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AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

风险度量半参数变系数复合Expectile回归模型及应用

本文结合半参数变系数回归模型、期望分位数风险价值(EVaR)的思想以及充分利用多个Expectile信息能提高参数估计效率的假设,提出了一类半参数变系数复合Expectile回归模型,并对该模型进行了估计,建立了所提出复合Expectile回归(CER)估计的大样本性质.针对该模型既含有参数部分也含有非参数部分的特征,采用了方便计算的三步估计方法.通过数值模拟也发现,当误差为厚尾或非对称分布时,在均方根误差(RMSE)的标准下,所提出的CER估计大大优于最小二乘(LS)估计和简单的Expectile回归(ER)估计.另外,本文还应用所发展的理论分析了我国货币政策对上证综指的影响.     

准备金评估的贝叶斯分层分位回归模型

基于AL(asymmetric Laplace)分布建立了贝叶斯分层参数化分位回归模型,并与传统的非参数化分位回归模型进行了比较.通过蒙特卡洛方法从参数的后验分布中反复抽样,借助分位函数的表达式,获得了准备金风险边际的分布,进而给出了风险边际的置信区间.基于一组增量赔款数据的分析结果表明,贝叶斯分层参数化分位回归模型可显著改善传统分位回归模型对未决赔款准备金的预测效果,并为保险公司的风险管理提供更多有价值的信息.     

证券组合SKST-APARCH模型和VaR估计分析

金融资产无条件收益分布表现为偏度和峰度共存，运用ARCH模型族在波动和Valt分析中往往将对称的后尾t、GED误差分布与不对称冲击结合在一起来解决序列不对称特性．由于偏度和峰度并非相互独立．这样未能根本上解决问题。本文在APARCH模型中引入偏t分布（Skst）模型对上证指数和深证A股指数的波动及VaR进行了实证分析，并与Gauss、t、GED等对称分布下的估计进行了比较，结果显示Skst能较好的拟舍波动、较准估计VaR．     

基于小波变换的时变长记忆SV模型估计方法研究

研究了基于小波变换的时变长记忆SV模型参数的估计方法.根据小波变换可将过程分解到不同的尺度上以及长记忆SV过程同一尺度下和不同尺度下DWT系数的近似不相关性,提出了建立局部似然函数的方法,又根据DWT系数和MODWT系数之间的关系,将局部似然函数表示为模型参数和局部小波方差估计的形式.用该方法对中国股市收益进行了时变长记忆SV模型参数的估计.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于极值理论的原油市场价格风险VaR的研究

引入VaR(Value at Risk)的极值理论对世界原油现货市场的价格风险进行研究.在对WTI和Brent原油现货市场的实证研究中将极值理论的阈值模型与簇值方法相结合,对阈值u和模型参数的估计方法提出了改进,取得了较为理想的VaR估计结果.在此基础上讨论了两市场价格风险的不同特征以及同一市场中厂商风险和采购风险的不同特征.得到了一些有意义的结论.     

基于HKKP估计的商业银行操作风险估计

对于商业银行而言，操作风险已经成为与市场风险和信用风险同样重要的风险。本文利用极值理论对中国商业银行操作损失极端值分布进行估计，针对尾参数估计的采用传统Hill估计对小样本数据容易产生偏倚的情况，提出了采用Hill估计的改进——小样本无偏估计的HKKP估计来估计操作损失的尾参数，针对由于阈值确定不准确导致结果偏差大的情况，采用最小化估计的累计概率分布与经验累计概率分布平均平方误差的方法确定较精确的阈值，估计出给定置信水平下操作风险损失的分位数，从而使得中国商业银行操作风险监管资本的测定成为可能。