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.     

风险值的估计及其周期分析

本文提出了两种风险值的估计方法，这两种方法均是先估计出收益的分布，然后求得分布左侧p分位点作为风险值的估计．第一种方法是用核估计方法得到收益的分布估计；第二种方法则是由分布的核估计算得收益的众数，引入所谓的广义半t分布拟合众数左侧的样本．文章以上证指数为实例验证了这两种方法的可行性与精确性．最后我们利用上述两种估计方法得到了上证指数风险值的波动主周期．     

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。     

不同风险度量约束下带有红利的投资组合模型研究

对现有的在风险度量约束下的投资组合模型进行了推广.建立了带有红利情形的随机股票市场模型,给出了投资组合关于这些风险度量约束下的最优化结果.     

指数-伽马模型下在险价值和条件在险价值贝叶斯估计的中偏差原理

本文考虑指数-伽马模型下在险价值和条件在险价值的贝叶斯估计量的渐近行为,本文得到了在险价值和条件在险价值估计量的中偏差原理.最后,本文给出一些主要结论的随机模拟结果.     

一种求约束总极值的水平值估计方法

给出了一种求约束总极值的水平值估计方法,说明了修正的方差方程的根与原始问题的最优值之间的等价性,给出了一种基于牛顿法的水平值估计算法并证明了实现算法的收敛性．初步的计算例子表明所给算法是有效的．     

基于收益率修正分布的VaR估计

本文针对正态分布在拟合厚尾分布上的不足提出了两种修正方法——参数修正方法和非参数修正方法,经过实证分析我们发现经过修正的分布能更好地拟合厚尾分布,相应的VaR值的预测效果也更好,其中非参数修正得到的VaR预测效果最佳。     

基于Copula和极值理论的在险价值度量

针对传统孤立使用GJR模型、极值理论、Copula理论进行风险分析的不足,把GJR模型、极值理论和Copula理论有机的结合起来,给出了基于Copula和极值理论的投资组合VaR的测度方法.首先利用GJR模型刻画单个资产收益率中的自相关和异方差现象,获得近似独立同分布的新息序列,再分别应用高斯核估计的方法、极值理论拟合新息序列的分布函数的内部和两尾,利用Copula函数有效捕抓了市场之间的波动溢出效应,最后使用Monte Carlo模拟法,计算出投资组合的VaR值.实证结果表明,基于Copula和极值理论的VaR度量方法比历史模拟法更有效.     

基于外推中间次序分位数的极端条件分位数估计

近年来,条件分位数估计被广泛应用于金融、生物和医学等众多领域.在研究协变量对响应变量在不同分位数水平的影响时,分位数回归方法是一种贴切且有效的估计方法.然而,由于尾部数据的稀疏性,用分位数回归来估计极端条件分位数通常会产生较大的估计误差.文章将极值理论与分位数回归结合起来,利用中间条件分位数外推法,研究线性分位数回归模...     

一种概率分布的极值分位数的最优估计

在本文中, 我们构造了一种新的极值分位数估计, 给出了估计量的极限性质. 同时, 在渐近二阶矩最小的准则下, 利用子样本自助法给出了计算所构造的极值分位数估计时的样本点分割方法, 从理论上证明了这一极限结果, 说明了这种分割在渐近二阶矩最小的准则下是渐近最优分割, 同时提出了自适应的样本点分割的自助算法.     

双曲分布及其在VaR模型分析中的应用

传统的计算V aR的R iskM etrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算方法.本文引入双曲分布及其算法并将双曲分布应用到V aR模型的计算之中,事实上通过对股票市场的实证研究表明,股票市场数据呈厚尾现象,用双曲分布对数据的拟合要比R iskM etrics方法假定的正态分布更符合金融市场数据的实际情况,故本文的结论与方法对金融风险管理和其他金融建模是有价值的.     

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。     

重尾分布的尾部指数估计及沪深股市实证分析

重尾分布尾部指数α的估计依赖于样本中所用顺序统计量个数k的选取.本文介绍了估计α时选择k的两类不同的方法:Sum-plot方法和Bootstrap方法,并对Hall提出的Bootstrap方法作了改进,称为M-Bootstrap方法.本文利用上述方法对已知分布进行Monte-Carlo模拟,研究它们的可行性,然后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性.是右偏态的,右尾厚于左尾.通过几种方法计算的结果比较发现Sum-plot方法和M-Bootstrap方法在估计重尾指数上精确性较高一些,而且不受异常值的影响.     

基于VAR风险控制的LOG-最优资产组合模型

在证券收益率服从正态分布的假设下,提出了基于V AR风险控制下的单周期LOG-最优资产组合问题,建立了数学模型,证明了最优解的存在性与唯一性,设计了求解该模型的新兴智能优化算法——遗传算法并进行了实例计算与分析.     

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.     

Nonparametric Estimation of Extreme Conditional Quantiles with Functional Covariate

Estimation of the extreme conditional quantiles with functional covariate is an important problem in quantile regression. The existing methods, however, are only applicable for heavy-tailed distributions with a positive conditional tail index. In this paper, we propose a new framework for estimating the extreme conditional quantiles with functional covariate that combines the nonparametric modeling techniques and extreme value theory systematically. Our proposed method is widely applicable, no matter whether the conditional distribution of a response variable Y given a vector of functional covariates X is short, light or heavy-tailed. It thus enriches the existing literature.     

基于价格持续时间的中国股市日内风险价值预测

基于高频数据度量日内交易活动的风险是目前日内金融数据与风险管理中极具挑战性的研究课题之一。本文从实时交易的角度,使用中国股市分笔交易数据,基于价格持续时间的自回归条件持续时间(ACD)模型,研究日内不规则交易数据的风险测度,利用日内不等间隔波动模型估计了日内交易的即时条件波动率,对日内不等间隔风险价值进行了预测和检验。实证结果发现日内不等间隔风险价值模型能够比较好的刻画日内交易风险,股票投资者和市场监管者可以基于该工具对日内风险做出合理的预测,达到止损避险和控制风险的目的。