我国外汇储备汇率风险测度

选取2015年3月18日至2016年7月8日的美元/人民币日频汇率数据作为样本,建立了基于正态分布、t分布、GED分布的GARCH(1,1)模型来研究汇率的波动性,并计算出风险价值(VaR值),结果显示,在置信水平分别为0.99,0.95,0.9的条件下,基于t分布、GED分布的GARCH(1,1)模型的VaR值大于基于正态分布的GARCH(1,1)模型的VaR值,使其有效地估计风险具有现实意义。     

基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究

运用GARCH-CVaR和GARCH-VaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,测度结果表明:GARCH模型的种类对CVaR和VaR的计算结果影响不明显,而分布假定和置信水平对CVaR和VaR的计算结果影响显著;同时,还对GARCH-CVaR和GARCH-VaR的风险测度效果进行了对比研究,对比结果表明:分布假定和置信水平会显著影响CVaR对VaR的改进效果.     

人民币汇率风险测度的实证研究——基于极值理论的VaR

引入基于极值理论的VaR(Value-at-Risk)对欧元/人民币和日元,人民币的汇率风险进行测度,实证结果表明:与历史模拟法和方差-协方差法计算的VaR相比,基于极值理论的VaR能更准确地度量欧元,人民币和日元/人民币的风险.     

基于CARR模型与GARCH模型对VaR的比较研究

研究了在一般情形下和极端风险下的风险度量,分别采用基于极差、收益率为变量建模的CARR模型、GARCH模型应用于VaR的计算,结合深证成指的实际数据进行实证分析,分别对比在不同分布下GARCH模型和CARR模型计算出的VaR,最终得出基于在广义伽马分布下CARR模型算出的VaR值,能更加真实地反映深证股市极端情形下风险程度,而基于T分布下的GARCH模型更加真实地反映深证股市一般情形下的风险程度.     

基于ARMA-GARCH模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.     

ARMA-GARCH模型在股市市场风险测度中的应用

选择股票市场2014年1月8日到2016年8月2日上证指数(SZCZ)收盘价作为样本进行研究,建立了残差序列服从不同分布下的ARMA(2,2)-GARCH(1,1)类模型,并进行实证分析及预测,通过比较发现ARMA(2,2)-GARCH(1,1)类模型能够有效处理股票数据的波动集聚性。在此基础上,计算出不同置信水平下ARMA(2,2)-GARCH(1,1)类模型的风险测度值(VaR),与历史模拟法、改进的历史模拟法下的VaR值进行比较,得出ARMA(2,2)-GARCH(1,1)类模型更有效的反应市场风险。     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

我国家具制造业上市公司外汇风险管理研究——基于GARCH模型与VaR方法

选取我国7家代表性家具制造业上市公司2012-2013年数据,运用广义自回归条件异方差模型(GARCH)和VaR方法,旨在测算人民币汇率变动对以出口为导向的家具制造业造成的潜在外汇风险。结果表明,其中3家公司风险敞口较小,建议通过资金需求和订单议价灵活调整;另外4家公司存在较明显的外汇风险,需要寻找合适的汇率风险管理工具管理风险。     

基于时变多元Copula-VaR的商业银行汇率风险度量

构建了一个时变多元Copula模型,并运用Monte Carlo模拟技术计算VaR,以期更准确地度量人民币兑美元、欧元、日元和港元4种汇率可能给商业银行带来的风险.然后将其度量效果与静态多元Copula-VaR的度量效果进行比较分析.实证结果表明:人民币兑各主要货币汇率之间的相关结构以时变方式变动,基于时变多元Copula-VaR的商业银行汇率风险的度量效果更好.     

基于VaR模型的西安银行信用风险管理实证研究

用VaR模型可以更精确地计算出西安银行信用风险.计算出来的值在不同置信水平下正态分布和实际偏态分布的比较中,可以看出差异较大.这说明采用正态分布来解释西安银行各信用等级贷款的价值分布不太准确,误差较大;而根据实际偏态分布所得计算结果进行资本配置应该更准确些.也就是说,西安银行的信用风险管理在现代信用风险管理模型中用VaR定量模型来计算信用风险准确度更高.     

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.     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

GA在改善证券市场风险测量精度中的实证研究

应用遗传算法(GA)估计线性GARCH(1,1)模型和非线性EGARCH(1,1)的参数,建立两个模型计算中国证券市场的风险值(VaR).通过对比传统算法和遗传算法的风险值,计算数据显示:线性GARCH(1,1)模型和非线性EGARCH(1,1)模型下,GA得到的风险值均大于真实值,可以解决传统算法中预测精度不高的问题.     

基于风险度量模型的高频股票交易数据的比较分析

探讨GARCH-VaR和GARCH-CVaR模型的参数估计,并在实例分析中比较了其估计效果.针对高频股票交易数据的非平稳性,建立对数收益率的ARMA(3,2)-GARCH(1,1)模型,并计算VaR和CVaR的值.实证研究表明,GARCH-CVaR模型比GARCH-VaR模型估计效果更好,运用GARCH模型能有效计算出VaR和CVaR的值,从而精确给出证券市场中高频股票交易数据的风险度量.     

用改进的蒙特卡洛(MC)方法计算VaR

VaR技术是风险管理中重要的方法;蒙特卡洛模拟法（MC）计算VaR已经得到广泛的实际应用,但是其在伪随机数的产生和联合分布的确定方面过多地信赖于假定好的分布和模型. 采用copula函数改进了传统的MC方法,很好地处理了以上的问题,并在汇率风险管理领域作了实证分析,得到了较好的结果.     

基于组合投资的混合风险度量模型

对2种风险度量方法均值-VaR模型和均值-CVaR模型进行混合.首先对在险值(VaR)和条件在险值(CVaR)具有的性质如次可加性进行论述和比较,其中在计算条件在险值(CVaR)时,同时也能得到在险值(VaR),因此CVaR可对风险进行双限监管,比单纯的VaR更加保险;然后对均值-VaR模型和均值-CVaR模型赋予不同的权重,得出混合后的模型的相关性质,使混合后的模型在某种程度上优于单个模型的投资组合;最后对深市股票进行实证分析.     

基于EGARCH-VaR模型的沪深股市风险分析研究

根据证券收益的基本特性,对上证指数和深证指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型及EGARCH-M模型.通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析.分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性.     

基于人民币兑欧元的马尔科夫机制转换的外汇汇率波动性研究

本文运用Markov机制转换模型,采用2013年1月1日~2016年1月1日人民币兑欧元日度数据,研究人民币兑欧元汇率在3种状态之间的周期转换,结果表明,人民币兑欧元汇率状态分别为缓慢下跌、上升、快速下跌,其中上升持续时间最长,为18.70天,MA-AR模型比AR模型更好的模拟人民币兑欧元汇率波动.