基于Copula的金融资产相关结构建模

分析了几种相关结构函数(Copula)表示的相关结构模型,给出了用相关结构函数对金融资产间的相关结构进行建模的方法.结果表明混合Gumbel(M-Gumbel)相关结构函数能较全面地描述上海深圳两证券指数的相关结构,模拟计算VaR的结果支持了实证分析的结论.     

CreditRisk+模型下商业银行经济资本配置研究

对金融资产风险的度量与经济资本的分配应该体现分散化效应,传统的V aR方式不能保证分散化效应的次可加性.本文讨论了基于T a ilV aR这一新的风险度量与经济资本分配标准,并在违约率均值不变情况下,对C red itR isk+模型下的商业银行经济资本分配进行了实证分析.     

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。     

基于稳定分布的PARCH模型

本文首先介绍了稳定分布和基于正态分布、稳定分布的PARCH模型,并通过股票指数收益率的稳定化PP图和直方图发现其具有高峰厚尾特征.最后,通过上证指数的VaR计算,得到在金融风险度量中基于稳定分布的PARCH模型比基于正态分布的PARCH模型更加有效。     

Modelling Operational Risk Losses with Graphical Models and Copula Functions

The management of Operational Risk has been a difficult task due to the lack of data and the high number of variables. In this project, we treat operational risks as multivariate variables. In order to model them, copula functions are employed, which are a widely used tool in finance and engineering for building flexible joint distributions. The purpose of this research is to propose a new methodology for modelling Operational Risks and estimating the required capital. It combines the use of graphical models and the use of copula functions along with hyper-Markov law. Historical loss data of an Italian bank is used, in order to explore the methodology’s behaviour and its potential benefits.      

Conditional VaR estimation using Pearson’s type IV distribution

This paper presents a new value at risk (VaR) estimation model for equity returns time series and tests it extensively on Stock Indices of 14 countries. Two most important stylized facts of such series are volatility clustering, and non-normality as a result of fat tails of the return distribution. While volatility clustering has been extensively studied using the GARCH model and its various extensions, the phenomenon of non-normality has not been comprehensively explored, at least in the context of VaR estimation. A combination of extreme value theory (EVT) and GARCH has been explored to analyze financial data showing non-normal behavior. This paper proposes a combination of the Pearson’s Type IV distribution and the GARCH (1, 1) approach to furnish a new method with superior predictive abilities. The approach is back tested for the entire sample as well as for a holdout sample using rolling windows.     

用矩匹配方法计算非线性风险度

矩匹配方法是用来求解非线性风险度(Value at Risk，简称：VaR)的一种普遍性方法，它是先假定样本经验分布服从已知分布族，然后运用矩匹配估计方法估计相应的参数，得到资产回报样本的密度函数，再计算风险度VaR；本采用的Johnson分布族是矩匹配方法的直接应用，并且计算出来的结果与局部Monte．Carlo结果进行了比较。并通过实证分析认为这种方法是一种良好的计算非线性VaR方法。     

基于TGARCH-t的混合Copula投资组合风险测度研究

在分析了现有Copula函数在测度投资组合风险不足的情况下,首先充分考虑资产波动的时变性、杠杆效应等特征,选择了TGARCH-t模型进行边缘分布建模.接着引入混合Copula模型来描述投资组合的复杂相关结构,同时利用构造的主对角线距离统计量等方法验证了混合Copula模型的优势.最后通过VaR的蒙特卡洛模拟结果看到,这种方法能更为精确的测度投资组合风险值.     

操作风险计量研究——基于贝叶斯Copula方法

商业银行操作风险的计量存在两个重要的问题,一个问题是损失数据缺乏,另一个问题是各部分之间的风险相关问题.结合Bayes估计和Copula函数解决了上述两个问题并基于中国商业银行操作风险的损失数据对对操作风险的计量进行了实证分析.实证分析的结果表明无论考虑风险相关与否,基于极大似然估计的VaR与基于Bayes估计的VaR具有一定的差距.     

不同市态下正态性转换时变VaR

VaR技术作为全球广为流行的金融风险管理技术,其测度的是极端情况下的风险头寸,但在传统假设下可能会极大地低估其值,这就会使得在实践中使用VaR值作为风险管理标准时面临更大的新的风险.考虑我国股市处于不同市场态势下对风险头寸的影响,就牛、熊市中分别估测VaR值.首先利用各种Delta-Gamma-Johnson转换函数对经验数据进行正态性调整.考虑通过转换机制调整后的经验数据仍然存在的异方差性特征,然后运用GARCH模型计算时变VaR值,以此来改善VaR的计算风险,探讨我国股票市场VaR技术的适用性和准确性.