基于有偏胖尾分布的随机波动模型估计及其检验

金融资产的收益分布普遍展现出两个重要的典型特征:有偏性和胖尾性,但目前绝大多数的随机波动模型都无法同时将上述两类典型特征综合纳入其估计的条件分布假定中.以上证综指和标准普尔500指数为例,通过引入有偏的广义误差分布(Skew GED)来综合刻画条件收益的有偏和胖尾特性,并运用马尔科夫链一蒙特卡罗模拟法(MCMC),探讨了在正态分布(Normal)、有偏的正态分布(Skew Normal)、广义误差分布(GED)以及Skew GEI)这4种条件分布假定下的随机波动模型估计方法,同时实证检验了不同分布假定下的随机波动模型对实际市场波动率的刻画精度和适用范围.     

多因子HJM框架下的利率风险测度模型

在多因子HJM (Health-Jarrow-Morton) 模型框架下,定义了多利率风险因素的随机利率风险测度模型. 基于两因子和三因子HJM 模型,给出了多因子HJM 模型下的随机利率风险测度模型的具体实例. 实证分析部分比较了传统与随机、单因子与多因子利率风险测度的利率风险免疫效果. 实证结果显示,多因子HJM 模型下的随机利率风险测度模型的免疫效果明显优于单因子随机利率风险测度的免疫效果,更能充分显示出随机利率风险测度较之传统利率风险测度的优越性,在利率风险管理中具有较高的应用价值.     

权益人视角下基于期权定价理论的类一致性风险测度研究

根据不同主体在金融市场中扮演不同经济角色、承担不同风险的事实,提出了基于不同经济角色的风险划分——权益风险与债权风险.在权益人的视角下,应用期权定价理论,定义了不同于以往单变量映射的风险测度——类一致性风险测度来度量权益风险,通过风险的可转移性和不灭性,实现了φ(X C)=φ(X)-C与φ(X C)=φ(X)的对立统一,这是对Artzner定义的一致性风险测度的补充和扩展.     

有关风险测度及组合证券投资模型研究

Markowitz以证券收益率的方差作为投资风险的测度建立了组合证券投资决策模型 ,并进行最优证券组合的选择 .本文分析了 Markowitz模型的不足之处 ,以半方差 ( E- Sh)风险测度为基础 ,提出了最优证券组合选择的风险目标函数 ,建立了组合证券投资决策的最优化模型 ,同时给出了最优化模型的求解方法以及证券组合有效边界的确定方法 .最后 ,文章结合实际案例 ,分析了风险目标函数及最优化模型在实际应用中的有效性.     

基于Minkowski测度的风险度量

将基于Minkowski测度的半范数作为风险度量,发现其涵盖了损失期望值、绝对离差、绝对半离差,下偏矩、(a,t)模型、ES等常见的风险度量方法,并且该风险度量方法满足正齐次性、次可加性和协调性公理.因此,它是一种好的风险度量方法.     

下边风险测度下养老基金的最优资产配置

以半方差作为下边风险测度,考虑了缴费确定型养老基金的投资策略问题.利用鞅方法求得了最优资产配置的解析解.结果表明最优的资产配置策略分为三部分:债券保值策略,投机策略及一揽子债券的卖空策略,且风险资产的最优投资比例与利率水平及缴费率负相关,与设定的目标值正相关.结论证实了生活方式投资的合理性.     

非瓦尔拉斯市场下的风险价值

研究了非瓦尔拉斯市场下的风险测度；详细介绍了相关的背景、概念；提出了非瓦尔拉斯市场下风险价值模型；讨论了非瓦尔拉斯风险价值计算方法；最后，通过算例比较了该模型和传统风险价值的异同．结论表明，非瓦尔拉斯市场下的风险价值是一种非线性风险测度，由头寸数量、市场条件、变现时间和投资者的交易策略共同决定．     

基于贝叶斯分位数回归的市场风险测度模型与应用

对具有递归或非递归表达形式的一般分位数回归模型,基于不对称拉普拉斯分布提出了贝叶斯推理框架.指出不对称拉普拉斯分布的尺度参数在估计中应该被参数化,否则将导致其方差存在非零最小值的限制.给出选择尺度参数和模型参数先验分布的条件,保证参数后验分布是真实概率分布,并采用马尔科夫链蒙特卡罗模拟方法进行参数估计.对深证成分指数的实证研究表明,不对称绝对值和斜率分位数回归模型比间接GARCH和FIAPARCH模型更好地描述了深证成分指数的风险特征,在不同的置信水平下,深圳股市消息对市场风险具有强度不同的不对称性冲击.动态分位检验和后验测试支持分位数回归模型可以对金融数据进行高置信水平的市场风险测量和探索风险的演化模式.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

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.     

基于复杂网络的金融市场网络结构实证研究

基于股票价格波动序列的相关特性,通过阈值化处理得到金融网络的连接矩阵,并用复杂网络的特征参量表征其网络性质.节点累积度分布的胖尾特征表明存在少数中心节点的股票,而聚类系数和最紧邻平均度表征金融网络具有层次结构和异配特性.进一步研究k核结构,发现核数随节点度幂律增长,当节点度较大时核数保持不变,而且最核心的节点对应中心节...     

基于险度函数的研制风险度量研究

现代弹箭系统是一种集多门学科于一身的复杂系统.在研制过程中,由于受到不确定性因素的影响,会给研制工作带来一定的风险.本文分析了各种风险分析与估计方法,给出了风险的数学表述方法和风险分布的概率估计.结合武器系统研制的实际情况,假定行为人风险偏好特性为定常风险中立,给出了在该风险偏好特性下的险度函数.通过险度函数的研制风险分析为风险决策提供了量化的决策依据.以反直升机智能雷战斗部为例,验证了该方法的有效性,并且具有科学和实用价值.     

非线性复杂系统视角下的金融风险演进

在当今由局部金融扰动引发全球金融危机爆发的背景下,以均衡态、线性系统理论为基础的经典金融理论遇到了解释难题。文章简要介绍了经济学研究中的非线性复杂系统理论,分析了金融风暴形成内生机理。进而描述了在自然科学理论指导与计算机模拟仿真条件下金融风险演进的非线性复杂系统研究方法。     

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。     

风险价值的完全参数方法及其在金融市场风险管理中的应用

风险价值模型 ( Value-at-Risk)是近年来发展起来的用于测量和控制金融风险的量化模型 .本文提出了计算风险价值的一种新方法——完全参数方法 ,它本质上是参数方法和极值理论的结合运用 ,在证券市场上的实证研究表明该方法优于目前流行的 Risk Metrics这种参数方法.     

对银行信用风险评价体系的比较

以1332个贷款实际样本为数据集,讨论了基于目前常用的4种评价体系的判别模型和LOGIT模型的预测精度问题,有助于金融机构建立内部信用风险评估模型,提高信用风险管理的科学性。     

基于不确定时间区间TBN的洪水漫坝风险分析

洪水漫坝过程中,自然条件、坝体及应急处置等状态的不确定性所导致的事件持续时间的不确定性,以及应急处置措施的效果是影响漫坝风险的关键因素.首先将传统时间区间改造为不确定时间区间,提出了一种不确定时间区间时间贝叶斯网络(TBN),并推导了该TBN的推理算法.在此基础上构建了考虑应急处置措施的洪水漫坝风险分析模型.仿真结果表明该模型具有信息时间累积能力,能判断各应急处置措施的重要程度,表达了洪水漫坝过程中同时存在的状态不确定性和时间不确定性,提高了漫坝风险分析的精度.     

基于前景理论的风险决策权重研究

在讨论Tversky和Fox给出的确定权重的两步骤方法基础上,应用累积前景效用理论和概率权 重函数,提出三步骤权重处理框架,对不同风险不确定决策源类型作不同的处理,并对"获得"和"失去" 采用不同的处理方式,从而使得决策者能够得出更加准确的决策权重.