基于CVaR方法的房地产组合投资最优化模型研究

房地产开发项目投资是具有高风险高回报的典型的风险投资.在这个高风险的投资环境中要想达到预期目标,就必须对整个项目进行开发投资风险分析.本文运用CVaR对房地产项目投资存在的风险进行识别度量,通过建立基于CVaR下的房地产组合投资模型,达到项目风险防范的目的,提高投资回报的稳定性.     

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.     

基于ICA模型的投资组合稳健VaR方法研究

针对参数VaR方法在测度庞大复杂的投资组合风险时,存在模型参数多估计困难和需要设定风险因子联合分布容易使风险计量产生较大偏差等问题,本文提出了基于独立成分分析(ICA)技术的半参数IC-SP-VaR模型,给出了模型的参数估计方法,并对模型进行了模拟研究和实证分析。模拟研究表明新方法在不同情形下的估计都是有效的,在非线性经济序列中优势尤其明显。实证分析验证了新方法能够提高资产组合风险计量模型的稳定性和准确性。     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

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.     

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.     

基于区间分析的投资组合VaR计算新方法

基于区间分析估计变量的累计概率分布是进行风险价值分析的一种新方法。本文将区间分析运用到股票投资组合的VaR计算中,研究区间分析在VaR计算方法中的应用。首先给出了基于区间分析估计分布函数的计算步骤,然后将区间分析运用到VaR的计算中,以两只股票的投资组合为例得出收益率的累计概率分布,从中得到某一置信度下的VaR值,最后与蒙特卡洛模拟方法做了比较研究,结果表明,基于区间分析的VaR计算方法的运算精度和计算速度明显优于蒙特卡洛模拟方法。     

基于VaR的权变投资组合保险策略及实证分析

传统的投资组合保险策略在投资期内全程进行保险操作,在熊市期间确能起到保险作用,但在牛市期间又会夹失部分收益。应用综合了VaR技术和滤嘴法则的VaR套补的权变投资组合保险策略,则能弥补上述缺憾,为保险资金或保本型基金投资股市提供了有效的投资手段。     

基于偏度的多期组合投资调整模型

由于不同时期资产收益率以及投资者对风险和收益偏好的变化，加之资金等条件的限制，大多数组合投资问题具有明显的动态特征。本文把单期投资组合拓展到多期，引入偏度和风险度量工具VaR，并考虑交易费用的影响，建立了多期投资组合调整模型。最后，给出实证分析对模型进行分析研究，这对投资者的连续投资行为具有一定的指导作用。     

基于TGARCH-t的混合Copula投资组合风险测度研究

在分析了现有Copula函数在测度投资组合风险不足的情况下,首先充分考虑资产波动的时变性、杠杆效应等特征,选择了TGARCH-t模型进行边缘分布建模.接着引入混合Copula模型来描述投资组合的复杂相关结构,同时利用构造的主对角线距离统计量等方法验证了混合Copula模型的优势.最后通过VaR的蒙特卡洛模拟结果看到,这种方法能更为精确的测度投资组合风险值.     

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GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.     

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。     

基于条件VaR模型的中国股市风险的影响因素分析

考虑了更为灵活的股市风险的测度方法——条件风险价值模型,它将风险价值与其影响因素结合起来,深刻地刻画了各影响因素对股市风险的影响特征.实证结果表明:政策事件对股市风险影响是正向的,而且影响效果更多地体现于极端风险偏好上;交易额变化率对风险的影响在极端和中度风险偏好上没有明显差异,正的冲击将导致中度风险和极端风险同向扩大;而对于收益率的滞后项来说,正的冲击将导致风险平均反转和中间风险收缩,负的冲击则导致风险平均反转和中间风险扩大.     

基于非参数分布的沪深股市VaR测度

沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布.因此,采用一种新的方法—非参数核密度估计,对沪深股指收益率分布进行拟合.该方法不仅很好地刻画了收益率分布的尖峰和肥尾特征,而且由此建立的VaR模型比一般的基于参数分布的VaR模型更能捕捉市场的风险特征,结论也更加准确.     

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.     

基于二维正态分布的条件VaR研究

基于条件收益率的VaR测算方法.在假定股票价格对数与收益率服从二维正态分布的基础上,对每一价格水平,得到条件收益率的分布特征,进而计算条件VaR值.通过分析证明了条件收益率分布与价格水平高低有关,一般价格升高会使条件收益率分布向左侧移动,反之向右侧平移.     

基于二维t分布的条件VaR研究

根据多元t分布的定义及性质,推导出二维t分布随机变量差的条件分布仍服从t分布.在假定股票价格对数与收益率服从二维t分布的基础上,利用该性质,可以得到不同股票价格水平条件下,收益率的一维条件t分布,进而计算出价格条件VaR.利用多元t分布研究价格条件的收益率分布问题,与正态分布相比,较好地刻画了证券收益率分布的尖峰厚尾现象.     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。