基于GARCH-EVT模型的我国创业板市场风险分析

选取了2015年10月至2021年9月创业板综指的日收盘价数据,使用GARCH部分拟合创业板的动态波动的基础上,利用极值理论拟合尾部极端数据,并用POT方法计算出残差序列不同分位数下的VaR和ES估计,最后将其与历史模拟法、普通GARCH模型同时进行回测分析,比较其估计效果。实证结果表明,利用GARCH-EVT组合模型,在较高置信水平下计算得到ES能够更加精确地度量我国创业板市场的风险。     

VaR和ES尾部风险的比较分析

近年来,风险值(VaR)已成为一种重要的度量市场风险的测度,但它存在一些概念上的缺陷,因此人们在VaR的基础上又提出了两种新的度量市场风险的测度:尾部条件期望(TCE)和期望损失(ES).该文运用极值理论中的POT模型和正态分布GARCH(1,1)模型比较了VaR和ES的尾部风险,结果验证了ES比VaR有更小的尾部风险.     

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.     

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。     

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.     

基于两类极值分布的金融风险度量

在金融投资组合的风险管理中,估计极端事件的概率,是一个重要的问题.阐述了极值理论和两类极值分布,以上证综合指数为例,将极值理论用于风险价值的计算,给出了VaR和ES的估计值,并与传统方法得出的结果进行了比较分析,结论表明,用极值方法度量金融风险具有很高的准确性.     

ES自回归方法在商业银行流动性风险衡量中的应用

采用ES自回归方法对商业银行的流动性风险进行衡量.此方法能动态地衡量流动性风险,并且能对风险进行预测.与VaR,ES测度和自回归时间序列模型相比较,此方法对于商业银行的流动性风险在某个时点上风险的排序更合理.     

基于极值理论的VaR和ES度量——以中兴通讯数据为例

风险价值(VaR)是市场风险的重要度量工具。以具有厚尾的中兴通讯股票收益率数据为例,分别运用极值理论中的分块样本极大值模型(BMM)和超阈值模型(POT)对VaR进行计算,并给出相应的预期损失(ES),同时提出了一种差异度量的方法对POT模型的阈值进行选取。结果表明,使用极值理论度量风险可以更好地捕捉尾部数据信息,得到更合理且符合实际需求的VaR和ES估计值,且POT模型比BMM模型所得计算结果更加稳定。     

基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究

运用GARCH-CVaR和GARCH-VaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,测度结果表明:GARCH模型的种类对CVaR和VaR的计算结果影响不明显,而分布假定和置信水平对CVaR和VaR的计算结果影响显著;同时,还对GARCH-CVaR和GARCH-VaR的风险测度效果进行了对比研究,对比结果表明:分布假定和置信水平会显著影响CVaR对VaR的改进效果.