基于SWARCH-GED模型的极值VaR度量

针对金融资产收益率序列的尖峰厚尾和结构变换特征,用SWARCH-GED模型拟合收益率序列,然后以标准残差序列为媒介与极值理论有机结合起来组建基于SWARCH-GED-EVT的动态VaR模型,最后对模型的精度和有效性进行验证。研究表明,SWARCH-GED-EVT模型能够有效识别上证综指的尖峰厚尾和结构变换特征,并且能精确有效地测度上证综指收益风险,尤其随着置信水平的提高效果更明显。     

基于fattailed-garch的VaR模型

利用Fattail_GARCH VaR模型在不同分布的假设下建模上证综指收益时间序列，并与常用的正态分布下GARCH_VaR模型进行比较，结果表明：广义误差分布及Skewed t分布下的GARCH_VaR模型适合建模上证综指收益时间序列。     

基于GJR模型的EVT动态风险测度研究

通过运用ARMA-GJR模型捕获上证综指的损失序列的自相关、波动集聚性和杠杆效应特征,用极大似然估计(MLE)估计模型参数以求出条件均值和条件方差以及标准残差序列;然后假设沪市指数损失标准残差序列近似满足EVT条件,分别取175、105和35个极值数据并运用MLE来估计广义帕累托分布(generalized Pareto distribution,GPD)的参数,进而估计出q分位数对应的动态风险值VaR(value at risk)和ES(expected shortfall);最后对风险测度方法的估计效果进行分析.实证结果表明:标准残差序列的极值尾部近似服从GPD,ES是相对于VaR更保守的风险测度方法.     

基于MRS-EGARCH模型的沪深300指数波动预测

提出了一种新的马尔可夫机制转换EGARCH模型,假定收益残差序列可以服从高斯分布、t-分布或广义误差分布,并允许非高斯分布中自由度与所处机制有关,以刻画可能存在的时变峰度及厚尾特征.以沪深300指数为例进行实证研究,发现新模型能区分隐藏在指数收益序列中的不同机制.预测成功率指标表明设定收益残差服从厚尾分布的MRS-EGARCH比单机制EGARCH具有更好的波动率预测性能.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)一GARCH(1,1)模型与幂律型分布相结合计算VaR的方法.用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,两者结合更好地描述回报时序的动态波动现象.对上证综指进行实证分析,结果表明,文中提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确.     

基于SV-POT-TDRM的沪深300股指期货尾部风险研究

使用随机波动率模型修正沪深300股指期货收益率序列的波动聚集效应,并在残差服从正态分布和极值分布的假设下,分别计算了度量尾部风险的VaR、ES及尾部扭曲风险测度(TDRM)值。研究发现:股指期货日收益率序列呈现负偏、尖峰厚尾及波动聚集的形态;使用随机波动率模型可以较好地预测波动率的变化;假设残差分布服从极值分布的模型结果优于假设残差分布服从正态分布的模型结果,说明极值模型在尾部分析上比正态分布更加适用;使用扭曲尾部风险测度估计尾部风险,通过扭曲函数的选取与风险厌恶系数的不同设定,调整尾部风险发生的概率,反映了投资者的主观风险偏好,在相同置信水平下,得到的尾部风险估计值比VaR更精确。     

基于RR-EP模型的风险量化技术

经典的均值-方差投资组合模型作为现代投资组合理论的基础, 采用方差作为风险度量, 忽略了投资组合收益的非对称性. 半方差模型只侧重于风险部分的度量, 而对于高出期望值的部分 (超额收益)未予考虑. 文章针对方差、半方差方法作为风险测度的不足, 提出了一种新的度量投资风险和收益的RR-EP模型, 该模型不仅能度量投资的相对风险而且还能够对于高出期望值的那部分收益予于充分考虑. 并结合连续型随机变量的情形, 进一步讨论RR-EP模型的性质及其与传统度量风险方法的一致性. 实例分析说明了方法的实用性和有效性.     

SV-GED模型在中国股市的VaR与ES度量及分析

从分析中国股市指数收益率的统计特征入手,以SV模型为基础,在多种分布情形下测算了沪深两市时变风险值V aR及ES。结果表明:基于GED分布的SV模型(SV-GED模型)较好地刻画了高频时间序列的尖峰肥尾性及波动集聚性与持续性等特性,并对两市指数进行较准确的预测,ES相比V aR能够较准确地估计尾部风险。     

中国股市收益率的多重分形分析

应用MF-DFA方法对上海综合指数收益率和深圳成分指数收益率进行多重分形分析.结果表明:上证综指收益率和深成指收益率均具有多重分形特征,均存在长程相关性和胖尾分布;深成指收益率序列的相关性程度高于上证综指收益率序列的相关性程度,从而上证综指收益率的波动性大于深成指收益率的波动性.     

中国股票市场的收益分布及其SPA检验

以上证综指和代表性波动周期为例,采用样本外的滚动时间窗预测法,计算了不同收益分布假设下的波动率模型对指数波动率的预测值,并进一步运用基于自举法的SPA检验,评估了各种分布假设对上证综指波动的预测精度.实证结果显示:就中国股市而言,有偏分布能够提供最优的波动率预测精度;在某些损失函数标准下,广义误差分布也具有较好的预测表现.     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

基于极值理论和Copula函数的条件VaR计算

针对金融市场中某种资产不同风险的非线性和非对称尾部的特性,将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.经过对深证成指的实证研究表明,极值理论能更好地拟合具有厚尾分布的收益率和日内波幅的边缘分布,Gumbel Copula函数也能更好地反映两者之间的相关关系.由Gumbel Copu-la函数拟合的联合分布计算出的在一定日内波幅条件下的市场风险VaR能给投资者在进行风险分析以及构建投资组合时提供有用的信息.     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.     

证券组合SKST-APARCH模型和VaR估计分析

金融资产无条件收益分布表现为偏度和峰度共存，运用ARCH模型族在波动和Valt分析中往往将对称的后尾t、GED误差分布与不对称冲击结合在一起来解决序列不对称特性．由于偏度和峰度并非相互独立．这样未能根本上解决问题。本文在APARCH模型中引入偏t分布（Skst）模型对上证指数和深证A股指数的波动及VaR进行了实证分析，并与Gauss、t、GED等对称分布下的估计进行了比较，结果显示Skst能较好的拟舍波动、较准估计VaR．     

基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法

在非正态分布的条件下,M arkow itz的均值-方差资产组合选择模型存在不足。为此,以V aR和CV aR作为风险度量方法,EVT反映收益率的尾部分布,GARCH反映收益率的波动性,Copu la函数反映金融资产收益的相关性,构建了基于Copu la函数的资产组合选择模型。针对非正态分布条件下V aR非凸性和分布函数不连续性导致资产组合选择优化计算复杂、不精确的难题,设计了基于单纯形和传统遗传算法的混合遗传算法。最后,根据中国证券市场数据,采用该混合遗传算法对建立的资产组合选择模型求解。     

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.     

基于CoES模型的我国金融系统性风险度量

为了更加准确地度量金融系统性风险,预防灾难性金融风险事件发生,本文基于尾部损失的均值提出了一个新的度量系统性风险的方法——CoES模型,相对于传统的CoVaR模型来说,该方法更关注尾部损失的均值而不仅仅是单一分位点上的期望损失,能够更加准确地捕捉系统性风险,为金融系统监管提供更为有效的信息.最后,本文将该方法用于度量2007-2016年间共21个金融机构对我国金融市场系统性风险的贡献.研究结果发现:1)CoVaR模型可能低估了金融机构的系统性风险;2)当银行行业受到冲击时,其对整个金融系统造成的风险最大,其次是保险,房地产和多元金融行业;3)在银行行业中,对系统性风险贡献最大的当属工商银行和中国银行,应对其进行重点监管;4)相对于银行和房地产行业,保险行业和多元金融行业自身的VaR值较高,但对金融系统性风险的贡献较低,因此应注意对其自身风险的管理.     

基于高阶矩风险控制的贷款组合优化模型

以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险, 以峰度来控制贷款组合收益率分布出现极端情况的双侧风险, 建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上, 增加了偏度和峰度参数, 建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束, 控制了组合收益率偏离均值的离散程度: 通过偏度约束, 控制了组合收益率总体分布向损失一侧偏离的程度: 通过峰度约束, 控制了组合收益率出现极端损失或收益的可能性. 模型从多个角度控制了贷款组合的风险, 拓展了经典的均值-方差优化组合思路.     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

基于非线性相依的市场间金融传染度量——测度2015年中国股灾对重要经济体的传染效应

针对真实市场间所具有的非线性、尾部极值相依性及时变性等相依特征,本文以2015年6月中国爆发的股灾为背景,从传染效应的存在性、传染强度、传染方向三个视角深入研究中国股市对日本、美国、韩国三个重要经济体股市的金融传染效应.首先,将极值理论(extreme value theory,EVT)与时变Clayton Copula函数相结合构建时变Clayton Copula-EVT模型,估计下尾极值动态相依系数,并进行统计检验,发现中国股市对日本、美国股市存在风险传染效应,而对韩国股市不存在风险传染效应;进一步地,量化中国股市对日本、美国股市的风险传染强度,发现中国股市对日本、美国股市的传染强度都较大,且中国股市对美国股市的传染强度明显强于其对日本股市的传染强度;最后,利用基于时间延迟的去趋势交叉相关性分析方法研究中国股市与日本、美国股市之间的风险传染方向,发现股灾后市场间风险传导方向发生了改变,风险主要由中国股市传染至日本、美国股市.上述实证结果为深入研究市场间金融风险传染的非线性相依特征机理提供了有益的参考.