VaR及投资灵敏度分析

VaR是一种处理非线性问题、概括证券组合市场风险量化的工具,它解决了传统风险定量化工具对于非线性的衍生金融资产适用性差、难以概括证券组合的市场风险缺点,有利于测量和管理金融风险.通过简要介绍VaR的概念、性质及特点的基础上,对VaR关于投资组合的灵敏度进行了深入分析,给出了VaR关于投资组合一阶、二阶导数的解析表达式,进而说明了VaR的凸性利用.     

VaR模型及其在证券投资管理中的应用

VaR模型是近年来用于测量和控制市场风险的主要方法之一,分析了VaR模型的基本原理和考虑的主要因素,根据函数所反映的映射关系,将资产组合价值与其相关的市场风险因素的关系分为线性关系和非线性关系,推导了在正常市场条件下VaR值的计算方法,并探讨了VaR模型在投资组合构造、投资风险控制、信息披露、金融监管等方面的应用．     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

D-G正态模型在VaR计算上的改进

对于包含期权等非线性头寸的投资组合来说,其VaR计算,通常是利用二阶或高阶泰勒展开式来近似投资组合在特定时期内相对于市场变量的价值变化,即D-G正态模型,然后针对这个模型来进行VaR计算.本文在分析这个模型缺陷的基础上,设法通过调整置信参数α,来提高风险预测的准确度.     

基于VaR控制下的动态优化投资组合

本文应用的动态优化投资组合模型是在VaR的约束下,调整投资组合的配置,使期望收益达到最大.基于投资组合中每一种资产的收益率序列,模型在不断变化的数据窗口下,首先估计模型参数,然后求解优化模型,得到每日投资组合中风险资产在VAR约束下的最优配置和借贷比率.这种方法对构筑新的风险资产投资组合的决策,以及对已有投资组合中资产配置的优化具有重要的指导意义.选取中国A股市场的4只股票,在收益率服从正态分布的假定下,确定投资组合中的资产配置以及借贷比率,并且讨论了模型参数的敏感性.     

基于极端损失的投资组合VaR方法

根据g-h分布的统计特性,提出了基于投资组合极端损失的VaR计算方法——g-h VaR法,该方法结合了分析方法、历史模拟方法和极值理论方法的优点,能够较好地处理组合回报的不对称现象的厚尾现象．证券市场的实证研究表明,该方法优于常用的δ-正态方法．     

关于风险度量方法VaR的文献综述

近年来,不管是对风险度量的重要性,还是对风险管理的有效性的研究都获得巨大的提高。这是金融市场全球化的结果,也是交易系统和通信技术创新的结果。量化的风险度量方法一度成为国内外金融投资研究的热点问题之一.而VaR便是一种计量风险大小的方法,它是对市场风险进行数量化度量的重要工具。本文主要比较总结了VaR的不同计算方法及其改进思路,以期在实际中获得更好的应用。     

基于数据挖掘的VaR测量算法研究

提出了将数据挖掘中分位数图的思想应用于VaR测量的新方法，为风险控制和投资决策探索了一种新思路．从设定时间区间内的证券组合对数收益率序列里，求出给定置信水平下不同时间段的分位数，得到分位数序列，由此建立回归方程，预测组合未来特定一段时间内收益率序列的分位数，然后再根据组合的市值大小，直接计算出VaR值．该算法能够有效地处理纽合收益非正态分布和非线性纽合的情况，在社保基金投资管理系统中得到应用，在国内证券市场数据上进行实验，并采用失败频率检验法来验证算法的精确性，结果表明，该算法是可靠的，有较好的鲁棒性、     

基于Copula-kernel模型的流动性VaR分析

传统VaR方法在衡量投资组合的风险上存在诸多缺陷,针对BDSS模型进行改进,基于相对价差得到了再修正的BDSS模型以计量流动性风险.实证分析表明,Copula-kernel模型对多元收益率和相对价差序列的拟合程度都很高,且La-VaR中的流动性风险部分随着置信度的减小而逐渐显著,返回测试表明无论置信度的高低,在大多数情况下La-VaR都不会低估风险.     

基于时变pair-copula的多资产投资组合VaR分析

在对资产组合的研究中采用pair-copula法构建了反映多个资产收益实际分布和相依性的联合分布函数,对每个pair-copula用二元时变copula替换原先的二元静态copula得到时变pair-copula,并结合蒙特卡洛模拟技术,给出投资组合的风险价值VaR的计算方法,最后通过实证分析验证了该模型的有效性和优越性.     

VaR与CVaR的对比研究及实证分析

对两种风险度量方法——风险价值（VaR）和条件风险价值（CVaR）的性质和最优化算法进行了比较．首先对它们具有的性质如平移不变性等进行了比较,其中CVaR独有的次可加性最能显示它相对于VaR的优越性．然后,通过引入顺序统计量,把现实中基于CVaR的最优组合问题转化成线性规划问题,并说明只有当收益服从高斯分布时,基于VaR和CVaR的两种最优组合问题的解才是一致的,基于VaR的最优问题才有意义．最后对深市股票进行了实证分析,验证了上述结论,并分析了可能存在的影响结果的因素．     

基于VaR的无卖空投资组合分析及实证研究

简单介绍了投资组合分析技术的发展现状;然后在传统的证券投资组合中加入VaR约束条件,并结合我国股票交易市场不允许卖空的前提,运用树形算法得出确定最大预期损失的证券投资组合;在此基础上提出了对我国股市发展的建议.     

风险价值VaR及实证研究

随着经济一体化的深入,风险管理受到各个国家和地区越来越多的重视。本文主要讨论了风险管理中的市场风险度量的方法,具体介绍了基于投资组合的收益(或损失)函数的分布函数提出的风险值(VaR)和期望损失(ES)这两种度量方法,它们是目前使用得最广的市场风险度量方法。文中比较了这两种方法的优缺点,给出了各种不同计算VaR和ES的方法,同时也对各种方法进行了对比讨论,给出了一个基于中国上证沪深指数在1999—2013年的日收益率序列的一个实证研究。     

金融风险度量VaR方法及其应用

风险价值(VaR)是近年来受到国际金融界广泛支持和认可的一种度量金融风险的工具。本文介绍了VaR的基本原理、VaR的计算方法,并且比较了各种计算方法的优缺点及发展方向,阐述了将VaR方法引入中国金融风险管理领域对我国的金融市场建设的重大意义。     

VaR方法在外向型企业风险度量中的应用

在浮动汇率制度下,外向型企业为规避越来越多的汇率风险,需要对这些汇率风险进行度量。将VaR法引入到外向型企业的汇率风险度量研究中,通过实例度量和检验分析,说明VaR法可以对我国外向型企业的汇率风险进行度量。     

市场变化条件下的最佳投资组合模型研究

VaR(ValueatRisk)是一个在当前的金融市场条件下,各种不同的风险测量一个确定投资的获利的重要方法。近年来,套利研究被用来开发这种风险的可行方法。提出了VaR估计并提出新问题。假设给定一个可接受的VaR,如何确定一组给定证券的组合投资的最大收益,并且同时满足的约束条件。假设市场条件是变化的,如何在保证的投资组合下,在给定的范围内,获得一个投资重组(重新平衡)策略,使其在一系列投资组合中相应的收益最大。为了解决这些问题,采用并进一步开发了一种算法来进行这些投资组合的优化问题。     

VaR模型在中国股票市场风险评估中的应用

本文介绍了VaR模型,利用RiskMetrics方法计算了中国四个主要股票指数的VaR值,并利用失败率检验法进行VaR模型的准确性检验。结果表明,在95%置信水平下,VaR模型在预测未来风险方面是显著有效的。     

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。     

藤Copula模型在我国股市多资产组合VaR预测中的应用

选取我国六只股指数据为研究对象,基于几类藤Copula模型和VaR理论,运用滚动MonteCarlo技术及MST-PRIM算法确定各类模型的RVM结构,并在此基础上结合滚动时间窗口方法预测投资组合的动态VaR。为了进一步验证模型的拟合效果,采用返回值检验法测试模型的VaR预测结果。事实证明:在等权重与Mean-CVaR约束条件下,C-藤和R-藤对投资组合的VaR预测效果胜于D-藤;另外,R-Vine all Gumbel模型的VaR预测结果比R-Vine all t模型好,充分说明在面对非对称特点的金融数据时,Gumbel-Copula比t-Copula更具说服力。