基于门限CARE模型的股市收益自相关性研究

股市收益率的自相关性是金融计量研究的热点问题,对股市风险进行有效度量具有重要意义.考虑到金融收益率序列存在尖峰厚尾与非线性特征,传统的线性模型(例如均值回归模型、分位数自回归模型、期望分位数自回归模型等)往往难以在该信息特点上分析.因此,以正负向收益方式作为分段机制,建立门限自回归期望分位数(TCARE)模型,刻画收益...     

EGARCH模型和分位数自回归类模型在风险预测中的比较

利用了三种时间序列模型对中美汇率的风险进行一步向前滚动预测。1)EGARCH模型,它可以刻画金融资产收益率的尖峰厚尾现象,异方差性,波动集聚性和杠杆效应。2)非常适合具有异方差性的QAR模型,该模型不需要假定误差项的分布,可以很好地刻画条件异质性,在模拟具有尖峰厚尾的金融数据时,得到了广泛的应用。3)T-QAR模型,该模型可以通过门限变量控制分段线性函数,进而刻画金融资产具有的非线性性和非对称性。最后,对三种模型的预测效果进行了VaR回溯检验,结论是T-QAR模型的预测效果最佳,而EGARCH模型的预测效果最差。     

基于不同分布假设的GARCH模型对上证指数风险值预测能力的比较研究

采用GARCH模型对上海股票市场的潜在风险进行了度量．通过对三种不同分布（Normal，Student-t，GED）进行返回检验，可看出GED分布能更好地刻画上证指数的尖峰厚尾特征，从而也能更准确地预测沪市的风险值．     

一种估计风险价值的新模型

根据极值-Ⅱ型分布的厚尾性质，结合当今金融市场收益分布的尖峰厚尾特征，提出一种具有尖峰厚尾的Laplace极值-Ⅱ型混合分布，并在此基础上建立了一种新的估计风险价值VaR(Value at Risk)的Laplace极值混合模型，通过对上证B股的实证模拟分析，发现该模型对收益表现异常的金融序列的VaR估计具有较高的应用价值.     

基于极值理论的ARMA-GARCH-M类模型及实证分析

为预测金融资产回报序列的极端风险,用ARMA-GARCH-M类模型处理回报序列的异方差性,风险溢价性.结合EVT方法捕捉回报序列分布厚尾的优势,建立两个度量金融市场极端风险的模型:EVT-ARMA-EGARCH-M模型与EVT-ARMA-TGARCH-M模型.最后以苹果公司股票数据为实例,证实了两个模型都能很好的刻画极端风险.     

非正态假设下投资组合的风险分解

为提高风险分解结果的准确性,本文给出组合收益分布服从非正态假设下,组合VaR及ES分解的两个新方法：局部线性加权平均;用分段线性函数拟合极端损失情形下,资产与组合回报之间的关系。针对实际金融数据的尖峰厚尾性与杠杆效应,风险度量采用EGARCH-GED模型。实证分析及模型检验的结果表明,新方法能准确、快捷地分解组合风险。     

基于APARCH-st模型的ES计算

为了刻画金融时间序列的尖峰厚尾性及股市中存在的杠杆效应,Ding、Granger和Engle(1993)提出了APARCH模型,但在关于此模型的研究中,通常假设条件分布为正态分布或对称厚尾分布,如t分布、GED分布.在兼顾波动性和分布两个方面的基础上对收益率序列建立APARCH-st模型,给出其VaR和ES的计算方法,并与基于APARCH-t模型的ES值相比较,结果表明,考虑偏态分布得到的ES估计更为保守.     

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.     

基于VAR-GARCH模型我国外汇风险分析

通过对美元收益率R序列的特征分析发现,序列存在非正态性、尖峰厚尾、非对称性、异方差性的特征。分别基于正态分布、T分布、GED分布和偏态T分布的GARCH类模型对R序列进行实证分析。经过VAR方法的风险度量可知,基于T分布的GARCH-M模型对多头美元市场的风险度量最为准确。     

基于结构化模型的金融衍生品流动性分析

主要用损失现金流来刻画信用风险和流动性风险给投资者可能带来的风险损失,用结构化方法给出了相应的风险损失模型,进一步给出刻画金融衍生品的利差模型,并得到相应的定价;金融合约的流动性由宏观市场及本身特点所决定,利用金融市场实际数据,借助损失模型,对债券市场的流动性进行实证分析.     

基于Variance Gamma(VG)分布下的VaR与CAaR

以VaR和CAaR为风险度量,针对金融资产收益率分布通常存在的"尖峰厚尾"性,引用VG分布来分析金融资产的VaR和CAaR,实证表明VG分布能较好地拟合金融资产收益率分布,与实际金融市场的变化更贴切.     

基于GARCH-VAR模型的黄金类股票风险研究

VAR作为当今风险管理基本工具之一,在各种金融资产的风险管理中得到广泛的运用,方差协方差模型是计算VAR的一般方法,它是假定金融时间序列服从正态分布,未考虑方差的时变性.然而时间序列普遍具有不完全服从正态分布、尖峰厚尾、波动集聚性、异方差等特点,GARCH模型恰好能更好地抓住这些特点,所以基于方差协方差模型的GARCH-VAR模型能更好的对金融时间序列进行风险分析.详细介绍了GARCH-VAR模型,并对如何运用GARCHVAR模型度量黄金股票的风险进行实证分析,得出了相应的结论.     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

大额支付系统中的系统风险及其决定因素研究

为研究风险冲击在复杂金融系统中的传播与扩散机制，并对系统风险进行刻画与度量，通过模型分析和基于合成数据的仿真模拟，系统地研究了不同流动性水平和操作风
险对系统造成的流动性冲击，分析了不同类别冲击对系统参与者和对系统结算效率的影响。研究发现，风险银行在支付网络中的地位及与其他参与者之间的支付流关系决定了一阶冲击的规模和分布；而一阶冲击的分布、参与者的流动性水平和系统参与者自身的稳健性决定了系统冲击的规模和分布。在此基础上构建的系统效应指标能很好地度量不同场景下的系统风险水平。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

MC-GARCH模型在互联网金融风险度量中的实证研究

针对互联网金融风险测度问题,提出了MonteCarlo模拟法。首先,选取中证互联网金融指数作为研究对象,并对数据进行基本的统计分析,得出中证互联网金融指数对数收益率具有尖峰厚尾性和异方差性的特点,建立GARCH模型,对序列的均值和方差进行估计;其次,基于GARCH模型计算出的均值和方差,利用MonteCarlo模拟法计算中证互联网金融指数的VaR和CVaR值;最后,对模型的准确性和精确度方面进行Kupiec返回检验。结果表明:VaR和CVaR均可作为度量互联网金融风险的工具,但VaR无论在准确性上还是精确度上都远低于CVaR,故CVaR是一种更优良的风险测度工具。     

基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED-EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。     

基于Griddy-Gibbs抽样的混合高斯AR-GJR-GARCH模型的贝叶斯估计

综合考虑波动率的尖峰厚尾性、杠杆效应等特点,作者提出了混合高斯AR-GJRGARCH模型,并用基于Griddy-Gibbs抽样的MCMC方法对模型的参数进行了贝叶斯估计,然后以新东方的股票数据为例用Matlab和R软件对模型进行了实现与检验.结果表明:模型对波动率的各种特性都有一定的体现,并且估计方法的收敛速度较快、自相关性弱、算法复杂度低、稳定性良好.     

基于价格冲击函数的经流动性调整VaR模型

提出了一种基于价格冲击函数的VaR（风险值）模型构建思路,以使得这种经流动性调整后的VaR更能完整地计量金融资产的风险.对于给定数量和限定期限的资产变现问题,投资者的风险偏好系数决定了其选择的交易路径是唯一的.由于投资者风险偏好系数和VaR下的置信概率水平具有一一对应关系,可以通过最优路径集下执行成本的期望和标准差组合曲线来获得不同置信概率下,经过流动性调整后的VaR.考虑到实际的资产价格分布的尖峰厚尾性,引入了正态修正因子θ,以改进VaR的风险评估效果.     

沪深300股指期货流动性风险测度

运用BDSS模型对我国沪深300股指期货合约2010年6月1日至2012年4月23日的流动性风险进行实证检验,结果发现,收益率序列并不符合正态假定,具有尖峰厚尾特征;风险测度检验发现流动性风险占到总市场风险的一半以上,在忽略了流动性风险情况下,将会严重低估总体投资风险。