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。     

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。     

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.     

基于等熵一致性风险测度的组合选择

本文基于一种新的一致性风险测度——等熵风险测度，进行组合优化，以检验其择股能力，从而检验其风险识别能力. 先就风险识别能力，尤其随机占优一致性对三种基于分位数的风险测度：VaR，ES（expected shortfall）和等熵风险测度进行了介绍与对比. VaR具有一阶随机占优一致性，而ES具有二阶随机占优一致性；等熵风险测度利用了整个分布的信息，不再是简单的0-1风险测度，这与VaR和ES显著不同. 而且，等熵风险测度具有更高阶的随机占优一致性，这使得该风险测度具有更好的风险分辨能力. 而后采用Spearman秩检验方法来检验和预测不同风险测度的风险识别能力，这与随机占优一致性阶数相呼应. 最后，在上证50指数成份股中采用组合优化方法，考察标准差，VaR，ES以及等熵风险测度情况下，优化组合持有期的不同业绩指标. 结果表明，等熵风险测度优化组合的业绩指标最好，表明该测度风险识别能力最高.     

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.     

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。     

基于非对称拉普拉斯分布的VaR和ES度量

基于非对称拉普拉斯分布,构建AR-GJR-AL模型,度量股票市场、股指期货市场和汇率市场的VaR和ES,采用严谨的后验分析方法对模型预测效果进行比较。结果表明:不同的金融市场,其变化波动特征不同,需要选择合适的模型开展VaR和ES的度量,其中,AR-GJR-AL模型在度量ES方面具有明显优势。     

基于EVT的谱风险测度及其在风险管理中的应用

金融资产收益率的分布往往呈现厚尾特性,忽略此现象往往会造成极值风险的低估.基于极值理论(EVT),引入一类测度尾部损失风险的谱风险测度方法(TSRMs).与传统的在险价值(VaR)和期望尾损(ES)相比,新的谱风险测度(TSRMs)赋予大的尾部损失以大的权重,非尾部损失权重为0,因而更能反映投资者的风险规避心理及其风险偏好程度.最后,以标准普尔500指数的日对数收益率为例,分析比较了TSRMs与VaR,ES在正态分布和极值分布下的估计结果,并进一步解释不同的风险偏好在投资者对风险的心里预期中起的作用.     

信用风险优化中的期望短缺模型及基于非数值算法求解

期望短缺是一种新的风险量度和优化工具,它能够反映损失分布的尾部信息,从而有利于防范小概率极端金融风险;它能同时调整组合中所有头寸以优化期望短缺,同时得到相应受险价值.Fredrik给出了能同时优化组合期望短缺和受险价值的线性规划模型,但该模型存在维数障碍.为了克服这一障碍,本文将其重新变为一个非线性规划模型,并利用带约束的遗传算法和模拟退火算法求其近似最优解.实证研究表明:这两种方法都能够在很少改变期望收益的情况下,同时减少标准差、受险价值、期望短缺等重要风险衡量指标,但模拟退火算法对期望短缺指标优化效果更佳.     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

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.     

考虑广义多维空间效应的S-VaR测算

VaR(value at risk)的测算精度一直是业界和学术关注热点问题.本文应用定义的经济测度距离和引力空间权重矩阵,建立广义多维空间计量模型捕捉金融系统的空间效应信息,构造S-VaR(saptial-value at risk),提高VaR的测算精度.以SP亚洲50指数作为股票资产组合替代变量进行实证分析,结果表明:广义多维空间效应S-VaR能捕捉金融市场存在的多维空间相关性和风险的空间溢出效应,提高了VaR模型在风险预测中的精确性.     

基于EGARCH和C-F扩展的VaR模型及应用

分别运用EGARCH和Cornish—Fisher扩展的VaR模型对中国深、沪股市的期望收益率与风险进行了实证比较研究，发现结合异方差的Cornish—Fisher扩展的VaR模型与仅用波动率描述的VaR计量方法比较，具有较好修正作用；同时对中国股票市场风险成因作了初步探讨。     

基于VaR模型的信用担保定价方法

随着金融市场的日渐完善，信用担保的使用日趋频繁，目前信用担保定价方法主要采用经验定价法和期权定价法。分析这两种方法在实际使用当中的局限，结合国际通行的VaR风险模型，给出了能根据信用担保风险确定担保价格的定价方法，使用该定价方法，担保机构可以在一定置信水平下至少获得无风险收益。     

VaR风险度量下的β系数：估计方法和实证研究

传统资本资产定价模型得出的β 系数受到正态分布假设的约束. 为了更好地反映金融现实, 对VaR-β 系数的估计问题(VaR-β 系数是一种在value-at-risk风险度量下的β系数, 可以在各种概率分布假设下应用) 进行了研究. 在一些常用VaR 估计方法的基础上, 我们一共发展了三种VaR-β系数估计方法：核密度方法、高阶矩方法和~Copula 方法, 并得出了相应的解析表达式. 最后, 我们使用香港证券市场中的数据对核密度方法的应用进行了实证研究, 并论证了置信度水平可以做为反映投资者情绪的一个指标.