VaR准确性检验的T检验法

根据VaR失败率检验法的定义,通过利用组合的方式获取检验样本和构造服从T分布的统计量,得到检验VaR准确性的新方法——T检验法。T检验法所接受的模型不仅在似然比检验法下能被接受,且在同一置信度下T检验法所接受的模型比似然比检验法所接受的模型的准确性更高。最后通过实证分析进一步说明T检验法比似然比检验法能更好地检验VaR的准确性。     

VaR模型及其在上海股市中的应用

资产未来收益率分布是决定VaR计算准确性的主要因素，针对上海证券市场综合指数收益率分布的不同假设，从静态与动态角度给出4种计算VaR的方法．首先通过拟合历史数据，说明上证综合指数收益率服从t4.579分布，然后考虑到收益率波动的时变性，用GARCH（1，1）模型来估计波动率．最后通过Back-test检验，得出GARCH-t4．869是计算VaR的最好的模型．     

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．     

GARCH-EVT模型在动态VaR中的应用

在综合考虑金融资产收益数据分布的波动集群性和厚尾特征,尤其是波动的条件异方差对动态VaR估计的影响的基础上,运用极值理论(EVT),建立了GARCH-EVT模型,计算了上海证券市场综合指数的动态VaR,并且将GARCH-EVT模型与GARCH-NORMAL模型进行比较.通过实证分析,并利用后验测试,结果表明GARCH-EVT模型优于GARCH-NORMAL模型.GARCH-EVT模型很好地解决了波动集群性和厚尾现象,为管理者和投资者提供了一个控制风险、预测收益的量化工具.     

金融风险管理中的VaR模型及其应用

VaR模型是金融风险度量中一个常用的工具,近年来在银行、证劵及金融监管机构得到广泛的认可和应用,本文从研究VaR模型的操作方法入手,分析了VaR模型在金融风险管理中的影响及其存在的不足,并进行了实证研究.     

基于VaR的我国股票市场波动性分析

首先通过对我国沪深股市的统计特征分析表明,我国股票市场存在着丛集效应,且不服从标准正态分布,然后再根据统计特征分析选择合适的模型应用Excel计算上证指数和深证成份指的日对数回报VaR值。再者通过对沪深两市的统计分析和VaR值的分析得出：我国股市波动具有很强的丛集性,股市极不稳定,1996年以前股市波动尤其剧烈。最后针对这一结论提出相应的措施。     

PearsonⅦ分布在VaR模型分析中的应用

Va R(在险价值 )方法被广泛地应用在金融市场风险管理中 .传统的计算 Va R方法——历史模拟法 ,Risk Metrics方法和 Monte Carlo模拟法 ,都不能对市场风险分布的“厚尾”现象给出较满意的分布和计算方法 .本文把 Pearson 分布应用到 Va R模型的计算中 ,得到了很好的效果 .     

成份VaR(Component VaR)在投资组合风险控制中的应用

本文简要介绍了VaR和成分VaR在投资组合风险管理中的应用,使管理者更加清晰的看出投资组合中各个成分的风险结构,并且用成分VaR方法对一组假定的投资组合的风险进行风险的度量与分析,并说明如何根据风险情况对组合成分进行调整以降低风险。     

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。     

VaR方法在外向型企业风险度量中的应用

在浮动汇率制度下,外向型企业为规避越来越多的汇率风险,需要对这些汇率风险进行度量。将VaR法引入到外向型企业的汇率风险度量研究中,通过实例度量和检验分析,说明VaR法可以对我国外向型企业的汇率风险进行度量。     

VaR在商业银行控制企业贷款信用风险中的应用

VaR作为一种市场风险测量和管理的新工具,得到了国际金融界的广泛认可。介绍了VaR模型的基本思想,阐述了银行如何利用VaR控制中小企业贷款信用风险,并为中小企业的信用建设提出了建议。     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

基于t-Copula-GARCH-t模型的中国股票市场风险分析

针对传统在险价值(value at risk,VaR)模型的局限性,结合Copula技术和GARCH模型,运用t-Copula-GARCH-t模型对中国股票市场进行风险分析,对上证综合指数和深证综合指数进行了实证研究,结果证实了所应用模型和方法的可行性和有效性.     

藤Copula模型在我国股市多资产组合VaR预测中的应用

选取我国六只股指数据为研究对象,基于几类藤Copula模型和VaR理论,运用滚动MonteCarlo技术及MST-PRIM算法确定各类模型的RVM结构,并在此基础上结合滚动时间窗口方法预测投资组合的动态VaR。为了进一步验证模型的拟合效果,采用返回值检验法测试模型的VaR预测结果。事实证明:在等权重与Mean-CVaR约束条件下,C-藤和R-藤对投资组合的VaR预测效果胜于D-藤;另外,R-Vine all Gumbel模型的VaR预测结果比R-Vine all t模型好,充分说明在面对非对称特点的金融数据时,Gumbel-Copula比t-Copula更具说服力。     

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.     

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。     

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.     

基于CARR模型与GARCH模型对VaR的比较研究

研究了在一般情形下和极端风险下的风险度量,分别采用基于极差、收益率为变量建模的CARR模型、GARCH模型应用于VaR的计算,结合深证成指的实际数据进行实证分析,分别对比在不同分布下GARCH模型和CARR模型计算出的VaR,最终得出基于在广义伽马分布下CARR模型算出的VaR值,能更加真实地反映深证股市极端情形下风险程度,而基于T分布下的GARCH模型更加真实地反映深证股市一般情形下的风险程度.     

风险价值VaR的检验

根据风险价值的概念,提出了一个基于二点分布的检验模型,证明了存在一致最优(UMP)检验,并给出了检验的表达式、拒绝域.另外,考虑到金融数据的样本容量都比较大,又提出了基于渐近正态分布的检验模型,给出了检验的表达式,拒绝域,并与传统方法的结果作了比较.     

D-G正态模型在VaR计算上的改进

对于包含期权等非线性头寸的投资组合来说,其VaR计算,通常是利用二阶或高阶泰勒展开式来近似投资组合在特定时期内相对于市场变量的价值变化,即D-G正态模型,然后针对这个模型来进行VaR计算.本文在分析这个模型缺陷的基础上,设法通过调整置信参数α,来提高风险预测的准确度.