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.     

核密度估计在预测风险价值中的应用

通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.     

连续型数据众数估计方法及应用研究

一些科研单位或者调查机构经常公布关于居民工资收入状况的数据报告,大多数居民觉得收入"被提高",并对此提出质疑.针对该问题,提出众数作为公开数据报告的补充,并给出了众数的两种估计方法.最后,采用这两种方法对中国城镇女性居民月工资收入的众数进行了估计.结果表明,要想得到全面准确的收入分布状况,众数是不可或缺的重要统计量,而且两种众数估计方法是简单而行之有效的,这为众数的推广和应用奠定了基础.     

基于GARCH模型的期望损失ES非参数核估计

风险度量ES最新的非参数估计方法,不依赖于分布假设,但不能动态反应金融时间序列的风险.针对金融时间序列的波动,结合GARCH模型进行期望损失ES的非参数核估计,得到随市场波动而动态变化的ES预测.通过数值模拟和对近两年的上证指数实证分析验证了该方法能准确而有效的反映市场风险.     

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．     

基于正则逆Gamma分布和广义极值分布的VaR计算

股指收益率的分布和风险价值(VaR)的计算是证券市场研究的热点问题.本文对来自上证指数和深证成指日收益率采用正则逆Gamma分布和偏T分布(SST)分别进行拟合,对极值序列(周、月极大值和极小值)建立广义极值分布函数。并由此计算VaR值,度量这几种序列的风险价值.结果表明正则逆Gamma分布能更好地拟合日收益率的分布,以及采用周极值收益率的广义极值分布计算VaR值来估计风险较为合理.     

一种风险型决策的决策方法

本文阐明了方案益损值和自然状态概率无准确估计的风险型决策问题的决策方法。证明了在期望值决策准则下，用等概率分层随机抽样得到的方案收益期望值的均值，与用简单随机抽样得到的相同。用正交表进行分层随机抽样，得到方案收益期望值服从正态分布的均值和方差。再根据统计推断理论对方案作出选择，并给出决策的风险估计。     

众数自适应Lasso回归的统计推断

本文给出了自适应Lasso的众数回归模型,用来对众数回归模型的变量进行选择.对比传统的均值回归模型和中位数回归模型,众数回归在解决重尾、多峰分布问题时更加稳健.众数回归模型的主要估计方法是核估计方法,当自变量的数目较大时,该方法会产生难以忽略的计算误差.本文在核估计方法的众数回归模型基础上添加惩罚项,并通过自适应Lasso方法进行参数估计,有效的剔除了贡献率低的自变量,同时提高了计算的准确性.本文详细阐述了该计算方法,并在一些正则条件下,给出了模型的参数的估计方法和估计值的渐近正态性.模拟实验和实证分析研究了所提方法在有限样本下的性质.对比均值回归模型和传统的众数回归模型,添加自适应Lasso惩罚项的众数回归模型极大地提高了参数估计的准确性.     

对数收益率的偏斜Logistic分布与VaR估计

本文通过直方图和Q-Q图的直观方法展示了上证指数和深证指数的对数收益率具有尖峰厚尾和偏斜的分布特征,利用Shapiro-Wilk正态性检验和Kolmogorov-Smirnov检验等方法检验了对数收益率的分布与正态分布有显著性差异,并以较大的概率水平接受了对数收益率服从偏斜Logistic分布,同时给出了基于偏斜Logistic分布的VaR风险量的估计,结果显示上证指数的风险小于深证指数的风险。     

PP聚类的众数指标及最优方向估计的相合性

在[5]中我们提出了一种PP聚类指标——众数指标,并在一定条件下得到了最优方向估计的渐近分布.本文关心的是PP众数指标及其最优方向估计的相合性以及收敛速度.首先,我们回顾一下[5]中提出的两种众数指标.设有P元随机向量X,具正定的协方差阵∑_0,期望μ_0,且α方向上的边缘密度为 g(a;t),t∈R~1.设X_1,…,X_n为X的n     

Copula界在多元VaR中的应用

首先介绍了多元随机变量和的边界,以及由此导出的VaR边界,然后全面总结了有关Copula下界的公式,而Copula下界及其对偶函数分别构成计算VaR边界的依据.最后根据VaR边界的数值算法,针对不同的Copula下界,分多种情景详细分析了VaR的边界范围.关于上证指数和深成指数收益率序列的实证分析发现.Spearman相关系数和正象限相依对VaR界的收窄作用最强.     

极值理论在高频数据中的VaR和CVaR风险价值研究

高频数据具有与低频数据明显不同的特征。本文引入广义帕雷托分布代替传统的正态分布等,精确描述金融高频数据收益的厚尾特征;并且计算高频数据下的VaR和CVaR,然后利用深成A指数据进行返回检验。两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和CVaR。     

基于Bootstrap方法的VaR区间估计

本文介绍了非参数方法中基于自助法的三种区间的估计方法,并将它们应用到金融资产的VaR计算上.自助法很好地克服了历史模拟法的一些局限性.本文对上证综合指数(IA0001)进行了VaR计算的实证分析,计算了VaR点估计和区间估计,并比较了几种计算方法各自的特点,得出了一些有意义的结果.     

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。     

股市投资回报过程的长相依性与风险度量

对上证指数对数收益率的长相依性进行了统计检验并完成了相应的统计建模以及参数估计.通过选择分数布朗运动作为刻画股票投资回报的驱动过程,并得到了此模型下股指收益的VaR计算的显式表达式.数值分析的结果显示分数布朗运动模型下的VaR值要高于Black-Scholes模型下的VaR值,这表明长相依性质对于股指风险有很大的影响,在相关的金融风险产品的风险度量中应加以重视.     

波动性变化下的VaR历史模拟法实证研究

VaR(在险价值)方法是当今运用得最为广泛的金融市场风险度量方法。历史模拟法作为计算VaR的主要方法之一,其计算出来的VaR的风险度量效果需要得到现实金融市场数据的检验。本文通过选取上证综指日收益率的历史数据,分别在市场波动性不发生改变、市场波动性变大和市场波动性变小三种情况下对历史模拟法的有效性进行检验,检验结果表明在市场波动性不发生变化的情况下,历史模拟法计算的VaR能够有效地度量市场风险;在市场波动性变大的情况下,该方法会低估市场风险;在市场波动性变小的情况下,该方法会高估市场风险。通过对历史模拟法的计算原理进行分析,历史样本自身的时滞性是导致该方法在市场波动性发生变化时无效的原因。     

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。     

Phase and multifractality analyses of random price time series by finite-range interacting biased voter system

A random financial price process which is developed by mechanisms of finite-range interacting biased voter model is considered in the present paper. Voter model is one of statistical physics systems as well as a continuous time Markov process, which originally represents a voter’s attitude on a particular topic, namely, voters reconsider their opinions at times distributed according to independent exponential random variables. The empirical mode decomposition method is employed to analyze the behaviors of logarithmic returns for the simulation data of the model and the two real market indexes, Shanghai Composite Index and Deutscher Aktien Index. The multifractal characteristics of the original returns and first 3 intrinsic mode functions (IMFs) after empirical mode decomposition are explored by the multifractal detrended function analysis. The instantaneous phase, amplitude probability distribution of first 4 IMFs, and the multifractal properties of instantaneous amplitude are investigated.     

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。     

高频视角下中国股市动态VaR预测模型研究

如何充分挖掘交易数据中有价值的信息对金融风险管理极其重要,现有研究中基于低频波动模型的风险测度方法几乎已经做到了极致,而能达到的预测效果却并不稳健,对高频波动模型的研究相对比较匮乏。那么高频模型能否从高频数据中挖掘出更有价值的信息以便用于风险管理之中呢？本研究通过建立12个低频和9个高频波动模型对上证综指进行样本外动态VaR的滚动预测发现,高频模型相对于低频模型具有更好的稳定性,并且在多数情况下高频模型优于低频模型;多头与空头的风险预测效果具有显著差异,多头风险在高风险情况下高频模型表现出色,低风险情况下并不理想,空头风险则在所有情况下都表现较好。