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.     

极端VaR风险测度的新方法:QRNN+POT

由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分位数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分位数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法:QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度.选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现,结果表明:第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意;第二,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险.     

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.     

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.     

平稳序列的POT模型及其在汇率风险价值中的应用

经典的极值模型要求数据是独立同分布的，本文考虑平稳序列，引入极值指标，并利用分串方法，建立POT模型，对VaR和CVaR进行估计，最后对日元／美元的汇率进行实证研究。通过比较发现，引入极值指标后，提高了VaR估计的精度。     

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。     

基于极值理论的高频条件VaR动态区间估计模型

为了更加精确地度量在险值的估计精度,基于广义极值理论推导了条件极值VaR的动态区间估计模型,得到了条件极值VaR置信区间解析解的一般形式,对在险值的估计精度进行了实时度量.利用高频数据重点考察了不同置信水平和不同样本容量分块下的条件极值VaR区间估计结果的精度和模型的有效性.结果表明:条件极值VaR的动态区间估计模型与参数法、非参数法以及蒙特卡罗法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有更好的估计精度,精确和有效地描述VaR的估计风险.     

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.     

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。     

极端风险条件下的市场反应检验

大量的理论和实证研究结果表明人们的交易行为会受到交易者心理的影响.然而, 研究极端风险条件下市场反应的文献并不多见. 在基于风险价值VaR的基础上提出了一种检验极端风险条件下市场反应的统计方法,并将该方法应用到对美国道琼斯工业平均指数的研究中.实证研究结果表明, 对于极端风险而言, 市场的反应并非理性的,具有很强的心理学特征: 长期来看, 市场大跌后会有很大的反弹的概率;而市场大涨之后, 无论是长期还是短期, 都会有很大的动量持续概率;而市场作为整体而言是以动量持续特征为主.     

关于上海股市收益厚尾性的实证研究

对股市收益厚尾性进行了研究 ,基于极值理论利用高限峰值法 POT( Peak Over Threshold)方法以样本平均超限 ( The Sample Mean Excess Function)函数为工具 ,通过 GPD( Generalized ParetoDistrbution)模型 ,对股市收益分布尾部进行拟合探讨 ,由此给出股市收益分布尾部估计 ,并求出了尾部分位点.     

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。     

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.     

相关风险函数VaR的界

以VaR作为风险测度，利用Copula的有关理论给出美元／英镑和加元／英镑两支汇率的风险函数在一定水平下的VaR的最优边界。在比较不同类Copula的相关性时，用Kendall τ作为比较的依据。本文的方法对其他风险测度和由更多金融产品组成的组合投资同样适用。     

国际有色金属期货市场VaR和ES风险度量功效的比较

采用历史模拟法、蒙特卡罗模拟法、指数加权法、等权重法、GARCH法和极值理论法六种参数方法和非参数方法对国际有色金属期货市场风险值VaR建模, 并引入基于极值理论的预期不足ES对风险度量进行补充. 在利用返回检验对实证结果的功效进行比较研究的基础之上, 得出结论: 从对ES和VaR的检验结果比较而言, 当有色金属期货市场价格出现大幅跌涨时, ES比VaR更能准确地度量市场风险; 从对各种方法VaR的检验结果比较而言, 在95\%的置信度下, GARCH法和指数加权法能够更加有效地度量市场风险, 在99\%的置信度下, 指数加权法、GARCH法和历史模拟法能够更好地估计市场风险.     

基于非线性相依的市场间金融传染度量——测度2015年中国股灾对重要经济体的传染效应

针对真实市场间所具有的非线性、尾部极值相依性及时变性等相依特征,本文以2015年6月中国爆发的股灾为背景,从传染效应的存在性、传染强度、传染方向三个视角深入研究中国股市对日本、美国、韩国三个重要经济体股市的金融传染效应.首先,将极值理论(extreme value theory,EVT)与时变Clayton Copula函数相结合构建时变Clayton Copula-EVT模型,估计下尾极值动态相依系数,并进行统计检验,发现中国股市对日本、美国股市存在风险传染效应,而对韩国股市不存在风险传染效应;进一步地,量化中国股市对日本、美国股市的风险传染强度,发现中国股市对日本、美国股市的传染强度都较大,且中国股市对美国股市的传染强度明显强于其对日本股市的传染强度;最后,利用基于时间延迟的去趋势交叉相关性分析方法研究中国股市与日本、美国股市之间的风险传染方向,发现股灾后市场间风险传导方向发生了改变,风险主要由中国股市传染至日本、美国股市.上述实证结果为深入研究市场间金融风险传染的非线性相依特征机理提供了有益的参考.     

基于Markov机制转换模型的我国股市周期波动状态研究

运用Markov机制转换模型,研究我国股市在不同状态之间的周期转换.研究结果表明, 四状态异方差马尔科夫机制转换模型最能刻画我国股市周期波动特征; 1996年12月26日-2010 年 12月 31日涨跌停板限制下, 股票价格的变动可以分为快速下跌、缓慢下跌、缓慢上涨和快速上涨四种状态;我国股市总体上体现出急涨慢跌的态势, 缓慢下跌是其主要波动状态;股市阶段性波动大体上分为波动较大和波动较小两种期间.     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.