加权分布模型测算个股VaR

本文在同时考虑企业的个性风险和企业将受到整个国家宏观经济形势影响的共性风险的基础上,用一种新的思路定权数,提出了用加权分布测算个股VaR的模型。并以在深圳股市上市的四家企业的股票收益率做实证分析和模型检验。结果表明:加权分布提高了原来的假设收益率分布服从单一分布下测量VaR的准确度,尤其对于个性风险较强的企业而言,加权分布模型是一种形式简单,而又较为精确的模型。     

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.     

用Johnson分布族来计算非线性VaR

目前，最普遍的风险管理方法是：VaR(Value at Risk含义是风险中的价值）风险测量技术，而该技术在测量包含有非非线性头寸的资产组合回报时，因为资产回报分布已不是正态分布，因而在求组合回报在一定置信水平下的分位数时，遇到了前扎未有的挑战。在这种情况下，局部Mnte-Carlo模拟法被认为是一种较准确的VaR测量方法，但由于其计算的时间长，计算量大，且无法解决伪随机数的休聚性问题等本身缺陷，在实际中也不常用，针对这一情况，Risk Metrics技术小组于1996年就提出以Johnson分布来将回报转换为标准正态分布，但参数估计除对数正态外不存在解析形式，且需要解一个非线性方程组。而本采用分位点估计来估计参数，不但不必要解非线性方程组，计算量上大大减少，而且James F.Slifker等人已经证明分位点估计比矩估计拟合得更好，所以本把它用于VaR计算，并与局部Monte-Carlo模拟法进行了比较。     

基于半参数EGARCH模型的VaR和CVaR度量与实证研究

本文主要是运用半参数EGARCH模型研究中国股票市场风险.首先,运用半参数EGARCH模型估计波动率.其次,研究中国股票市场风险,即估计VaR和CVaR值.最后,利用半参数EG;ARCH模型对上证指数进行实证分析。结果表明,半参数EGARCH模型比一般的EGARCH模型能更准确地度量中国股市风险。     

基于EGB2分布族的GAS-EGARCH模型与VaR预测

GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。     

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.     

基于Clayton Copula-GARCH模型投资组合VaR的度量

运用Copula方法研究了含股指期货的投资组合的风险度量问题.首先采用不同的GARCH模型对单个资产收益率建模,然后选择Clayton Copula函数来描述投资组合各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VaR.Kupiec检验表明,ClaytonCopula-GARCH模型在投资组合风险度量上具有较高的准确性.     

基于AST分布和HGARCH模型的金融资产收益率波动非对称性刻画与VaR预测

选择合适波动模型和概率分布成为影响VaR预测可靠性的重要因素,本文首次结合HGARCH模型和AST分布来对金融资产收益率进行建模,并将所构建模型用于VaR预测研究中。我们重点比较研究不同头寸和不同风险水平下HGARCH模型及其子类共20种GARCH族模型的VaR预测效果,并系统性研究HGARCH模型中两个波动非对称参数在波动非对称性刻画和VaR预测中的作用。研究结果表明,在样本内,AST分布下的非对称GARCH族模型具有更好的波动拟合效果、分布拟合效果和VaR预测效果;HGARCH模型的两个波动非对称参数虽然在理论上是互补品的关系,但实际建模效果类似,相互之间更接近替代品的关系。在样本外,AST分布下的非对称GARCH族模型在波动拟合、分布拟合和VaR预测方面的优越性有所下降;两个波动非对称参数的实际效果也近似为替代品,其中放缩参数相比位移参数更具优势。     

基于二维t分布的条件VaR研究

根据多元t分布的定义及性质,推导出二维t分布随机变量差的条件分布仍服从t分布.在假定股票价格对数与收益率服从二维t分布的基础上,利用该性质,可以得到不同股票价格水平条件下,收益率的一维条件t分布,进而计算出价格条件VaR.利用多元t分布研究价格条件的收益率分布问题,与正态分布相比,较好地刻画了证券收益率分布的尖峰厚尾现象.     

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。     

������е�VaR�ֲ��˹��Ƽ���Ӧ��

In the situation of rho-mixing dependent sequences, this paper studied the mean square error and the optimal bandwidth of distribution kernel estimator nu_{p,h} of VaR. And the optimal bandwidth minimized the mean square error. The density function of Laplace distribution is used in the calculation of bandwidthand we adopt the method of interpolation to compute specific value of bandwidth in this paper. According to the numerical simulations, the distribution kernel estimator is more accurate by comparing the performance of VaR distribution kernel estimation with a common order statistic. Finally, Shangzheng A-share index and Shenzheng B-share index are chosen for an empirical research, which concludes that the risk of the latter is significantly higher than that of the former.     

基于动态自适应t分布变异的人群搜索算法

针对人群搜索算法在进化后期大量个体聚集局部最优时,易陷入局部最优,搜索精度低的缺陷,提出一种基于t分布变异的人群搜索算法.算法使用动态自适应方式确定变异步长,引入t分布变异算子以融合柯西变异和高斯变异的优点,促进算法在进化早期具备良好的全局探索能力,在进化后期收获较强的局部开发能力,增加种群的多样性;采用边界缓冲墙策略处理越界问题,避免越界个体聚集在边界值上的缺陷.实验结果表明,算法比基本人群搜索算法具有更高的寻优精度和收敛速度,是一种有效的算法.     

基于GARCH族模型的沪深300股指VaR度量

本文在修正了沪深300股票指数收益率序列的非平稳性和自身相关性之后,把ARMA模型与GARCH模型、GJR模型、IGARCH模型、FIGARCH模型、FIEGARCH模型、FIAPARCH模型、HYGARCH模型相结合,然后依次假设残差分布服从正态分布、t分布和偏t分布,来描述沪深300股票指数日对数收益率序列的尖峰厚尾性、杠杆效应和长记忆特性,利用上述模型分别计算沪深300股票指数的VaR值.在空头和多头投资者情况下,不同的波动性模型和不同残差分布的VaR预测有效性差距很大.比较得知,在不同的置信水平下,沪深300股票指数收益率序列空头和多头的VaR预测成功概率比较高的模型有HYGARCH和FIEGARCH这两类具有长记忆性的模型.     

基于二维正态分布的条件VaR研究

基于条件收益率的VaR测算方法.在假定股票价格对数与收益率服从二维正态分布的基础上,对每一价格水平,得到条件收益率的分布特征,进而计算条件VaR值.通过分析证明了条件收益率分布与价格水平高低有关,一般价格升高会使条件收益率分布向左侧移动,反之向右侧平移.     

Theory of optimal consumption and portfolio selection under a Capital-at-Risk (CaR) and a Value-at-Risk (VaR) constraint

The solution to the optimal portfolio selection and consumptionrule subject to Capital-at-Risk and Value-at-Risk constraintsis derived via the use of stochastic dynamic programming.     

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.     

Distribution assumptions and risk constraints in portfolio optimization

Empirical distributions are often claimed to be superior to parametric distributions, yet to also increase the computational complexity and are therefore hard to apply in portfolio optimization. In this paper, we approach the portfolio optimization problem under constraints on the portfolios Value at Risk and Expected Tail Loss, respectively, under empirical distributions for the Standard and Poors 100 stocks. We apply a heuristic optimization method which has been found to overcome the restrictions of traditional optimization techniques. Our results indicate that empirical distributions might turn into a Pandoras Box: Though highly reliable for predicting the assets risks, employing these distributions in the optimization process might result in severe mis-estimations of the resulting portfolios actual risk. It is found that even a simple mean-variance approach can be superior despite its known specification errors.AMS Classification: G11, C61Dietmar G. Maringer: Im grateful to two anonymous referees, Peter Winker, Manfred Gilli, Berç Rustem, Erricos Kontoghiorghes, Alfred Lehar, Josef Zechner, Suresh Sundaresan, and conference participants at Aix-en-Provence, Limassol, and Sydney for valuable discussions and comments on earlier versions of this paper.     

基于变系数模型的自适应分位回归方法

提出了变系数模型条件分位估计的一种新方法.变系数模型已经成为经济学、流行病学、纵向数据和医学领域处理高维数据的有力工具.该模型有助于探测数据的动态特征、降低模型偏差、避免高维灾难,同时便于解释.尽管关于变系数模型条件均值的估计已经有很多文章,但关于变系数模型条件分位的估计方面的文章相对较少.文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域,进行局部自适应窗宽选择和局部线性逼近,同时给出了估计量的风险界和最优窗宽的自动选择准则.模拟研究说明了所提出估计方法的效果.