在险风险值估计方法的比较研究

金融数据呈现的厚尾性已达成共识。本文首先基于指数回归模型提出了一种厚尾分布的极值分位数估计方法,得到了在险风险值的估计公式。然后得到了上海上证指数、国债指数和企业债券指数的在险风险值的估计值,比较了他们的极值风险.     

金融风险管理中VaR度量的光滑估计效率

本文研究了金融风险管理理论中风险价值(VaR)的非参数核光滑估计和经验估计的效率问题.对非独立的时间序列损失/收益样本,在均方误差(MSE)准则的意义下引入亏量的概念,亏量越大表明估计效率越低.并利用亏量对VaR模型的核光滑估计和基于样本分位数的经验估计进行了比较,在理论上证明了VaR模型的核光滑估计优于经验估计.同时,通过计算机模拟证实了理论获得的结论.本文还对国内沪深两市上的证券投资基金进行了实证分析,计算了样本基金的VaR风险度量的经验估计和核光滑估计,并计算了样本基金基于周收益率和VaR估计的风险调整收益(RAROC)值,以此对样本基金的业绩做出了有用的评价.     

商业银行操作风险计量模型的Bayes估计

对于商业银行来讲,一个很重要的问题是损失数据缺乏,而损失数据缺乏会影响模型参数的估计,用Bayes估计解决了这一问题.Bayes估计的方法利用商业银行专家提供的意见确定先验分布,能够有效地解决损失数据缺乏的问题.实证分析的结果表明,Bayes估计与极大似然估计的结果.不考虑存在着一定的差距.不考虑各部分风险之间的相关性,基于Bayes估计与极大似然估计时VaR与ES的大部分结果相差不大.     

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.     

多周期多目标条件风险值模型

在商业、工业、电力和房地产等行业中存在许多复杂的多周期风险决策问题,它的数学模型研究对于解决这些问题具有重要的作用.作者建立了一种新的多周期多目标条件风险值(CVaR)数学模型理论和方法.先定义了一种带时间段的多周期多目标损失函数下的α-VaR和α-CVaR值,给出了一类多周期多目标CVaR最优化模型.然后,证明了多目标意义下的对应模型的等价定理,给出了多周期多目标CVaR模型的近似求解等价模型.最后,建立了一种生产企业在供过于求和供不应求两种情形下产生的多周期双目标CVaR模型,针对一个电力生产企业进行的数值实验,表明了模型可以得到在最小供给的用电损失分布下的各周期下的相匹配供电策略,可以帮助供电部门各个时期供电不平衡状况下的风险控制.     

金融风险度量的建模理论与方法的一些进展及其应用

本文综述了金融风险度量的建模的理论和方法最近的发展。介绍了常用的矩度量和现代风险度量技术,包括在险价值VaR、预期不足ES和期望分位数Expectile等现代风险度量技术和方法,以及复杂风险因素下的非/半参数风险度量方法。违约概率和违约相关性是信用风险度量中的两个基本概念,本文还介绍了信用违约风险中违约概率和违约相关性的常用度量方法。最后,通过一些应用案例介绍如何在金融风险度量中应用现代风险度量技术度量和识别风险。     

条件VaR和条件CVaR的核估计及其实证分析

VaR和CVaR是目前两种主流风险度量工具。条件VaR和条件CVaR是基于市场风险因子在已知条件(或信息)下的分布来计量和测算VaR和CVaR,能够及时地根据变化的条件来重新估计风险进而进行有效的风险管理,是对传统的基于边际分布的VaR和CVaR指标的有益补充。另外一方面,近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们用条件VaR和条件CVaR的非参数核估计法,对我国A股市场的风险进行测算。结果得出:条件VaR和条件CVaR能揭示出深证成指和上证综指之间的不同风险特征;条件VaR和条件CVaR的测算结果并非总是一致;系统风险估计值对已知条件的敏感性高于深发展A和万科A两只股票的个股风险。以上风险特征在边际VaR和边际CVaR下无法得到。     

市场风险值VaR的算法与应用

进行金融风险管理时可以将风险划分为四类，即信用风险、经营风险、流动性风险和市场风险。其中市场风险是指金融市场价格（包括股票价格、利率、汇率和大宗可交易商品的价格）波动而引起的未来收益的不确定性。市场风险值VaR(Value at Risk）就是用来评价给定资产所面临的市场风险大小。本文介绍了VaR的定义、相关的计算方法和在证券投资决策中的应用实例。     

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。     

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。     

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。     

计算资产组合市场风险值的一种有效方法

市场风险值(VaR)是一种常用的度量风险的方法．本文采用极值理论中的阈值模型来计算VaR．基于中国上证指数和深成指数的收盘价，构造超越阈值的极值渐近概率分布，所得到的计算结果与传统方法相比较，有明显的优越性和更好的精度．     

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Zipf律的尾部特征分析及VaR计算

分布的尾部特征分析在许多领域都非常重要，估计和分辨尾部服从幂律特征还是指数特征非常重要。在本文中，我们提出了在分析数据的Zipf幂律的基础上来分辨尾部特征的方法。通过实证分析，我们得出了上证指数收益率的确存在具有尺度不变性的Zipf幂律现象，然后分布的尾部特征就被确定，并得到了尾部指数的一种简单的估计方法，最后对该市场的在险价值（VaR）进行了计算和分析。     

股票期权VaR的一种计算方法

本文提出一种运用Laplace分布来计算股票期权VaR的新方法.首先对股票价格的运动规律进行理论和实证分析,表明利用Laplace分布来来拟合股票的对数收益率是合理的,然后在此基础上推导了股票期权VaR的计算公式,最后给出了算例.     

Optimal reinsurance under dynamic VaR constraint

This paper deals with the optimal reinsurance strategy from an insurer’s point of view. Our objective is to find the optimal policy that maximises the insurer’s survival probability. To meet the requirement of regulators and provide a tool to risk management, we introduce the dynamic version of Value-at-Risk (VaR), Conditional Value-at-Risk (CVaR) and worst-case CVaR (wcCVaR) constraints in diffusion model and the risk measure limit is proportional to company’s surplus in hand. In the dynamic setting, a CVaR/wcCVaR constraint is equivalent to a VaR constraint under a higher confidence level. Applying dynamic programming technique, we obtain closed form expressions of the optimal reinsurance strategies and corresponding survival probabilities under both proportional and excess-of-loss reinsurance. Several numerical examples are provided to illustrate the impact caused by dynamic VaR/CVaR/wcCVaR limit in both types of reinsurance policy.     

Additivity properties for Value-at-Risk under Archimedean dependence and heavy-tailedness

Mainly due to new capital adequacy standards for banking and insurance, an increased interest exists in the aggregation properties of risk measures like Value-at-Risk (VaR). We show how VaR can change from sub to superadditivity depending on the properties of the underlying model. Mainly, the switch from a finite to an infinite mean model gives a completely different asymptotic behaviour. Our main result proves a conjecture made in Barbe et al. [Barbe, P., Fougères, A.L., Genest, C., 2006. On the tail behavior of sums of dependent risks. ASTIN Bull. 36(2), 361-374].     

The Hilbert Kernel Regression Estimate

Let (X, Y) be an ^d× -valued regression pair, whereXhas a density andYis bounded. Ifni.i.d. samples are drawn from this distribution, the Nadaraya–Watson kernel regression estimate in ^dwith Hilbert kernelK(x)=1/x^dis shown to converge weakly for all such regression pairs. We also show that strong convergence cannot be obtained. This is particularly interesting as this regression estimate does not have a smoothing parameter.     

VaR方法在证券市场尖峰、胖尾分布中的实证分析

标准 Va R方法的假设条件与实际数据之间存在较大的差距 ,而差距是必严重影响 Va R方法的实际应用效果 .为此 ,本文从实际数据的基本特征出发 ,讨论了 Va R方法在尖峰、胖尾分布中的计算公式 ,并使用该计算公式对我国证券市场的实际数据进行了实证分析 .分析结果表明 ,推广的 Va R计算方法对证券市场风险预警有更可靠的揭示作用 .     

股票收益率的次指数分布拟合

股票收益率等金融时间序列具有重尾特征,因而不适于用正态分布来描述,次指数分布族S是一类重尾分布族,能够很好的处理具有偏态、重尾特征的金融时间序列,本文对上证指数的收益率进行了次指数分布拟合,并给出了在险价值(VaR)的估计。