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．     

基于HMM的VaR风险度量及其实证分析

文章基于隐马尔科夫模型(HMM)提出了度量金融资产风险价值(VaR)的HMM-ARMA-GARCH模型。首先对金融资产收益率序列建立正常状态和异常状态的隐马尔科夫模型,使用期望最大化算法估算出模型中的未知参数,再利用Viterbi算法估算出收益率序列所对应的隐状态序列,根据隐状态序列把收益率序列数据分成正常状态类序列和异常状态类序列2个大类,对2个状态类序列分别建立ARMA-GARCH模型来估算VaR。最后利用该模型和传统的ARMA-GARCH模型对上证企债指数进行了实证分析,采用Ku-piec失败频率检验法对VaR的准确性进行检验。实证结果表明,该模型的VaR计算方法具有较好的估计效果,能够有效地降低GARCH模型高估波动持续性的现象。     

NOD下VaR样本分位数估计的强相合性及其Bahadur表示

利用NOD样本的性质及其相关不等式,研究了在NOD序列情况下,风险度量VaR非参数估计量的性质.证明了VaR样本分位数估计的强相合性,同时也给出了VaR样本分位数估计的Bahadur表示.     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值(VaR)约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

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．     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

基于分位数回归森林的VaR估计及风险因素分析

构建非参数、集成性的分位数回归森林算法,对上证综指和标普500指数的VaR进行了估计;同时构建了其他一些主流的方法,包括历史模拟、GARCH族方法、弹性网络、门限分位数回归、CAViaR等,进行检验和对比.通过对不同置信水平下的VaR估计进行多种检验,验证了该方法的有效性和稳健性.进一步,基于分位数回归森林模型定义了一种特征重要性度量方法,评估了各个因素对于风险值的影响权重大小,发现过去一日收益率对上证综指的风险值影响较大,而波动率对标普500指数的风险值影响较大,整体来看两国股市间的风险传导性较弱;并引入偏相依关系,动态地分析了各个因素在不同水平下对于风险值的作用方向,一定程度上弥补了机器学习算法在金融应用中一直存在的"黑箱性"问题.     

具有VaR约束和无风险贷款的证券组合选择方法

在Markowitz证券组合理论的框架下，当证券贷款存在并且贷款的收益率服从正态分布时，提出了具有VaR约束和无风险贷款的证券组合的优化模型，并在证券收益率服从正态分布的前提下，给出了有效投资比例及有效边界的解析形式．它是均值-方差模型及有效前沿的推广．     

基于VaR的多品种石油期货最优套保比模型

文章在套保组合收益率服从多元t分布假设下,以套保组合收益率的VaR最小为目标函数,建立了多品种石油期货最优套保比模型,并将该模型的实证结果与套保组合收益率服从正态分布假设下,基于VaR的单品种石油期货最优套保比以及传统套保比进行比较;结果显示,相对于其它2种套保策略,基于VaR的多品种石油期货套保策略可以最大限度地降低套保风险,提高套保有效性。     

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。     

中国股市投资组合收益分布的实证研究

采用随机等权重有放回抽样方法 ,以周收益率为指标 ,以沪深A股为样本股 ,对组合收益率时间序列的分布特征进行实证研究 ,发现组合收益率序列并不呈现出正态分布的情形 ,并且随着组合数的增加 ,组合收益率序列的尖峰厚尾特征并没有显著改善 ,说明用方差来刻画组合收益率风险特征并不合适 .为此用GeneralizedAutoregressiveConditionalHeteroskedasticity(GARCH)模型对组合收益率时间序列进行了模拟 .     

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．     

基于风险价值的投资决策分析

在Markowitz证券组合理论的框架下,通过对基于风险价值的投资决策问题进行分析,采用收益率的历史数据模拟N种场景,构建了基于风险价值的投资决策模型,并提出了具体的算法．最后利用算例演示了算法的简洁有效性.     

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明：建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。     

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。     

Dynamic Portfolio Choice under Time-Varying,Jumps,and Knight Uncertainty of Asset Return Process

By introducing a stochastic element to the doublejump diffusion framework to measure the Knight uncertainty of asset return process,the model of dynamic portfolio choice was built,which maximized the expected utility of terminal portfolio wealth.Through specifying the state function of uncertainty-aversion,it utilized the max-min method to derive the analytical solution of the model to study the effect of time-varying,jumps,and Knight uncertainty of asset return process on dynamic portfolio choice and their interactions. Results of comparative analysis show: the time-varying results in positive or negative intertempural hedging demand of portfolio,which depends on the coefficient of investor's risk aversion and the correlation coefficient between return shift and volatility shift; the jumps in asset return overall reduce investor's demand for the risky asset,which can be enhanced or weakened by the jumps in volatility;due to the existing of Knight uncertainty,the investor avoids taking large position on risky asset, and improves portfolio's steady and immunity;the effects of the time-varying,jumps,and Knight uncertainty are interactive.     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.     

藤Copula模型在我国股市多资产组合VaR预测中的应用

选取我国六只股指数据为研究对象,基于几类藤Copula模型和VaR理论,运用滚动MonteCarlo技术及MST-PRIM算法确定各类模型的RVM结构,并在此基础上结合滚动时间窗口方法预测投资组合的动态VaR。为了进一步验证模型的拟合效果,采用返回值检验法测试模型的VaR预测结果。事实证明:在等权重与Mean-CVaR约束条件下,C-藤和R-藤对投资组合的VaR预测效果胜于D-藤;另外,R-Vine all Gumbel模型的VaR预测结果比R-Vine all t模型好,充分说明在面对非对称特点的金融数据时,Gumbel-Copula比t-Copula更具说服力。     

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.