石油和汇率间风险溢出效应分析——基于MV-CAViaR模型

石油市场和外汇市场之间的联动关系一直是国际金融研究的一个重要课题.本文基于MV-CAViaR模型,从风险(分位数)的角度同时研究了石油市场和美元外汇市场间的风险溢出效应.通过对数据分段应用MV-CAViaR模型,分析了金融危机对石油市场和美元外汇市场间风险溢出效应的影响.研究表明:危机期间石油市场和美元指数、美元兑日元、美元兑加元之间存在很强的双向的风险溢出效应,而危机前、危机后均不存在;金融危机没有显著改变石油市场和美元兑欧元、美元兑英镑之间的风险溢出效应.     

应用门限分位点回归模型估计条件VaR

在文献中,分位点回归模型是线性的,但是在实际中,这个假设不能很好地满足需要.为此提出了分位点回归的门限模型.用该模型实证分析了单只股票(浦东发展银行)的条件VaR.选择了一种流动性风险指标作为条件,因此该条件VaR也可以看作是流动性调整的YaR(La-VaR).经过实证分析发现,由门限分位点模型得到的结果能够更好地描述实际市场情况,也能更好地预测市场风险.     

基于动态分位点回归模型的金融传染分析

金融危机传染检验一直是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.本文应用动态平滑数系数分位点回归模型研究不同国家股票市场之间的分位点相关关系,通过系数函数的变化趋势对危机传染问题进行检验和预测.其中在对参数函数进行非参数估计时,应用局部线性回归方法.为了分析亚洲金融危机期间的危机传染问题,对亚洲几个相关国家的指数数据进行了实证分析,实证结果发现,通过分析常数项函数以及系数函数的变化趋势,不仅可以对危机传染问题进行检验,还可以对金融危机传染的发生时刻以及金融危机的缓解时刻进行相应的分析.     

基于藤copula方法的区域性金融危机传染分析

金融危机传染检验是国际金融领域中值得研究的重要问题,大多数危机传染效应的检验方法都是基于两两国家之间的相依结构.利用藤结构下的pair copula模型得到一种新的区域性金融危机传染检验方法,全面地分析多个国家(或地区)收益率之间的相依结构,通过多元相依结构的变化对危机传染效应进行检验.最后对亚洲和欧洲几个主要股票市场指数和S&P500指数数据进行了实证分析,从区域的角度对比研究了美国次级债金融危机对亚洲和欧洲市场的传染效应.     

基于Bootstrap方法的VaR计算

介绍了非参数方法中的Bootstrap方法在估计样本分位点时的应用，其中在随机抽取子样时应用了MCMC方法，最后将该方法应用到了金融资产VaR的计算上．由于金融资产收益率的分布往往不能用参数方法准确的估计，Bootstrap作为非参数方法克服了这种局限，并改进了历史模拟方法．文章对欧元／人民币、日元／人民币两种汇率进行了VaR的计算的实证分析，计算了VaR的点估计和区间估计，并比较了几种计算方法，得到了一些有意义的结果。     

基于Copula-ACD模型的股票连涨和连跌收益率风险分析

分别使用包含"天数变量"的Log-ACD和Copula模型对股票的连涨和连跌收益率的边缘分布以及二者的联合分布进行了拟合,检验结果表明该模型拟合的效果要优于传统方法.对上证180指数数据做了实证研究,并使用条件VaR对股票连涨连跌收益率进行风险分析,实证结果证明该模型的拟合结果与股市的实际情况是相吻合的.投资者可以依照模型得出的"涨跌风险对比图"分析当前股票市场的涨跌风险对比,从而指导投资行为.     

基于危险率函数变点检测的美国次级债危机传染分析

金融危机传染的分析是近期国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.应用危险率函数的变点检测方法检验了传染效应的存在性,并给出了传染程度大小的一种度量方法.首次从持续期的角度对危机传染问题进行分析.最后对全球几个主要国家的指数数据进行了金融危机传染的实证研究,分析了美国次级债危机在各个国家的传染效应.     

基于copula的上市公司信用风险和市值变化相关性分析

首先应用结合变量选择的logistic模型估计了上市公司的违约概率,接着采用核密度估计方法和Archimedean copula函数分别拟合了上市公司的违约概率变化和市值变化的边缘分布和联合分布.并在大样本下通过条件VaR检验了结构化信用分析模型在中国市场的适用性.实证结果显示上市公司信用风险和公司市值变化之间存在负相关关系,公司财务的恶化或好转会对市值产生影响,且违约概率上升风险对市值降低较为敏感.此外,市场违约概率分布的变化是影响模型预测精度的主要因素,而违约概率和市值变化间相依结构的影响则相对较小.     

基于DRJMCMC方法处理多元正态混合模型

运用带延迟拒绝的可逆跳马尔科夫链蒙特卡洛方法(DRJMCMC)来研究多元混合模型的参数估计和模型选择问题.在混合元的分裂和合并过程中,依然遵照转移前后模型的一阶和二阶矩不变的原则,同时引进随机产生的正交阵解决协方差矩阵不同的问题.还给出DRJMCMC算法在多元正态混合模型中的接受概率的具体表达式.最后给出了一些模拟数据的结果来验证这个算法的可行性及优良性.     

基于Copula方法的条件VaR估计

给出了股价日内波幅的定义，并应用Copula方法得到了股票价格日内波幅和收益率的相依结构，以及两者之间的尾部相依系数．利用Copula相依结构可以估计出联合分布以及日内波幅条件下的条件分布，进而得到条件VaR的估计．最后对上证指数和浦发银行股票进行了实证分析和比较，获得了有意义的结果．