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。     

基于VaR风险测度的投资组合优化模型及应用

以VaR作为投资组合风险的衡量尺度,在马柯维茨框架下建立均值-VaR投资组合优化模型,并采用蒙特卡罗模拟与遗传算法相结合的方法求解该模型．通过该模型在中国股市的实证研究,从资产收益率分布的假设与VaR置信水平的假设两方面对投资决策的影响进行了讨论,发现如果资产收益率分布的尾部越厚、VaR置信水平越高,那么投资策略越保守．     

基于VaR约束的银行资产负债管理优化模型

在CreditMetrics方法和资产负债管理技术的基础上，以银行各项资产组合收益最大化为目标函数，以VaR风险限额为约束，以法律、法规和经营管理约束为条件，建立了基于VaR的银行资产负债管理优化模型，为银行的风险管理提供了决策方法，本模型的特点之一是利用VaR技术建立约束条件，通过在一定置信水平下的最大损失限额来控制贷款组合的违约风险，使贷款配合的风险限定在银行的承受能力和贷款准备金的范围之内；二是运用资产负债管理比率建立约束条件，通过法律、法规和经营管理约束控制流动性风险；使贷款的分配决策满足银行监管要求和银行经营实际；三是直接利用各企业贷款收益率的历史数据求解各贷款之间的收益率相关系数，进而求解组合的方差，而不是利用企业资产的相关系数求解，更直接地反映了贷款收益率之间的相关性。     

VaR和ES尾部风险的比较分析

近年来,风险值(VaR)已成为一种重要的度量市场风险的测度,但它存在一些概念上的缺陷,因此人们在VaR的基础上又提出了两种新的度量市场风险的测度:尾部条件期望(TCE)和期望损失(ES).该文运用极值理论中的POT模型和正态分布GARCH(1,1)模型比较了VaR和ES的尾部风险,结果验证了ES比VaR有更小的尾部风险.     

Copula-EVT模型及其投资组合风险分析中应用

Copula技术广泛地应用于金融领域,特别是在金融风险、投资组合、资产定价的方面,目前已成为解决金融问题的一个有力工具.本文将Copula技术应用于沪深股市投资组合当中,由于VaR和ES表达式难以求出,于是采用蒙特卡罗模拟的方法模拟组合收益走势,进而计算出在不同置信水平下的风险价值(VaR)和期望不足(ES),其中对数收益边缘分布函数由中心和左尾为Laplace分布,右尾为极值分布组成.从Basle交通灯法返回检验的结果来看,Copula-EVT模型能够较好度量组合风险.     

引入风险价值约束的投资组合理论

风险价值(VaR)是近年来最为流行的风险管理工具．本文在无风险证券情形下，将VaR约束引入到传统的均值一方差投资组合理论中，考察了此时投资组合的有效前沿以及投资组合选择的变化，并指出了VaR约束对证券投资基金组合管理的意义．     

股票质押贷款模型的实证分析

结合理论模型，对股票质押贷款组合进行了实证分析，所得的结论是：经过模型调整后的贷款组合的风险值普遍低于未调整组合的风险值，而质押率和贷款金额普遍高于未调整的贷款组合的质押率和贷款金额，从而实现了在一定条件下风险的有效规避。     

VaR和ES与会计变量关系的探讨

首先以采用加权历史模拟法估计出来的VaR(风险价值)和ES(尾部期望短缺)来模拟实际的VaR和ES,然后选取了8个反映公司内部基本特征的会计变量,并依据财务理论,提出了关于VaR及ES与会计变量的关系的7个假设,其次通过计算VaR和ES与会计变量的相关系数和VaR及ES分别关于公司内部的8个会计变量多元线性回归来验证了上述假设的正确性与否,最后对实证结果进行了分析,得出VaR和ES与8个会计变量总体显著相关,公司规模及盈利性与VaR及ES显著负相关的结论.     

基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究

运用GARCH-CVaR和GARCH-VaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,测度结果表明:GARCH模型的种类对CVaR和VaR的计算结果影响不明显,而分布假定和置信水平对CVaR和VaR的计算结果影响显著;同时,还对GARCH-CVaR和GARCH-VaR的风险测度效果进行了对比研究,对比结果表明:分布假定和置信水平会显著影响CVaR对VaR的改进效果.     

基于VaR风险控制和法规约束的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险，在既定的组合收益率下，以组合风险最小为目标，以VaR风险收益率为约束，以法律、法规和经营管理约束为条件，建立了银行资产负债管理优化模型．通过实例分析，说明了该模型的合理性和可行性．     

非正态假设下投资组合的风险分解

为提高风险分解结果的准确性,本文给出组合收益分布服从非正态假设下,组合VaR及ES分解的两个新方法：局部线性加权平均;用分段线性函数拟合极端损失情形下,资产与组合回报之间的关系。针对实际金融数据的尖峰厚尾性与杠杆效应,风险度量采用EGARCH-GED模型。实证分析及模型检验的结果表明,新方法能准确、快捷地分解组合风险。     

评估风险的期望损失计算及应用研究

期望损失值是一种评估市场风险的新测度.该文首先举例说明了期望损失值具有相容性,而目前最常用的在险价值方法则不具有相容性.然后推导出了用历史模拟法、正态分布法和GARCH模型法计算期望损失值的具体公式.最后给出了一个用期望损失值方法优化投资组合的实际算例.     

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.     

风险估值在沪深股市风险测量中的应用研究

以中国沪、深股市的风险测量为研究对象,收集了近5年的沪深股市每日指数收盘价;运用风险估值(VaR)常用的方差-协方差法和历史模拟法,通过对单一金融产品和资产组合的风险测量,论证了利用VaR技术计算股市风险的可行性.与传统的风险测量方法相比,方差-协方差法和历史模拟法在精确量化投资风险方面具有简捷易行的显著优势.利用指数加权移动平均方法考察了VaR对股市收益率波动性的描述能力,结果表明VaR计算值基本涵盖了绝大部分交易日的损失,有效降低了"幽灵效应",并且捕捉了波动的聚集性.从资产组合的VaR小于单个金融产品的VaR的结果看,VaR技术在股市风险测量上符合现代投资组合理论的基本思想.     

基于极值Copula的风险价值模型研究

利用Monte Carlo模拟对投资组合风险价值进行估计,假设风险资产的对数收益分布在中心服从边缘正态分布的多维Gaussian或Student-Copula分布,尾部服从极值分布。应用本模型对12只沪市股票计算持有期为1天的99%VaR,并执行4年时间窗的返回检验,证明了Copula-EVT方法好于正态对数收益分布的VaR模型。     

VaR与ES的非参数估计的统计分析

利用VaR与ES最新的非参数估计方法,不依赖于分布假设,对上证指数做实证分析,并对N天的VaR的计算方法进行研究.研究结果表明,在样本容量较大的情况下,VaR与ES的非参数估计方法有较好的效果;曲线回归方法计算N天的VaR的效果明显优于正态假设下计算的效果.     

投资组合风险价值分解方法研究

提出了两种分别对组合损失和极端损失进行线性近似的投资组合风险价值(VaR)分解的新方法——非对称响应模型估计法和局部线性近似估计法,两种方法均可用于分解参数法与非参数法计算出的投资组合风险价值,弥补了现有分解方法只能分解部分参数法计算出的投资组合风险价值的不足,实证研究结果表明：非对称响应模型法比局部线性近似估计法更为简单、快捷,适用于当组合回报不对称现象明显时;而当组合回报具有显著的厚尾现象时,后者更为准确,两者都具有一定的实际应用价值。