ռ�ֵ�����ı�Ҷ˹����

VaR风险度量在金融、保险中有重要的应用. 本文建立了贝叶斯模型, 在某种损失函数下研究了VaR风险度量的贝叶斯估计. 证明了指数-伽马分布下贝叶斯估计的强相合性和渐近正态性, 最后利用数值模拟的方法验证了不同样本容量下估计的收敛速度.