风险估值在沪深股市风险测量中的应用研究

以中国沪、深股市的风险测量为研究对象,收集了近5年的沪深股市每日指数收盘价;运用风险估值(VaR)常用的方差-协方差法和历史模拟法,通过对单一金融产品和资产组合的风险测量,论证了利用VaR技术计算股市风险的可行性.与传统的风险测量方法相比,方差-协方差法和历史模拟法在精确量化投资风险方面具有简捷易行的显著优势.利用指数加权移动平均方法考察了VaR对股市收益率波动性的描述能力,结果表明VaR计算值基本涵盖了绝大部分交易日的损失,有效降低了"幽灵效应",并且捕捉了波动的聚集性.从资产组合的VaR小于单个金融产品的VaR的结果看,VaR技术在股市风险测量上符合现代投资组合理论的基本思想.     

存货质押融资中螺纹钢风险价值的控制

针对钢材市场中存货质押融资业务的价格风险问题,以螺纹钢现货的价格为样本数据,采用经验值方法计算风险率与效率损失率,并与基于VaR历史模拟法的计算结果进行比较.结果表明,样本期间长度的选择对历史模拟法计算结果的优劣有一定影响,历史模拟法适合短期限的存货质押融资贷款.用回顾测试对计算结果进行检验,表明用VaR方法设定的质押率对控制螺纹钢价格风险更有效.     

人民币汇率风险测度的实证研究——基于极值理论的VaR

引入基于极值理论的VaR(Value-at-Risk)对欧元/人民币和日元,人民币的汇率风险进行测度,实证结果表明:与历史模拟法和方差-协方差法计算的VaR相比,基于极值理论的VaR能更准确地度量欧元,人民币和日元/人民币的风险.     

ARMA-GARCH模型在股市市场风险测度中的应用

选择股票市场2014年1月8日到2016年8月2日上证指数(SZCZ)收盘价作为样本进行研究,建立了残差序列服从不同分布下的ARMA(2,2)-GARCH(1,1)类模型,并进行实证分析及预测,通过比较发现ARMA(2,2)-GARCH(1,1)类模型能够有效处理股票数据的波动集聚性。在此基础上,计算出不同置信水平下ARMA(2,2)-GARCH(1,1)类模型的风险测度值(VaR),与历史模拟法、改进的历史模拟法下的VaR值进行比较,得出ARMA(2,2)-GARCH(1,1)类模型更有效的反应市场风险。     

VaR计算的MCMC模拟法

金融市场的快速发展使其出现了前所未有的波动性,因此金融风险监管对集体及个人都至关重要,而VaR又是现今金融风险度量的主要方法.目前常用的方法有:历史模拟法、分析法和MC模拟法,但在实施中存在很多严重的问题.文章采用MCMC模拟的方法计算VaR,并对上证指数进行实证分析,证实了MCMC比MC方法的优越性.     

基于C藤copula的收益率自相依结构估计以及条件VaR计算

风险价值VaR是一种非常重要的风险度量方法,基于C藤copula(canonical vine copula)给出了条件VaR的一种新的估计方法.首先基于C藤copula对连续几个交易日收益率之间的自相依结构进行了估计,进而给出了在前n个交易日收益率条件下,下一交易日收益率密度函数的估计方法,并对下一交易日的VaR值进行估计.C藤copula的引入使我们能更准确地描述收益率序列中的相依结构,从而能够更加准确地预测市场风险.最后分别对沪深300指数、上证180指数和上海黄金交易所贵金属价格进行了CVaR估计以及预测效果检验实证分析,实证结果表明所提出的模型在VaR值预测方面的表现要远远优于历史模拟法以及方差-协方差法等.     

基于动态极值VaR股指分析的中国行业风险研究

应用动态极值VaR模型分析中国行业股票价格指数,对不同市场条件下中国行业风险进行实证研究.在McNeil等提出的GARCH模型与极值理论基础上,运用Huisman等提出的VaR法修正上述风险值估计方法,构建了动态极值VaR模型.在该模型的构建中考虑了风险因子的时变特性,采用EVT方法对风险因子的厚尾特性进行建模,简化了风险值的估计过程,并提高了估计的准确性.动态极值VaR模型能够较好地刻画风险尾部分布特性,同时能够比较准确地度量所研究时间段内的市场风险和行业风险.研究结果表明,不同市场条件下各行业的风险特性具有显著的变化.最后利用Kruskal-Wallis一致性检验对上述结论进行了验证.据此,在资产组合管理过程中,有必要依据市场环境和行业风险特性对资产配置比例进行调整.     

风险值和尾部条件期望的实证比较分析

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.     

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.     

基于t Copula的中国股市指数组合VaR估计及其评价

传统的联合正态分布假设无法刻画金融市场尾部相依情况,导致投资组合VaR的低估。采用tCopula克服了这一问题;并对上证指数和深证指数构成的等权重投资组合的95%和99%VaR进行了验证;结果表明,基于t Copula模型的VaR表现要优于传统的方差-协方差分析法、历史模拟法和蒙特卡罗模拟法以及基于动态条件相关系数模型的估计方法。     

VaR模型及其在证券投资管理中的应用

VaR模型是近年来用于测量和控制市场风险的主要方法之一,分析了VaR模型的基本原理和考虑的主要因素,根据函数所反映的映射关系,将资产组合价值与其相关的市场风险因素的关系分为线性关系和非线性关系,推导了在正常市场条件下VaR值的计算方法,并探讨了VaR模型在投资组合构造、投资风险控制、信息披露、金融监管等方面的应用．     

一种基于随机波动的VaR方法

风险管理的基础和核心是对风险的定量分析和评价,即风险测量.金融市场风险测量的主要方法包括灵敏度分析、波动性方法、VaR、压力试验和极值理论(EVT).其中,VaR是目前金融现场风险测量的主流方法.但传统VaR方法没考虑随机波动,所以经常高估或低估当前现场条件下的风险.介绍了一种基于随机波动的VaR模型,并给出了评价模型的后验检验方法.     

风险价值VaR及实证研究

随着经济一体化的深入,风险管理受到各个国家和地区越来越多的重视。本文主要讨论了风险管理中的市场风险度量的方法,具体介绍了基于投资组合的收益(或损失)函数的分布函数提出的风险值(VaR)和期望损失(ES)这两种度量方法,它们是目前使用得最广的市场风险度量方法。文中比较了这两种方法的优缺点,给出了各种不同计算VaR和ES的方法,同时也对各种方法进行了对比讨论,给出了一个基于中国上证沪深指数在1999—2013年的日收益率序列的一个实证研究。     

基于时变VaR的动态套期保值策略研究

套期保值可以规避股市系统性风险,文章研究动态套保策略,以VaR最小化为目标,弥补了现有研究的两点不足．文章建立了ECM—BGARCH模型来拟合市场波动,椎导了基于时变VaR的动态套保比模型,满足每日VaR最小且有效;然后,对我国股指期货的实证研究反映出,相比静态模型,动态模型体现出较好的应用效果：（1）提高了套保绩效;（2）降低了平均VaR,意味着需要更少的风险准备金,节约了套保者的资金成本,也更容易达到资金监管要求;（3）取得了更准确的VaR失效率,时变VaR更准确反映了市场异常．     

金融风险度量VaR方法及其应用

风险价值(VaR)是近年来受到国际金融界广泛支持和认可的一种度量金融风险的工具。本文介绍了VaR的基本原理、VaR的计算方法,并且比较了各种计算方法的优缺点及发展方向,阐述了将VaR方法引入中国金融风险管理领域对我国的金融市场建设的重大意义。     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

金融风险度量VaR方法及其应用

风险价值(VaR)是近年来受到国际金融界广泛支持和认可的一种度量金融风险的工具.本文介绍了VaR的基本原理、VaR的计算方法,并且比较了各种计算方法的优缺点及发展方向,阐述了将VaR方法引入中国金融风险管理领域对我国的金融市场建设的重大意义.     

MARKOV-GARCH模型对我国证券市场在险价值的度量

提出一种度量我国证劵市场在险价值的MARKOV-GARCH(马尔可夫-广义自回归条件异方差)模型.即通过MARKOV的性质,提示市场的跳跃规律,结合GARCH模型得出市场的波动率,进一步通过波动率度量市场的在险价值.实证结果表明,在确保成功率的前提下,其度量的在险价值的置信区间比一般GARCH模型所度量的置信区间更小,而且稳定性也较其他模型强.该模型在不放大所度量的在险价值区间的前提下,却取得较高的成功率.     

基于蒙特卡洛模拟的VaR模型及其模拟实证对比研究

在对VaR模型基本思想介绍基础上,构建基于蒙特卡洛模拟的VaR计算模型,并结合Matlab2012a计算软件,分别计算基于随机模拟和历史模拟的金融市场VaR数值,并在同类型模拟方法下进行横向对比分析。研究结果表明:t分布模型在高置信水平条件下较标准正态分布模型具有更高的精度要求和优势,且对于金融收益率数据的表征更为合理科学;2013年我国股指期货市场结构较2012年发生较大程度变化,且系统风险有进一步扩大趋势。     

中国证券市场的风险价值评估

为降低金融机构风险,需要设计一个合理的评估市场风险的模型。本文介绍间接计算VaR的方法,并结合沪深两市证券市场给出一个具体的数值实例,阐明了风险价值的具体含义;同时利用拟合的方法将实际的收盘情况和预期的结果进行比较,分析发现提出的VaR度量模型在股市风险管理中有很好的效果。