沪深股市极端风险的实证研究与比较分析——基于GPD分布的极值POT模型

基于VaR技术正态性假设导致的尾部风险低估问题,研究了GPD分布下的POT模型,并对沪深股市极端风险进行了实证分析.研究结果还表明:在较低置信水平下,VaR模型非但没有低估尾部极端风险,反而存在高估假象,POT模型仍然具有良好的估计效力,但此时指标CVaRPOT比VARPOT更真实地反映了序列中的"杠杆效应".本文分析认为这主要是因为涨停板制度抑制了沪深股市极端风险数据的异质性,致使厚尾分界线向内收敛,从而扩大了POT模型的置信区间.本文最后根据金融行为学理论对此现象做了合理解释.     

涨跌停板制度对股市极端风险的影响——基于沪深A股与港H股的比较研究

极值理论近来常用于股市极端风险测度,然而涨跌停板严格抑制了极端风险数据的变异性,不但影响了极值POT模型的有效性,并常常造成其阈值难以确定,而当前约束条件下的相关研究却还较为匮乏。本文利用极值理论POT模型对沪深A股及港H股的极端风险进行了测度比较分析,引入峰度法较好地解决了POT模型阈值难以定量选取的问题,实证结果表明,涨跌停板以上下尾部不等效的方式显著地抑制了极端风险水平,使得即使在较低置信水平95%下,POT模型依然比VaR模型有效,而VaR模型非但没有低估反而普遍存在高估现象。最后,本文还定量分析了涨跌停板制度对股市极端风险数据分布结构的影响。     

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.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

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.     

基于SV-POT-TDRM的沪深300股指期货尾部风险研究

使用随机波动率模型修正沪深300股指期货收益率序列的波动聚集效应,并在残差服从正态分布和极值分布的假设下,分别计算了度量尾部风险的VaR、ES及尾部扭曲风险测度(TDRM)值。研究发现:股指期货日收益率序列呈现负偏、尖峰厚尾及波动聚集的形态;使用随机波动率模型可以较好地预测波动率的变化;假设残差分布服从极值分布的模型结果优于假设残差分布服从正态分布的模型结果,说明极值模型在尾部分析上比正态分布更加适用;使用扭曲尾部风险测度估计尾部风险,通过扭曲函数的选取与风险厌恶系数的不同设定,调整尾部风险发生的概率,反映了投资者的主观风险偏好,在相同置信水平下,得到的尾部风险估计值比VaR更精确。     

多分形波动率测度的VaR计算模型

以上证综指长达6年时间的5分钟高频数据为实证样本,首先提出了一种基于多分形谱(Multifractalspectrum)分析的市场波动率测度方法(Volatility measurement),并进一步探讨了其在市场风险价值(VaR)计算中的模型设计和应用.实证结果表明: 我国新兴资本市场的价格波动确实具有显著的多分形特性,且与各类线性和非线性GARCH族模型相比, 在高风险水平上,基于多分形波动率测度的VaR模型具有更高的风险测度精度.     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

基于高维分位数因子模型的中国股市尾部系统风险分析

利用高维分位数因子模型提取个股分位数变化的共同成分以衡量尾部系统风险，采用正则化回归分析尾部系统风险的宏观来源，通过截面回归探讨企业特质对尾部系统风险受宏观风险因子影响差异的作用。研究表明，中国股市尾部系统风险具有较强的高低位不对称性，高位尾部风险更多地与市场不确定性增大相联系，具有更强波动性且受宏观风险因素影响复杂度更高。尾部系统风险的不对称性随极端条件的加剧增强。企业特征能够对尾部系统风险受宏观风险因素影响的差异进行解释，企业规模、资产负债率及可持续增长率是影响这一差异性的重要因素。     

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.     

基于等熵一致性风险测度的组合选择

本文基于一种新的一致性风险测度——等熵风险测度，进行组合优化，以检验其择股能力，从而检验其风险识别能力. 先就风险识别能力，尤其随机占优一致性对三种基于分位数的风险测度：VaR，ES（expected shortfall）和等熵风险测度进行了介绍与对比. VaR具有一阶随机占优一致性，而ES具有二阶随机占优一致性；等熵风险测度利用了整个分布的信息，不再是简单的0-1风险测度，这与VaR和ES显著不同. 而且，等熵风险测度具有更高阶的随机占优一致性，这使得该风险测度具有更好的风险分辨能力. 而后采用Spearman秩检验方法来检验和预测不同风险测度的风险识别能力，这与随机占优一致性阶数相呼应. 最后，在上证50指数成份股中采用组合优化方法，考察标准差，VaR，ES以及等熵风险测度情况下，优化组合持有期的不同业绩指标. 结果表明，等熵风险测度优化组合的业绩指标最好，表明该测度风险识别能力最高.     

台风风暴潮债券定价——基于我国沿海1989～2015灾害数据

随着沿海经济的发展,风暴潮灾害是我国沿海地区面临最主要的自然灾害之一,严重阻碍了经济的可持续发展,而巨灾债券作为一种非传统巨灾风险对冲工具可有效转移巨灾风险。本文基于风险中性测度技术导出了零息票巨灾债券定价公式,并针对重大风暴潮事件造成经济损失的极端特征,采用极值理论中的门限峰值(POT)法研究了风暴潮灾害损失分布的尾部特征。进一步结合我国沿海1989年1月至2015年12月风暴潮直接经济损失数据,研究发现利用门限峰值法重构数据后,广义帕累托分布拟合我国沿海风暴潮损失尾部数据比对数正态、威布尔、伽马等传统厚尾分布拟合效果更好。进而估计并校准了定价模型中的参数,同时给出了一种混合逼近方法对定价模型进行数值求解。最后,数值结果表明巨灾债券价格随着合约期限的增加而减少,随着门限水平的提高而升高,从而验证了定价模型的可行性。     

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.     

基于多分形波动率测度的ES风险度量

多分形波动率(Multifractal Volatility,MFV)是一种最近提出的金融市场波动率测度方法。以上证综指和标准普尔500指数的高频价格数据为例,构造了多分形波动率测度的lnMFV-ARMA动力学模型,并运用基于Bootstrap方法的后验分析过程,实证对比了lnMFV-ARMA模型与其他6种常用波动模型对ES(Excepted Shortfall)风险测度的估计精度差异。实证结果表明:在所考察的大多数分位数水平下,lnMFV-ARMA模型对ES风险测度的估计精度都优于许多现有常用波动模型,特别是对标准普尔500指数的极端价格波动风险具有最优的刻画能力。     

基于EVT的谱风险测度及其在风险管理中的应用

金融资产收益率的分布往往呈现厚尾特性,忽略此现象往往会造成极值风险的低估.基于极值理论(EVT),引入一类测度尾部损失风险的谱风险测度方法(TSRMs).与传统的在险价值(VaR)和期望尾损(ES)相比,新的谱风险测度(TSRMs)赋予大的尾部损失以大的权重,非尾部损失权重为0,因而更能反映投资者的风险规避心理及其风险偏好程度.最后,以标准普尔500指数的日对数收益率为例,分析比较了TSRMs与VaR,ES在正态分布和极值分布下的估计结果,并进一步解释不同的风险偏好在投资者对风险的心里预期中起的作用.     

带网络结构的自适应Lasso分位数回归及其应用

CVaR是衡量组合投资的重要风险测度,如何在CVaR组合模型中选择稳健的资产组合以降低管理时间和经济成本十分重要.理论上CVaR模型下的资产组合决策可转化为分位数回归,受此驱动,该文构建了带网络结构的自适应Lasso分位数回归,对高维资产进行选择.自适应Lasso对变量的回归系数进行加权约束,理论上具有变量选择的一致性.网络结构是基于复杂网络理论构造,能够体现出资产之间的复杂联动关系,因此它对改进选择结果是有利的.该文基于线性规划进行求解,对CVaR组合投资决策中特有的计算问题采取两步迭代的方式进行.多种情形下的模拟分析显示,新模型的变量选择效果和预测表现均最优,且随着变量之间相关性的增强,网络结构带来的优势愈发明显.最后,使用249只股票数据进行了实证分析,通过滚动建模的方式,得出新模型具有良好的稳健性与应用意义.     

基于CVaR的期货最优套期保值比率模型及应用

通过条件风险价值(CVaR)控制套期保值资产组合在极端情况下发生的超额损失,建立了组合CVaR最小的套期保值优化决策模型.本模型的特色表现在:①现有研究的最小方差套期比及VaR套期比模型仅仅是本模型的1个特例:一是在期货的期望收益率为零时,或在期货和现货收益率完全相关时,本模型的最优套期比就是现有研究的最小方差套期比;在置信水平接近于100%的情况下,本模型的最优套期比趋近于最小方差套期比;二是在置信水平1-α下,当本模型的套期保值组合收益率小于标准正态分布的"α分位数"那一点的组合收益率的条件均值等于VaR套期比模型中特定的"β分位数"时,本模型就等于VaR套期比模型.②以期货套保组合收益率的CVaR为目标优化套期保值比.充分考虑了套保组合的尾部损失,综合了套期保值者期望收益率和风险偏好,改变了现有研究忽略套保者期望收益率和人为设定风险偏好参数现象,使期货合约的选择直接反映了套保者的风险承受能力.③模型反映了CVaR最优套期比由套保者投机需求和纯套保两部分组成,更深层次地探讨了套期保值比率的含义.