权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

股市风险VaR与ES的动态度量与分析

首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值VaR和ES的模型，并在多种分布情形下动态测算上证综合指数的风险，结果表明基于GED分布的VaR模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性，而ES模型则有效地弥补了VaR模型的不足之处。     

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。     

随机波动率模型的参数估计及对中国股市的实证

基于有效重要性抽样(EIS)技巧,提出极大似然(ML)方法估计了四种不同收益分布假定的随机波动率(SV)模型的参数. 以上证综合指数和深证成份指数为例,实证检验了不同收益分布假定的SV模型的性能,分析适合我国股票市场的SV模型及收益分布. 实证结果表明,与正态分布、学生t-分布和广义误差分布(GED)假定的SV模型相比,具有“有偏”和“尖峰厚尾”特征的有偏学生t-分布假定的SV (SVSKt)模型能够更好地描述中国股票市场的波动性.     

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.     

一种新型的VaR计算方法:g-h VaR法

根据g-h分布的统计特性,提出了基于金融资产损失的V aR计算方法——g-h V aR法。这种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,能够很好地处理组合回报的不对称现象和厚尾现象。在证券市场上的实证研究表明,该方法优于现有的D elta-正态方法。     

金融风险管理中ES度量的非参数方法的比较及其应用

预期不足(ES)是近几年发展起来的用于测量和控制金融风险的量化工具.在金融时间序列中, 将两步核估计应用于两步ES非参数估计之中,得到了ES模型的两步核光滑估计. 通过计算其期望和方差,比较了两步核光滑ES估计与ES完全经验估计及一步核光滑估计的优劣,得到了有趣的结论: 与VaR模型不同, 两步光滑化并不能减小ES估计的方差,反而会增大其方差, 并通过计算机模拟证实了理论获得的结论.对国内沪深两市中的封闭式基金进行了实证分析,计算了样本基金的ES完全经验估计、一步核光滑估计和两步核光滑估计,并计算了样本基金基于周收益率和ES的两步核光滑估计的风险调整收益(RAROC),以此对样本基金的业绩做出了评价. 实证分析表明: 在不同的置信水平下,基于周收益率和ES计算的风险调整收益排名比基于周收益率和VaR计算的风险调整收益排名要更加稳定.     

国际有色金属期货市场VaR和ES风险度量功效的比较

采用历史模拟法、蒙特卡罗模拟法、指数加权法、等权重法、GARCH法和极值理论法六种参数方法和非参数方法对国际有色金属期货市场风险值VaR建模, 并引入基于极值理论的预期不足ES对风险度量进行补充. 在利用返回检验对实证结果的功效进行比较研究的基础之上, 得出结论: 从对ES和VaR的检验结果比较而言, 当有色金属期货市场价格出现大幅跌涨时, ES比VaR更能准确地度量市场风险; 从对各种方法VaR的检验结果比较而言, 在95\%的置信度下, GARCH法和指数加权法能够更加有效地度量市场风险, 在99\%的置信度下, 指数加权法、GARCH法和历史模拟法能够更好地估计市场风险.     

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.     

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.     

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.     

基于多分形波动率测度的ES风险度量

多分形波动率(Multifractal Volatility,MFV)是一种最近提出的金融市场波动率测度方法。以上证综指和标准普尔500指数的高频价格数据为例,构造了多分形波动率测度的lnMFV-ARMA动力学模型,并运用基于Bootstrap方法的后验分析过程,实证对比了lnMFV-ARMA模型与其他6种常用波动模型对ES(Excepted Shortfall)风险测度的估计精度差异。实证结果表明:在所考察的大多数分位数水平下,lnMFV-ARMA模型对ES风险测度的估计精度都优于许多现有常用波动模型,特别是对标准普尔500指数的极端价格波动风险具有最优的刻画能力。     

具有有偏厚尾的非对称SV模型及其实证研究

为了描述资产收益与波动率之间的非对称关系,提出一种非对称SV模型,即具有杠杆效应与尺寸效应的SV(SV-LS)模型。进一步,针对资产收益分布展现出"有偏"及"厚尾"特征,引入有偏广义误差分布(SGED)来描述资产收益,提出具有有偏厚尾的SGED假定下的SV-LS模型。继而,基于有效重要性抽样(EIS)技巧,给出了模型参数的极大似然(ML)估计方法。最后,采用上证综合指数收益数据进行实证研究。结果表明,SGED假定下的SV-LS模型表现最优,它能够综合刻画资产收益的"有偏"及"厚尾"特征,并且证明了我国沪市具有很强的波动持续性以及显著的杠杆效应。     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

基于MSV类模型的中国汇市与股市间溢出效应

金融市场波动特征及溢出效应一直是经济、金融学界研究的热点问题之一,SV模型作为一种有效刻画金融时间序列波动的工具,极具应用前景,但用于测度溢出效应的向量SV模型由于参数估计困难而鲜见于文献。本文借助WinBUGS软件,采用基于Gibbs抽样的MCMC方法,运用DC-MSV模型和GC-MSV模型分别对汇市与股市间的动态价格溢出效应和波动溢出效应进行研究。实证结果表明,汇市与股市间的价格溢出具有明显的时变特征,总体为负相关关系;汇市与股市间存在双向波动溢出效应,但汇市对股市的波动溢出要强于股市对汇市的波动溢出,呈现不对称性。     

基于VS-MSV模型的金融市场波动溢出分析及实证研究

对于动态投资组合与风险管理来说，测定波动溢出效应是非常重要的。已有的资料显示SV模型比GARCH模型能够更好地刻画金融市场的波动，使用SV模型研究两个金融市场间波动溢出的文献并不多见，而使用多元SV模型研究多个金融市场间波动溢出则属空白。为了同时研究分析金融市场之间的波动溢出，作者在研究多元SV模型的基础上，建立了能分析判断波动溢出的模型——VS—MSV模型，并进行了实证分析。