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.     

系统性金融风险指标的比较分析——基于实体经济风险预测的视角

本文归纳总结了常见的四大类系统性金融风险指标，从实体经济风险预测的视角，使用分位数回归模型和自助式（Bootstrap）分位数t检验方法，结合样本外分位数拟合优度，以"是否对未来实体经济风险具有放大效应"和"是否对实体经济风险具有预测能力"两个方面对上述指标进行了比较分析.研究结果发现：首先，反映机构个体风险，波动性和不稳定性，以及流动性和信贷情况的指标均对未来实体经济下行风险具有放大效应，即系统性金融风险的升高会显著增加未来实体经济的下行风险；其次，在短期，反映机构个体风险和流动性的指标能够很好地预测未来实体经济风险，而代表金融市场波动率水平的指标则在中期和长期有着较好的预测效果.最后，结合中国具体国情，本文也对进一步完善我国宏观经济风险防范体系提出了若干建议.     

沪深股市和香港股市的风险溢出效应研究——基于时变ΔCoVaR模型的分析

本文基于时变ΔCoVaR模型,对2006年11月至2018年12月间沪深股市和香港股市的尾部风险溢出效应进行了估算.研究发现:1)沪深股市与香港股市之间存在着双向风险溢出效应,且溢出效应均为正;2)香港股市对沪深股市的风险溢出效应强于沪深股市对香港股市的风险溢出效应;3)深市和香港股市之间的风险溢出效应的波动幅度大于沪市和香港股市之间的风险溢出效应的波动幅度;4)沪港通和深港通的开通并没有显著增加香港股市与沪深股市之间的双向风险外溢程度.     

基于分位数回归的金融市场稳定性度量

基于系统风险视角,通过分位数回归技术,提出了金融市场稳定性度量的新方法,在论述金融市场稳定性度量原理的基础上,设计出可行的 计算步骤,并据此实证分析了我国金融市场的动态特征. 实证结果显示,本文提出的金融市场稳定指数在数值上和趋势上都与金融市场的现实情况相符,能够有效检测出市场不稳定的时间区间,且具有稳健性,是监测金融市场运行状态的有效定量指标,可为金融监管提供技术支持.     

基于藤copula-CAViaR方法的股市风险溢出效应研究

为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copula方法刻画多个金融市场收益间的关联结构;第三,基于边缘分布特征与关联结构,得到多元条件联合分布并计算CoVaR类风险测度,实现金融风险溢出效应刻画.选取上证综指、标普500和日经225等股指数据进行实证研究,结果表明:相比于发生利好事件,美国和日本股票市场(独立或同时)发生更为严重危机事件对中国股票市场影响更加明显,呈现出"风险分担、收益不共享"的总体格局.     

门限分位数自回归模型及在股市收益自相关分析中应用

门限分位数自回归模型(threshold quantile autoregressive model,简记为TQAR)是一种非线性分位数回归模型,主要用于讨论系统中的门限效应.在TQAR模型中,自回归阶数与门限值的确定等,都会影响模型分析效果.为此,本文给出模型定阶、门限值估计及门限效应检验等方法.数值模拟结果表明,TQAR模型在门限值估计、回归系数估计的有限样本表现方面都优于传统的门限均值自回归模型(threshold autoregressive model,简记为TAR)及门限均值自回归条件异方差(TAR-GARCH)模型.最后,将TQAR模型应用于中国股市收益的自相关性研究,实证结果证实收益序列的自相关性呈现出明显的门限效应和异质效应.这一发现,有助于准确刻画股市收益动态变化规律,为重新认识金融市场运行机制提供了一个实证基础.     

Hall分布族在巨额索赔数据的极值分位数估计与风险度量中的应用

基于指数回归模型构造了厚尾分布的一个子族——Hall分布族的极值分位数估计,并将该方法应用于巨额索赔数据进行了实证分析。然后,对巨灾保险进行了风险度量,得到了该数据的极值分位数,并作出了合理解释。     

企业社会责任对现金持有价值的影响——基于分位数回归模型的研究

随着环境和社会问题日益严峻,企业社会责任的重要性凸显.本文研究了企业社会责任水平对现金持有价值在资本市场与产品市场中的影响.基于企业异质性和分布的厚尾特征,本文采用分位数回归模型克服一般均值模型的模型设定限制,发现:1)在资本市场中,企业社会责任提升了现金持有的价值,并且随着企业市值的增加,这种正相关效果更加显著. 2)在产品市场中,企业社会责任能显著提升高销售增长率企业的现金持有价值;在低销售增长率企业中,低水平社会责任则会损害现金持有价值.本文的实证结果支持利益相关者理论提出的企业社会责任活动能够缓解管理者与利益相关群体之间的矛盾,从而改善利益相关者对公司的认知并赋予更高价值.本文的结论也为管理者自觉从事社会责任活动提供了部分证据.     

中国金融市场的风险溢出效应研究——基于溢出指数和复杂网络方法

基于信息溢出视角,采用溢出指数和复杂网络方法,从静态和动态角度测度我国金融市场风险溢出的强度和方向,识别危机中的风险中心及演化.研究表明,我国金融系统风险溢出具有波动性、不确定性及不对称性,整体联动能力较强;各市场滞后效应明显;市场受到冲击时接受风险的程度与其对外溢出风险的程度呈相反变动趋势;货币市场尤其是回购市场是金融系统的风险中心,对外风险溢出效应最强,但在危机发生时相对减弱,而金属、股票、房地产等市场在危机时的风险溢出作用显著增强;债券和外汇市场被动接受风险的能力最强.     

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.     

互联网金融与传统金融之间的广义动态风险溢出——基于Copula-ARMA-GARCH-CoVaR的实证研究

选取互联网金融和三大传统金融(银行业、证券业、保险业)的行业指数为代表,构建Copula-ARMR-GARCH-CoVaR模型,从波动性信息提取、联合分布尾部相依结构估计、条件在险价值计算等方面,系统研究新旧四个金融行业之间的广义动态风险溢出效应.结果表明:新旧金融行业间的风险溢出水平随时间而变化,风险从互联网金融向传...     

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GJR模型的EVT动态风险测度研究

通过运用ARMA-GJR模型捕获上证综指的损失序列的自相关、波动集聚性和杠杆效应特征,用极大似然估计(MLE)估计模型参数以求出条件均值和条件方差以及标准残差序列;然后假设沪市指数损失标准残差序列近似满足EVT条件,分别取175、105和35个极值数据并运用MLE来估计广义帕累托分布(generalized Pareto distribution,GPD)的参数,进而估计出q分位数对应的动态风险值VaR(value at risk)和ES(expected shortfall);最后对风险测度方法的估计效果进行分析.实证结果表明:标准残差序列的极值尾部近似服从GPD,ES是相对于VaR更保守的风险测度方法.     

科研合作网络形成机理——基于随机指数图模型的分析

知识时代的到来，使得学者个人的奋斗难以完成复杂的科研工作要求，学者之间的合作交流显得越来越重要。科研合作有助于产生创新思想，提高科研工作者的工作效率，促进多领域和多学科的交叉与融合，及缩短科研产出的周期等。因此，研究科研合作网络的形成机理有重要意义。以维普为来源数据库，选取“知识管理”相关研究领域的文献，构建所有学者之间的合作网络，并运用指数随机图模型探究了网络结构和节点属性对合作网络形成的影响机理。结果显示：合作网络具有很好的传递性，网络分布较为均匀，未出现明显的核心节点；相同地区的学者，热门研究领域的学者之间合作更为普遍；此外，拥有高结构洞特征的学者和团队凝聚力高的学者与其他学者的合作更为普遍。本研究进一步丰富了知识管理和社会化网络的相关文献，对学者之间的科研合作也有一定的启示作用。     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.