VaR约束下均值-方差模型在基金资产配置的应用

随着我国开放式基金的迅猛发展以及证券市场的波动，如何识别和控制基金风险这一问题越显重要。VaR模型是一种有效的风险计量和管理工具，本文刻划VaR约束下均值-方差模型及其优化模型，并运用基于VaR约束下的均值——方差模型，定量地分析投资基金的投资组合收益和风险，提出开放式基金最优资产配置，使投资组合收益最大。     

条件收益率下的VaR投资组合研究

本文以新的VaR风险控制体系和价格条件的VaR理论为基础,建立了一种新的最优投资组合模型——μ_s-VaR_s模型。其主要特点有:首先,μ_s-VaR_s模型主要关注相对价格的预期收益和风险,在没有股指期货对冲大盘指数风险的条件下,该模型可以为投资组合跑赢大盘提供了科学思路;其次,在μ_s-VaR_s风模型中,仿照夏普指数创建出了新的选股指标γ_s_i(t),使投资组合更有效率;最后,μ_s-VaR_s模型充分考虑了沪深股票市场的交易成本和交易条件限制,使模型具有较强的现实可用性.经过对沪深股票市场的实证分析发现:μ_s-VaR_s模型明显优于马柯威茨的M-V模型;应用μ_s-VaR_s模型所构建的投资组合的累积收益率显著高于大盘的同期累积收益率.     

基于VaR的权变投资组合保险策略及实证分析

传统的投资组合保险策略在投资期内全程进行保险操作,在熊市期间确能起到保险作用,但在牛市期间又会夹失部分收益。应用综合了VaR技术和滤嘴法则的VaR套补的权变投资组合保险策略,则能弥补上述缺憾,为保险资金或保本型基金投资股市提供了有效的投资手段。     

基于VaR的房地产投资组合模型设计与应用

本文以风险和收益的动态刻画为核心,在房地产投资组合中引入基于VaR模型的风险评价,通过资产收益和预提费用在持有期内的现值构造效用函数,建立基于VaR的投资组合优化模型,实现房地产投资的最优组合。对于上海房地产市场两种不同资产进行组合的实证分析表明该模型具有一定的实用性和有效性。     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

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。     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

VaR理论及其应用研究

VaR理论是目前国际上风险评价的主流方法。引入VaR理论研究我国的股票市场 ,可以为投资者控制投资风险提供新的参考指标。本文利用VaR理论对我国深、沪股票市场进行了实证分析研究 ,发现VaR理论在我国股票市场的风险评价中也有很好的适用性     

基于Copula的QDII与排放权资产的投资组合构建

本文介绍了欧盟温室气体排放权交易市场,选择欧洲气候交易所(ECX)推出的欧盟配额(EUA)期货合约作为温室气体排放权资产(即碳资产)的代表,利用Copula函数得到了国内一支QDII基金-南方全球精选基金与该资产收益率的联合分布,并进一步据此得到了两种资产任一组合的收益率的分布函数,然后在不同的显著性水平下确定了具有最小VaR的最优组合系数。对最优组合的分析发现,本文构建的投资组合在收益率高于原QDII基金收益率的同时,其VaR值在各种显著性水平下均低于原QDII基金的VaR,并且最优的组合系数对于特定的VaR水平的敏感度不高,组合策略具有可操作性。     

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.     

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。     

对数正态分布的VAR数学模型及其计算

VaR(Value at Risk)是一种以规范的统计技术来度量市场风险的新标准,目前在金融数学领域被广泛使用,它是指在正常的市场条件和给定的置信度下,在给定的持有期间内,测度某一投资组合所面临的最大的潜在损失的数学方法.传统的VaR计算方法在计算开放式基金时,可能存在着低估风险的情况.着重论述了VaR模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金的风险,以验证其结果是否更加接近实际风险值.     

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。     

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.     

可转换债券风险测度的新方法——GAVaR模型

通过ARMAGARCH模型模拟出可转债收益率的分布,然后使用遗传算法的数据挖掘技术对此分布进行了有效的优化,结合Bootstrap算法将优化结果应用于VaR测度,得出了GAVaR模型下的风险值.对中国和台湾可转债市场进行实证研究,发现GAVaR模型压力测试和回顾测试的结果都优于历史模拟法等常用VaR模型,控制风险的能力适合可转债市场的需求.     

CVaR、VaR应用在RAROC的比较研究

本文将CVaR引入到RAROC(R isk-Ad justed Return on Cap ital)中,进行绩效评价。而且,将CVaR与VaR的结果进行了比较。在正态分布的情况下,CVaR与VaR的RAPM(R isk-Ad justedPerform ance M easure)对于绩效评价都是充分的、可靠的、有效的,且两者是等价的。但在非正态的情况下,CVaR的RAPM相对于VaR的RAPM更加充分、谨慎、可靠、有效。我们运用Bootstrap方法进行了实证研究。     

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.     

随机凸序与投资组合的风险值

本文利用随机凸序的理论证明了任意随机资产组合的风险不会超过其各个随机资产的风险值之和 ,即给出了投资组合的风险值上界 .指出了当投资者无法确定各随机资产的相依关系时 ,独立性假定会低投资组合的风险值 ;并分别针对正态资产、幂关系资产、指数资产给出了这种风险低估值的具体计算公式