基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

周日效应下的VaR风险测量

资本市场所谓的“周日效应”是许多证券回报率反常现象之一。本文从金融市场风险测量的角度出发,对中国沪、深股市的日回报率进行了周日效应的实证研究,并且对传统VaR风险度模型进行了改进,然后通过后续检验支持了对传统风险度模型的周日效应调整,可以得到更加准确的VaR风险度测量的结论。     

基于峰度法的POT模型对沪深股市极端风险的度量

基于VaR正态性假设导致的尾部风险低估问题,研究极值POT模型,并针对样本平均函数法在某些数据结构下失效的缺陷,利用峰度法定量选取了阈值.沪深股市极端风险实证表明:涨跌停板影响了POT模型的有效性.涨跌停板前,在较高与较低的置信水平下,POT模型均比VaR模型有效;涨跌停板后,POT模型在较高置信水平下优于VaR模型,但在较低置信水平下反而不及VaR模型.研究认为这主要是因为涨跌停板抑制了极值数据的异质性,造成极值密集分布在涨跌停板附近,致使厚尾分界线向内收敛,从而影响了POT模型的有效性.     

基于 Bayesian-SV-SGT 模型的原油价格‘Value at Risk’估计

从分析原油现货市场收益率的统计特征入手,为更好地刻画原油现货市场收益率的尖峰厚尾、偏态及波动集聚性和持续性的波动特性,引入 SGT 分布来描述原油市场 价格的分布特征, 利用 SV模型来度量国际原油市场的价格波动率. 同时, 基于 Bayesian 原理,利用 MCMC 方法来解决 SV 模型的参数估计难题, 建立了 Bayesian-SV-SGT模型, 并对国际原油现货价格“VaR”(Value at Risk)进行了估计和分析.研究结果表明, 相对 GARCH 类-GED 模型而言, Bayesian-SV-SGT模型更好地刻画了原油现货市场收益特征,并能更加精确地刻画原油现货市场的价格风险.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

评估Value-at-Risk模型——条件矩检验方法

提出一种基于条件矩检验的Value-at-Risk(VaR)模型评估方法.其基本思想是如果VaR模型无设定误差,则观察到的"突破"事件是鞅过程.因此可以通过检验"突破"事件是否为鞅对VaR模型进行设定检验.采用条件矩检验方法对风险管理行业普遍使用的八种VaR模型进行回测检验,作者发现条件历史模拟法表现最好,通过了各种检验,而无条件正态分布VaR模型表现最差,没有通过任何一种检验.在风险管理实务中,作者推荐使用条件历史模拟法度量和管理金融风险.     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

基于高频方差持续的资本资产定价模型研究

对高频金融时间序列的“已实现”波动和“已实现”协方差提出相应的模型并建立“已实现”波动自回归移动平均模型和“已实现”波动向量自回归模型.同时,给出了高频时间序列持续性定义及相关性质.在“已实现”波动自回归移动平均模型基础上,从条件方差持续性的角度,讨论了条件方差的持续性对资产资本定价模型的影响.又进一步讨论了多资产组合条件下,“已实现”波动向量自回归模型持续性对组合投资的影响.给出了基于“已实现”波动自回归移动平均模型的实证分析,指出当模型具有单位根时条件方差对资产定价的影响是持续的.最后讨论了条件方差持续性质在金融分析中的现实意义.     

基于vine copula方法的股市组合动态VaR测度及预测模型研究

以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结构对投资组合的VaR预测能力的优劣.实证结果显示:不论是在等权重还是在mean-CVaR约束条件下,R-vine对投资组合的VaR预测效果是最好的.特别在高分位数水平下,其表现得更为突出.另外,D-vine的预测精度总体上要高于C-vine和R-vine all t的,而节点间全为t copula的R-vine all t表现相对较差.     

基于信度理论的VaR模型改进及实证研究

目前金融机构普遍采用VaR方法来度量金融风险。研究评述了VaR方法存在的不足,并在此基础上,结合信度理论中的有限波动信度、贝叶斯信度方法和Bühlmann—Straub模型分别对传统的VaR方法进行了改进。依据反映金融市场数据特点和操作难易程度,认为结合Bühlmann-Straub模型的VaR改进方法优于另两种改进的VaR方法。最后,选取一只具有代表性的股票——浦发银行,分别运用传统的VaR方法与基于Bühlmann—Straub模型的VaR改进方法对其风险进行验证,结果基于Bühlmann-Straub模型的VaR改进方法计算的风险精度明显优于传统的VaR方法。