基于GARCH族模型商业银行外汇风险管理的VaR方法研究

面对日趋加大的汇率波动性,商业银行外汇资产面临的风险也越来越大,风险的计量与预测在管理外汇风险中的作用也越来越重要.引入参数法下的GARCH模型对外汇市场存在的风险进行计量分析,并以此为基础运用VaR方法进一步计算外汇资产的风险补偿金,以达到预测和控制外汇风险目的.     

基于GARCH类模型-POT的股指期货保证金水平设置

由于股指期货持有空头头寸的投资者面临的风险明显高于持有多头头寸的投资者,因此应该对股指期货保证金分多头和空头分别设置.鉴于我国正处于推出金融衍生产品的探索阶段,交易的安全性和稳定性最为关键.本文通过分析研究,结合中金所设置股指期货保证金水平的做法,选取违约概率为0.001时保证金水平,将沪深300股指期货合约的保证金水平设置区间分别确定为:全尾[9.75%,12.48%]、多头[7.53%,8.57%]、空头[9.5%,13.31%].为了减小违约概率,建议中国金融期货交易所将沪深300股指期货的保证金设置水平调整为14%-16%的水平.     

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.     

沪深300股指期货的风险测度模型研究

以沪深300股指期货指数的30分钟交易数据为例,首先对其价格变化的动力学特征及波动模式进行了全面深入的考察,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR(Value at Risk)和ES(Excepted shortfall)两种不同风险指标估计的精度差异。研究结果表明:我国股指期货市场的价格波动具有较为明显的有偏和尖峰厚尾分布、聚集特征和长记忆性;采用有偏学生t分布和长记忆模型有助于提高对沪深300股指期货的风险测度精度,而在波动模型中包含杠杆效应项对提高风险估计精度并无太多帮助;在综合考虑了模型对沪深300股指期货价格变化动力学的刻画效果以及对不同风险指标的测度精度等因素后,基于有偏学生t分布的GARCH模型是一个相对合理的风险测度模型选择。     

基于Copula-SV-t模型的沪深300期现相关性分析

结合SV-t模型和Copula模型,建立两变量金融时间序列的Copula-SV-t模型,并以刚刚上市交易的我国沪深300期货市场和其现货指数为例利用建立的模型进行相关程度和相关模式的分析,根据采用不同的Archimedean Copula函数,通过平方欧式距离评价Copula函数的拟合度.结果表明,股指期现市场之间存在条件正相关关系,且存在非对称的尾部相关关系,上尾部的相关性要强于下尾部的相关性,即期货市场的助涨效应要强于助跌效应.     

基于GARCH族类模型的开放式基金收益率风险分析

基于中国上证50ETF的单位净值,实证分析了国内开放式基金的风险,并在此基础上研究了分位数回归改良情况.选取GARCH族类模型中的GARCH,TARCH和EGARCH,在95%和99%置信水平下计算VaR值,失败率检验结果表明:三种模型在同一置信水平和分布下估计结果差不多,t分布高估风险,而正态分布在99%置信水平下低估风险,GED是最理想的分布.将分位数0.01和0.05回归前后的VaR值作分析比较,发现0.01分位数回归后对风险的估计过于保守不可信,而0.05分位数回归则可以有效改善t分布高估VaR值现象.最后,提出了完善基金市场风险管理的政策建议.     

两类多元GARCH模型的预测绩效和组合VaR的研究

运用V aR模型对股票组合进行风险测度的关键之一是得到组合条件协方差矩阵.而经典的多元GARCH模型来求解波动率面临着估计参数过多,计算量庞大的问题.因此,使用正交GARCH模型和CCC模型来估算波动率,并以沪深两市A股市场上四个行业的65只股票为样本,使用RM SE和M AD指标比较这些模型的预测能力,求得股票组合的V aR,得出前者效率高和后者预测能力略高的结论.     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.     

VaR最小化的股指期货套期保值比率研究

以VaR最小化为目标,结合波动率预测建立套期保值模型,充分反应了金融收益率尖峰厚尾和波动聚集的特征。通过对沪深300股指期货的日结算数据实证研究发现,在现货组合与股指期货高相关性的条件下,VaR最小化套期保值较最小方差套期保值能进一步降低组合样本外收益率的VaR值,EWMA与Cornish-Fisher展开相结合的方法能取得最好的VaR最小化套期保值效果。     

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。     

沪市股票价格指数的GARCH模型

首先用OLS法对沪市股票价格指数建模，对统计量进行分析发现该模型的误差项具有条件异方差性，因此采用GARCH方法拟合并检验，结果表明GARCH（1，1）拟合的很好。     

基于风险约束的套期保值模型及沪深300股指实证研究

提出利用风险价值VaR建立套期保值资产组合的风险约束.以套期保值资产组合收益最大为目标,以控制套期保值资产组合风险为约束,建立了基于风险约束的套期保值模型.该模型在有效控制风险的基础上,可以大幅提高套期保值资产组合的收益.对沪深300股指现货和期货的数据进行了实证分析,对比了现有研究的最小二乘((OLS)、向量自回归(VAR)、向量误差修正(VEC)三种模型以及本文建立的基于风险约束的期货套期保值模型.样本内检验结果表明,本模型比现有研究模型的收益有大幅提高,平均增加81.6%.同时并没有失去对风险的控制,与现有研究模型只有5.32%的差别.对于样本外检验,模型在控制风险和提高收益两个方面都要优于现有研究模型.模型比现有研究模型平均可提高收益21.4%,平均降低风险3.61%.     

How to estimate the Value at Risk under incomplete information

A key problem in financial and actuarial research, and particularly in the field of risk management, is the choice of models so as to avoid systematic biases in the measurement of risk. An alternative consists of relaxing the assumption that the probability distribution is completely known, leading to interval estimates instead of point estimates. In the present contribution, we show how this is possible for the Value at Risk, by fixing only a small number of parameters of the underlying probability distribution. We start by deriving bounds on tail probabilities, and we show how a conversion leads to bounds for the Value at Risk. It will turn out that with a maximum of three given parameters, the best estimates are always realized in the case of a unimodal random variable for which two moments and the mode are given. It will also be shown that a lognormal model results in estimates for the Value at Risk that are much closer to the upper bound than to the lower bound.     

基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.     

基于变结构协整方法的期货市场与证券市场关联性分析——沪深300股指期货与沪深300指数的实证分析

对我国沪深300指数与沪深300指数期货的周数据进行了关联性分析.首先利用EG检验和Johansen系统检验对两指数进行协整检验,然后通过3种变结构协整模型分别检验,结果找到了变点,得到了变机构长期均衡关系和误差修正模型,同时比较了4种模型的应用效果,给出了相关的政策建议.     

A semiparametric Bayesian approach to the analysis of financial time series with applications to value at risk estimation

GARCH models are commonly used for describing, estimating and predicting the dynamics of financial returns. Here, we relax the usual parametric distributional assumptions of GARCH models and develop a Bayesian semiparametric approach based on modeling the innovations using the class of scale mixtures of Gaussian distributions with a Dirichlet process prior on the mixing distribution. The proposed specification allows for greater flexibility in capturing the usual patterns observed in financial returns. It is also shown how to undertake Bayesian prediction of the Value at Risk (VaR). The performance of the proposed semiparametric method is illustrated using simulated and real data from the Hang Seng Index (HSI) and Bombay Stock Exchange index (BSE30).     

基于鞍点逼近的投资组合极端风险贡献度测度

在当今金融市场资产价格高波动的背景下,度量投资组合中各资产对总体风险的风险贡献度对探析投资组合风险波动不定的深层次原因有重要意义。关于风险贡献度的测算,目前运用较广泛的是历史数据法,其主要适用于存在大量数据样本且持续期较短的情况。特别地,极端情况下的风险贡献度估计主要由处于分布尾部的少量观测值决定,因此历史数据法估计的准确性此时较难保证,为此,本文对鞍点逼近模型优化并考察上述情形。通过对中国股市进行实证分析发现,与传统历史数据法相比,鞍点逼近模型呈现下列优点:投资组合分布函数简洁、风险贡献度计算效率和准确性较高,压力测试表明该方法具有较好的稳健性。因此该方法有望对投资组合的风险预警与防范起到决策支持作用。