基于CARR模型与GARCH模型对VaR的比较研究

研究了在一般情形下和极端风险下的风险度量,分别采用基于极差、收益率为变量建模的CARR模型、GARCH模型应用于VaR的计算,结合深证成指的实际数据进行实证分析,分别对比在不同分布下GARCH模型和CARR模型计算出的VaR,最终得出基于在广义伽马分布下CARR模型算出的VaR值,能更加真实地反映深证股市极端情形下风险程度,而基于T分布下的GARCH模型更加真实地反映深证股市一般情形下的风险程度.     

金融风险的度量方法研究

VaR模型作为银行界度量市场风险的标准模型,经过多年的研究和实践人们逐渐发现vaR模型存在风险度量不充分,投资组合风险度量值偏小等一些先天性的不足。本文通过比较了极值理论下的风险度量模型,对金融风险度量模型提出新的改进。     

极端金融风险度量模型述评——基于一致性原理的VaR改进方法

针对VaR方法存在的不足以及其不满足风险度量的一致性原则,评述了当前国际上新近出现的系列对VaR进行改进的方法.尤其针对具有厚尾、动态性以及多变量相依特性的各种极端金融风险,需要综合考虑风险分布的各种实际状况而采用合适的度量模型,因此具体讨论了CVaR,ES,Copula,UBSR以及SRM等模型度量不同分布条件下的各种极端金融风险的思路,并对各模型的具体应用和函数功能进行了详细评述,指出了各种度量模型和方法的适用特点,以及未来的可能研究方向.     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.     

基于极值理论的ARMA-GARCH-M类模型及实证分析

为预测金融资产回报序列的极端风险,用ARMA-GARCH-M类模型处理回报序列的异方差性,风险溢价性.结合EVT方法捕捉回报序列分布厚尾的优势,建立两个度量金融市场极端风险的模型:EVT-ARMA-EGARCH-M模型与EVT-ARMA-TGARCH-M模型.最后以苹果公司股票数据为实例,证实了两个模型都能很好的刻画极端风险.     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

一种计算金融风险在险价值的新方法

如何计算金融风险度量的在险价值(VaR)和预期不足(ES)一直是业界、学术界关心的课题。基于分位数的办法计算在险价值(简称QVaR)直观易于理解,但也有非常大的缺陷:QVaR度量只关注下方风险,即只给出一个损失的分位数,并未给出具体损失程度,而且对尾部极端风险不敏感。研究表明预期不足对尾部极端风险非常敏感而且给出了尾部损失的具体值,但预期不足不象在险价值那么易于理解和便于业界使用。针对上述问题,提出了一种基于2.5次幂期望分位数计算在险价值的方法(简称GEVaR),核心是将非对称最小二乘法的2次幂改为2.5次幂,其定义与传统的期望分位数类似。研究表明一些情形下GEVaR对尾部极端风险的敏感性与ES相当。     

股指期货的风险度量方法研究

股指期货是以某种股票指数为标的资产的期货合约.由于股票指数本身的波动性很大,因此对股指期货风险的度量就有较大的难度.通过对VaR模型、ES模型、POT模型的研究比较,找到其中比较适合我国股指期货的风险度量模型.     

基于熵的单一指数投资组合模型的应用研究

在分析马科维茨的均值方差模型及威廉·夏普的单一指数模型的基础上：将熵的概念引入到证券投资的风险度量中，提出一种新的投资组合模型，并进行了实证研究     

关于证券投资风险的表述及相关模型分析

针对传统风险理论及当今众多风险度量方法存在的问题，在总结完善的基础上提出了一类改进的哈洛模型，并给出了系统研究投资组合决策方案的步骤。     

股指期货的风险度量方法研究

 股指期货是以某种股票指数为标的资产的期货合约.由于股票指数本身的波动性很大,因此对股指期货风险的度量就有较大的难度.通过对VaR模型、ES模型、POT模型的研究比较,找到其中比较适合我国股指期货的风险度量模型.     

流动性调整门限效应下的市场风险度量

为了刻画流动性对金融市场风险的影响，并且考虑到金融数据的尖峰厚尾性，对传统的门限UHF-GARCH模型进行扩展，加入持续期门限和对数持续期门限效应，基于标准T分布建立门限UHF-GARCH-MD模型和门限UHF-GARCH-LD模型，结合交易的及时性和交易深度刻画金融市场流动性风险，评价并比较两类门限模型的拟合优度和流动性风险度量精度.实证发现，持续期杠杆效应对金融市场流动性风险存在显著影响，门限UHFGARCH-LD模型不仅刻画了金融数据的尖峰厚尾性，并且捕捉高速流动性和低速流动性对金融市场风险的不对称影响，可有效地度量流动性风险，为金融市场风险研究提供了流动性新视角，也可为市场风险防控提供参考.     

风险值VaR和尾部条件期望TCE的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法：尾部条件期望TCE。本文利用基于GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险。     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

基于量化指标分析的软件质量度量方法

使用定量的软件质量度量能够为质量管理人员的决策提供数据的基础，并减少定性评价或者主观评价的片面性。本文基于ISO/IEC9126软件质量标准，在分析软件质量度量的量化指标的基础上，进行了软件质量度量方法的研究，完善了软件质量综合特性和定量指标的度量模型。     

基于熵的不确定性项目投资决策优化模型

投资项目呈现越来越强的不确定性和多样性，投资决策面临着对这些不确定性带来的风险的度量和防范。针对投资项目的不确定性风险，传统的NPV法假设项目投产后总是按决策之初的既定程序进行，而未考虑经营者对未来变化的适时调整，存在一定的局限性。基于源于热力学的熵度量系统不确定性的研究思想，并把它应用到不确定性项目投资决策中，根据熵系统的性质特点建立了不确定性项目的投资决策优化评价模型，并对模型的适用范围和特点进行研究，从而使投资决策运用了数学规划的方法并兼顾投资方案的固有信息和决策者本身的经验，更加科学可靠。     

分层线性模型在金融风险度量中的应用(英文)

为了有效地度量金融市场风险,指出常用的风险度量模型存在不足. 金融风险度量模型必须考虑引入多因素,比如大盘指数与宏观因素. 通过回顾了分层线性模型的定义及其应用,提出改进风险度量模型的设想以及有待解决的问题. 从实际意义来看,这是很切合实际的.     

基于极值理论的VaR和ES度量——以中兴通讯数据为例

风险价值(VaR)是市场风险的重要度量工具。以具有厚尾的中兴通讯股票收益率数据为例,分别运用极值理论中的分块样本极大值模型(BMM)和超阈值模型(POT)对VaR进行计算,并给出相应的预期损失(ES),同时提出了一种差异度量的方法对POT模型的阈值进行选取。结果表明,使用极值理论度量风险可以更好地捕捉尾部数据信息,得到更合理且符合实际需求的VaR和ES估计值,且POT模型比BMM模型所得计算结果更加稳定。     

基于CvaR风险度量的证券组合投资决策模型研究

利用VaR以及Rockafeller和Uryasev提出的CvaR这一概念，并把它作为风险度量，建立了与马柯维茨的均值方差模型相类似的证券组合投资的均值——CvaR模型，在正态分布的条件下，导出了具体的模型，研究给出了其最优解的具体表达式。     

风险值VaR和尾部条件期望TCE的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法:尾部条件期望TCE.利用GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险.