新资本协议下基于半参数估计的商业银行市场风险VaR研究

VaR(Value at Risk)是商业银行市场风险管理的重要方法。本文提出了一种基于组合权重伪似然函数的VaR半参数估计方法,选取股票市场数据进行实证分析,并依据新资本协议对市场风险内部模型法的要求及其它VaR检验准则检验了模型结果。结果表明,相对常用VaR模型及改进之前的模型,此方法在多种检验标准下都具有明显优势。     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

平稳序列BMM模型与沪深股市极端风险研究

基于VaR理论正态分布假设导致的尾部风险低估问题,研究了GEV分布下的BMM模型及区间关联下的极值VaR的建模,并实证分析了沪深股市极端风险.研究结果表明:BMM模型对金融风险的厚尾具有更合理的理论基础.然而,涨跌停板极大地抑制了沪深股市极值数据的异质性,形成"极值不极"现象,导致在较高置信度下BMM模型更为有效,而在较低置信度下反而存在低估问题,有效性尚不及VaR模型.     

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.     

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.     

我国股市网络稳定性及其宏观影响因素——基于三种网络拓扑结构、鲁棒性的实证研究

基于金融时间序列的多重分形特征及衡量市场风险的VaR模型,建立我国沪深股市的股票关联网络,实证研究三种网络拓扑结构特征,并使用协整检验方法分析网络稳定性和宏观经济变量间的长期均衡关系。结果表明:股票价格网络不具有无标度性,多标度网络和风险网络都具有无标度性;在三种网络中,风险网络具有更强的鲁棒性。此外,股市波动率和网络稳定系数间互为格兰杰因果关系,股市波动的前期变化能有效解释网络稳定性系数的变化;网络稳定性与宏观经济变量间具有长期的均衡关系,GDP增长率、消费者物价水平CPI对网络稳定性具有正向效应,利率对网络稳定性具有负向效应。风险网络的提出有助于分析我国股市的短期风险及稳定性,并为制定系统风险防御策略提供参考。     

基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究

传统Sharpe比率将投资收益的标准差作为风险的度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的。针对传统Sharpe比率的这一缺点,本文考虑了用于度量下方风险的指标风险价值VaR(Value at Risk)和预期不足ES(Expected Shortfall)来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,运用了经验非参数估计和非参数平滑核估计两种方法。此外,本文还考虑了基金收益随时间波动的动态性,用广义自回归异方差GARCH模型对收益波动进行模拟,考察动态的VaR和ES,在实践中以动态的VaR和ES评价风险收益更加灵活。在实证研究中,本文用传统的Sharpe比率、基于VaR和ES的Sharpe比率以及基于条件VaR和条件ES的条件Sharpe比率对国内证券市场上所有26只封闭式基金在2005-2009年间的业绩进行了实证分析,分析了基金在不同指标下所体现的风险控制能力和收益水平的差别,并基于不同指标对所有基金进行了排名。此外,本文还运用协整检验考察基金收益率与市场基准指数是否存在联动关系,检验证明两者并不存在长期的均衡关系。     

经济政策不确定性与短期利率波动——基于BHK-L-MIDAS模型的实证研究

本文在BHK模型的基础上，考虑短期利率波动杠杆效应和EPU对短期利率波动的影响，构建了一个包含杠杆效应和EPU的混频短期利率模型，即BHK-L-MIDAS模型对短期利率波动进行建模与预测。采用上海银行间同业拆借利率(SHIBOR)和中国EPU指数数据对构建的BHK-L-MIDAS模型进行实证分析，结果表明：短期利率波动存在“反向杠杆效应”;EPU对短期利率波动具有显著负向的影响；BHK-L-MIDAS模型相较于竞争模型(BHK和BHK-MIDAS模型)获得了更好的样本内数据拟合效果。基于三种损失函数以及模型置信集(MCS)检验对模型样本外短期利率波动预测能力的分析表明：BHK-L-MIDAS模型相比BHK模型和BHK-MIDAS模型具有更高的样本外预测精度，且BHK-L-MIDAS模型在不同预测窗口表现出的预测能力具有稳健性。最后，VaR分析表明BHK-L-MIDAS模型在短期利率市场风险度量方面的经济价值。     

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。     

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.     

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.     

基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

考虑背景风险的高阶矩三角模糊随机投资组合模型

在已有的大部分投资组合模型中,证券的收益服从随机分布或者模糊分布。然而,在实际的市场中存在大量的不确定性,市场不仅具有内在的风险,也存在由投资者个体差异产生的背景风险。本文推导随机模糊数的高阶矩性质,构建一个考虑背景风险的高矩三角模糊随机投资组合风险模型,采用沪深股市的数据分析背景风险对投资组合的影响。     

VaR理论及其应用研究

VaR理论是目前国际上风险评价的主流方法。引入VaR理论研究我国的股票市场 ,可以为投资者控制投资风险提供新的参考指标。本文利用VaR理论对我国深、沪股票市场进行了实证分析研究 ,发现VaR理论在我国股票市场的风险评价中也有很好的适用性     

向量GARCH族模型计算中国金融市场投资组合风险价值(VaR)的比较研究与评述

对由上证综合指数、深证成分指数、上证基金指数、上证国债指数计算的日自然对数收益率组成的数据矩阵,分别建立了残差服从正态分布、t分布的向量ARCH、向量GARCH、纯对角GARCH、BEKK、常条件相关GARCH、主成分GARCH和EWMA模型,基于这些模型,计算了风险价值(VaR),进而通过比较计算结果,得出BEKK—t模型测算中国金融市场投资组合的风险价值(VaR)效果最好等的结论.     

基于双因子定价模型的投资组合风险价值的多分辨率特征研究

为了识别金融市场投资风险的多分辨率特征及优化投资组合,以资本市场风险和汇率市场风险为双因子定价模型的风险因子,利用小波方差及协方差无偏估计量,给出了单个资产风险因子敏感度多分辨率计算方法,以此为基础还得到了投资组合的风险值(VaR)及其边际风险值(MVaR)的多分辨率分解公式.对上证A股市场的实证分析表明投资组合的风险价值及边际风险价值依赖于投资时限,短线投资潜在的损失比长线投资要大;进一步分析表明中国股市存在多分辨率风险特征,这种风险特点可能是由市场系统风险和汇率风险以及异质性投资活动共同作用的结果.研究还发现多分辨率边际风险价值是确定多分辨率投资组合优化模型求解的重要条件之一.     

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.     

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.