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.     

国际有色金属期货市场VaR和ES风险度量功效的比较

采用历史模拟法、蒙特卡罗模拟法、指数加权法、等权重法、GARCH法和极值理论法六种参数方法和非参数方法对国际有色金属期货市场风险值VaR建模, 并引入基于极值理论的预期不足ES对风险度量进行补充. 在利用返回检验对实证结果的功效进行比较研究的基础之上, 得出结论: 从对ES和VaR的检验结果比较而言, 当有色金属期货市场价格出现大幅跌涨时, ES比VaR更能准确地度量市场风险; 从对各种方法VaR的检验结果比较而言, 在95\%的置信度下, GARCH法和指数加权法能够更加有效地度量市场风险, 在99\%的置信度下, 指数加权法、GARCH法和历史模拟法能够更好地估计市场风险.     

基于峰度法的POT模型对沪深股市极端风险的度量

基于VaR正态性假设导致的尾部风险低估问题,研究极值POT模型,并针对样本平均函数法在某些数据结构下失效的缺陷,利用峰度法定量选取了阈值.沪深股市极端风险实证表明:涨跌停板影响了POT模型的有效性.涨跌停板前,在较高与较低的置信水平下,POT模型均比VaR模型有效;涨跌停板后,POT模型在较高置信水平下优于VaR模型,但在较低置信水平下反而不及VaR模型.研究认为这主要是因为涨跌停板抑制了极值数据的异质性,造成极值密集分布在涨跌停板附近,致使厚尾分界线向内收敛,从而影响了POT模型的有效性.     

基于VaR和ES的网络安全风险损失评估及其蒙特卡洛仿真

网络安全风险因具有系统性、相依性和高频低损与低频巨损兼具的特征,故其度量仍处于定量分析阶段。本文基于上述风险特征,结合传统风险刻画工具,利用VaR、ES和蒙特卡洛方法对网络安全风险损失进行定量刻画,分析了风险独立和相依两种情况下网络安全风险在单一厚尾分布、拼接分布和混合分布下的期望总损失。研究结果表明:厚尾分布适于刻画网络安全风险损失,当置信水平较低(高)时,拼接(混合)分布可较好的刻画网络安全事件的损失;并且随着置信水平的增加企业所需的安全资本也随之增加;综合各分布的函数状态和灵敏度分析,发现混合分布在刻画网络安全损失方面具有较好的适用性和稳定性。     

基于稳定性的生产调度建模

针对传统调度模型得出的方案由于决策参数变化而不能应用于实际生产等问题,分析了在实际生产环境中可能导致重调度的各种不确定因素,从调度稳定性的角度使用两阶段随机规划方法重新设计了包含随机参数的模型,不仅使调度可以稳定在某置信水平上,而且允许调度结果以一定的风险获取更好的性能指标。最后,应用一个化工调度模型讨论了新方法的特点。     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.     

一种改进的半定量仿真算法

由于基于区间的半定量仿真算法都是针对参数区间的边界值进行的，所以导致仿真精度不高，状态轨迹过宽等现象。为了克服这一缺陷，提出一种改进的半定量仿真算法。首先简述了半定量仿真算法，然后以数字区间仿真为研究对象提出了一种随机半定量仿真算法。该算法用参教的概率密度函数代替区间进行半定量仿真．首先利用参数区间以及先验知识确定概率密度函数．根据概率密度函数在一定的置信水平下产生一组随机参数值，经过处理后确定其边界值作为新区间，然后将其用于相应的半定量仿真算法。理论分析和仿真实例表明，改进的半定量仿真算法的仿真精度高于传统半定量仿真算法。     

基于HKKP估计的商业银行操作风险估计

对于商业银行而言，操作风险已经成为与市场风险和信用风险同样重要的风险。本文利用极值理论对中国商业银行操作损失极端值分布进行估计，针对尾参数估计的采用传统Hill估计对小样本数据容易产生偏倚的情况，提出了采用Hill估计的改进——小样本无偏估计的HKKP估计来估计操作损失的尾参数，针对由于阈值确定不准确导致结果偏差大的情况，采用最小化估计的累计概率分布与经验累计概率分布平均平方误差的方法确定较精确的阈值，估计出给定置信水平下操作风险损失的分位数，从而使得中国商业银行操作风险监管资本的测定成为可能。     

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。     

基于信用等级修正和半绝对离差风险的银行资产组合优化模型

用峰度和偏度对企业信用等级转移的阈值进行修正,引入了半绝对离差方法衡量贷款组合风险,建立了基于信用等级修正和半绝对离差风险的银行资产组合优化模型.其创新与特色主要有二:一是用企业各自收益率的峰度和偏度对正态假定下企业信用等级转移对应的阈值进行修正,改变了现有研究把本来是非正态分布的企业收益率按照正态分布来确定其企业信用等级阈值的不合理现象,提高了贷款组合风险的计量精度.二是将半绝对离差方法引入到贷款组合风险度量中,解决了现有研究以方差或绝对离差表征风险、将高于期望收益的超额收益部分当作风险处理的问题,使贷款组合收益风险量化更为真实准确.     

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.     

Profile Statistical Inference for Partially Linear Additive Models with a Diverging Number of Parameters

This paper considers partially linear additive models with the number of parameters diverging when some linear constraints on the parametric part are available. This paper proposes a constrained profile least-squares estimation for the parametric components with the nonparametric functions being estimated by basis function approximations. The consistency and asymptotic normality of the restricted estimator are given under some certain conditions. The authors construct a profile likelihood ratio test statistic to test the validity of the linear constraints on the parametric components,and demonstrate that it follows asymptotically chi-squared distribution under the null and alternative hypotheses. The finite sample performance of the proposed method is illustrated by simulation studies and a data analysis.     

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.     

一种巨额赎回导致的开放式基金流动性风险测量

基于广义Pareto分布是拟合随机变量超过一个很大临界值条件下的条件分布的理想分布,将其用于开放式基金预留现金不足以偿还大额赎回时所产生的流动性风险的测量之中,给出了相应的风险模型,得到了基金净赎回比预留现金量大时的平均值公式,并运用极大似然法对参数进行了估计。使用数值技术作了模拟实验,结果表明,基金管理人可以根据一定的概率,预测出基金因巨额赎回而导致的一类风险,为合理地规避开放式基金的这类流动性风险提供了一种预测方法。     

证券投资基金的风险资本确定研究

研究基金管理人如何配置风险资本以抵御来自资产组合收益风险的问题。建立基金管理人确定风险资本的模型，给出关于投资组合收益率分布函数的最小风险资本比率。用跳跃一扩散过程来描述市场收益率，在此基础上建立基金的投资组合的收益率模型，并给出模型参数的估计方法。利用随机模拟方法获得投资组合收益率的模拟样本．可以获得投资组合收益率的经验分布，进而计算最小风险资本率。用模拟方法获得的投资组合收益率的经验分布可以克服用常方差正态分布假设的误差。本文的结果对基金管理人的风险管理具有指导意义。     

双应力恒加试验Weibull分布型产品置信可靠性评估模型

为了有效快速评估高可靠性长寿命产品在正常应力条件下的可靠性,提出了一种双应力恒加试验Weibull分布型产品置信可靠性评估模型。首先,采用加速寿命试验(accelerated life test,ALT)技术,建立广义Eyring-Weibull可靠性模型,假定试验各应力水平组合下Weibull分布的形状参数相同,且尺度参数与各应力水平组合间呈对数线性关系。其次,给出了Weibull分布定时截尾双应力恒加试验的极大似然估计(maximum likelihood estimation,MLE)方法、与似然函数相关的Fisher信息矩阵以及模型参数的渐近协方差矩阵,构造了模型参数和一些可靠性指标的渐近置信区间。最后,通过仿真算例证明了所提方法的可行性。     

双应力恒加试验Weibull分布型产品置信可靠性评估模型

为了有效快速评估高可靠性长寿命产品在正常应力条件下的可靠性，提出了一种双应力恒加试验Weibull分布型产品置信可靠性评估模型。首先，采用加速寿命试验(accelerated life test，ALT)技术，建立广义Eyring-Weibull可靠性模型，假定试验各应力水平组合下Weibull分布的形状参数相同，且尺度参数与各应力水平组合间呈对数线性关系。其次，给出了Weibull分布定时截尾双应力恒加试验的极大似然估计(maximum likelihood estimation，MLE)方法、与似然函数相关的Fisher信息矩阵以及模型参数的渐近协方差矩阵，构造了模型参数和一些可靠性指标的渐近置信区间。最后，通过仿真算例证明了所提方法的可行性。     

基于变换核密度估计的半参数GARCH模型

针对金融资产收益率分布呈现的尖峰、厚尾及有偏的特点,沿袭变换核密度估计的思想,提出一种广义Logistic变换,对变换后的样本应用Beta核密度估计以消除边界偏差. 模拟试验表明,该方法显著提高了对尖峰厚尾分布密度的估计精度. 继而将该方法与参数化的GARCH设定相结合,建立一种半参数GARCH模型. 该模型具有两个优点：第一,基于变换核密度估计可更加准确地估计收益率的条件分布;第二,通过迭代提高了参数估计的稳健性. 模拟试验表明,较之伪极大似然估计法和基于离散最大惩罚似然估计的半参数方法,该方法大大提高了参数估计的相对效率. 对沪深300指数的实证研究验证了本文模型的有效性.     

有偏胖尾分布下的金融市场风险测度方法

通过对上证综指和世界股市若干重要指数收益的统计特征分析发现,无论是成熟资本市场还是新兴资本市场,其收益分布都展现出较为显著的“有偏”和“尖峰胖尾”特征,因此,主流金融理论假定的正态分布或对称学生分布都无法全面准确刻画股市收益的真实分布特征和风险状况。通过引入有偏的学生分布,分析和对比了不同收益分布假定下的市场波动率和风险价值计算方法,并利用风险价值的失败率似然比检验以及动态分位数回归检验法,实证分析了不同分布模型的适用范围和精确程度,探讨了非正态分布假定下的金融市场风险测度方法。     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.