动态投资组合中的VaR分析

VaR是学术和商业界一个重要的风险测量方法。近年来 ,学术领域中指出了VaR的一些严重不足为一是用不同模型求解存在不一致性 ;二是VaR不能解释此风险测量本身在贸易行为中的反馈效应。通过用模拟汇率模型来研究VaR方法 ,分析外汇交易者的动态行为 ,进一步研究风险测量对交易行为的影响。     

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。     

VaR模型在中国股票市场风险评估中的应用

本文介绍了VaR模型,利用RiskMetrics方法计算了中国四个主要股票指数的VaR值,并利用失败率检验法进行VaR模型的准确性检验。结果表明,在95%置信水平下,VaR模型在预测未来风险方面是显著有效的。     

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.     

计算VAR的可行方法

理论的VaR（风险值）与实际应用之间存在着很大的距离。为了缩短这种差距,本文提出了一个计算VaR的新方法。并利用实际的收益率分布检验了模型,表明新的方法较正态分布更能精确的计算实际的VaR及分布。     

VaR模型在我国金融风险管理中的运用研究

近20多年来金融市场迅猛发展,金融机构所面临的风险日趋复杂,主要风险已从信用风险转向了市场风险,表现为利率风险、股价风险和汇率风险的综合。我国金融市场是一个发展中的新兴市场,建立适应于我国金融市场的风险预测模型对我国金融风险管理十分必要。文章从研究VaR模型的具体操作方法入手,分析VaR法对于我国金融市场风险管理的影响,探讨VaR法在我国风险度量和金融监管中存在的问题并提出改进策略。     

极端金融风险度量模型述评——基于一致性原理的VaR改进方法

针对VaR方法存在的不足以及其不满足风险度量的一致性原则,评述了当前国际上新近出现的系列对VaR进行改进的方法.尤其针对具有厚尾、动态性以及多变量相依特性的各种极端金融风险,需要综合考虑风险分布的各种实际状况而采用合适的度量模型,因此具体讨论了CVaR,ES,Copula,UBSR以及SRM等模型度量不同分布条件下的各种极端金融风险的思路,并对各模型的具体应用和函数功能进行了详细评述,指出了各种度量模型和方法的适用特点,以及未来的可能研究方向.     

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。     

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．     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

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.     

石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR)，研究在极端下跌和极端上涨的市场情况下，国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明，石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面，石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面，股票市场对石油市场的尾部风险溢出效应均为正向，石油市场对大部分国家股票市场的上尾风险溢出效应为正向，且对全部国家股票市场的下尾风险溢出效应为正向.最后，石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

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.     

市场变化条件下的最佳投资组合模型研究

VaR(ValueatRisk)是一个在当前的金融市场条件下,各种不同的风险测量一个确定投资的获利的重要方法。近年来,套利研究被用来开发这种风险的可行方法。提出了VaR估计并提出新问题。假设给定一个可接受的VaR,如何确定一组给定证券的组合投资的最大收益,并且同时满足的约束条件。假设市场条件是变化的,如何在保证的投资组合下,在给定的范围内,获得一个投资重组(重新平衡)策略,使其在一系列投资组合中相应的收益最大。为了解决这些问题,采用并进一步开发了一种算法来进行这些投资组合的优化问题。     

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.     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

上海股市单边下跌股票风险复杂网络特性分析

利用股票VaR数组对股票中短期风险进行模拟,并以上海市场股票为节点,利用股票VaR数组之间的相关系数作为权值构建一个无向无权网络,即股票中短期风险复杂网络,并对其进行复杂网络特性分析.结果表明:所构建网络具有小世界效应;在特定情况下具有无标度特性,而在大多数情况下,并不具有无标度特性;单边下跌条件下,各支股票的价格波动影响较大,而各支股票的风险相互影响较小;时间跨度较小的情况下,持有不同股票所遭受的损失相差较大;而时间跨度较大的情况下,持有不同股票所遭受的损失相差较小.     

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。     

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。