重尾分布下的期望收益风险度量方法

采用一种基于投资者期望收益的风险度量方法,并给出该风险度量在Laplace分布、混合正态分布、T分布等具有重尾特征分布下的表达式及若干性质.由于这些分布能更好地拟合金融收益时间序列数据,故给出这种风险度量在重尾分布下的性质无疑具有一定的理论和现实意义.     

基于不同分布假设的GARCH模型对上证指数风险值预测能力的比较研究

采用GARCH模型对上海股票市场的潜在风险进行了度量．通过对三种不同分布（Normal，Student-t，GED）进行返回检验，可看出GED分布能更好地刻画上证指数的尖峰厚尾特征，从而也能更准确地预测沪市的风险值．     

流动性调整门限效应下的市场风险度量

为了刻画流动性对金融市场风险的影响，并且考虑到金融数据的尖峰厚尾性，对传统的门限UHF-GARCH模型进行扩展，加入持续期门限和对数持续期门限效应，基于标准T分布建立门限UHF-GARCH-MD模型和门限UHF-GARCH-LD模型，结合交易的及时性和交易深度刻画金融市场流动性风险，评价并比较两类门限模型的拟合优度和流动性风险度量精度.实证发现，持续期杠杆效应对金融市场流动性风险存在显著影响，门限UHFGARCH-LD模型不仅刻画了金融数据的尖峰厚尾性，并且捕捉高速流动性和低速流动性对金融市场风险的不对称影响，可有效地度量流动性风险，为金融市场风险研究提供了流动性新视角，也可为市场风险防控提供参考.     

风险值VaR和尾部条件期望TCE的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法:尾部条件期望TCE.利用GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险.     

风险值和尾部条件期望的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法:尾部条件期望TCE.利用GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险.     

基于模型平均的超高维数据特征筛选方法

结合模型平均技术和条件分位数方法,提出一种基于变量间相关度量的模型平均特征筛选方法.该方法具有无模型假设、对异常值或重尾分布稳健以及计算简单快捷等优点,并通过理论证明和蒙特卡洛数值模拟验证了该方法满足确定性筛选性质和有限样本性质.实例分析结果表明,本文所提出的方法具有优良的表现.     

基于极值理论的ARMA-GARCH-M类模型及实证分析

为预测金融资产回报序列的极端风险,用ARMA-GARCH-M类模型处理回报序列的异方差性,风险溢价性.结合EVT方法捕捉回报序列分布厚尾的优势,建立两个度量金融市场极端风险的模型:EVT-ARMA-EGARCH-M模型与EVT-ARMA-TGARCH-M模型.最后以苹果公司股票数据为实例,证实了两个模型都能很好的刻画极端风险.     

国债投资组合风险度量的实证分析

对我国国债市场流通的国债应用弹型策略和杠铃型策略构建投资组合 ,并利用Golub&Tilman风险值模型对所构建的两个组合进行风险值度量 ,发现在投资年限较短时采用弹型策略风险较小 ,投资年限较长时则采用杠铃策略风险较小 .     

不确定重尾量测噪声干扰下的鲁棒目标跟踪算法

在大多数目标跟踪方法中,通常假设量测噪声服从参数已知的高斯分布或对称重尾分布,但其非常受限并且在实际过程中常常无法得到满足。因此,针对存在不确定重尾量测噪声干扰下的目标跟踪问题,提出基于变分推理的鲁棒容积卡尔曼滤波算法。该算法利用Skew-T分布对不确定重尾量测噪声进行建模,在基于容积规则的数值积分过程中,结合变分推理将Skew-T分布量测噪声参数与系统状态变量进行联合递归计算,通过对近似后验概率密度函数进行变分迭代,获得系统模型和不对称重尾量测噪声参数。仿真结果表明,该算法相比变分贝叶斯扩展卡尔曼滤波算法具有较高的滤波精度。     

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.     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。     

基于VAR-GARCH模型我国外汇风险分析

通过对美元收益率R序列的特征分析发现,序列存在非正态性、尖峰厚尾、非对称性、异方差性的特征。分别基于正态分布、T分布、GED分布和偏态T分布的GARCH类模型对R序列进行实证分析。经过VAR方法的风险度量可知,基于T分布的GARCH-M模型对多头美元市场的风险度量最为准确。     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

非正态假设下投资组合的风险分解

为提高风险分解结果的准确性,本文给出组合收益分布服从非正态假设下,组合VaR及ES分解的两个新方法：局部线性加权平均;用分段线性函数拟合极端损失情形下,资产与组合回报之间的关系。针对实际金融数据的尖峰厚尾性与杠杆效应,风险度量采用EGARCH-GED模型。实证分析及模型检验的结果表明,新方法能准确、快捷地分解组合风险。     

重尾分布下一类双险种风险模型的大偏差

利用典型的重尾分布下风险模型关于大偏差的研究方法,进一步研究了重尾分布下一类双险种风险模型,得到了当两个独立险种的索赔额均服从重尾子族D族时,部分和Sn＋m的大偏差的估计。     

基于C藤Copula模型的混业经营下 聚合风险的度量

本文首次提出了对混业经营下聚合风险度量问题的实证研究,以VaR作为风险度量的工具,根据混业经营下金融机构所拥有的资产组合的特点,首先利用ARMA(1,1)-GARCH(1,1)模型提取了各单个资产的标准残差,再选取C藤Copula对各单个资产之间的相依结构进行了拟合,最后根据拟合的参数借助于蒙特卡罗模拟法进行了逆向模拟,得到了C藤Copula模型下VaR的回溯测试结果.同时,采用类似的方法,分别对R藤和D藤Copula模型下的VaR进行了回溯测试,并将3种模型下的回测结果进行了对比,得出了C藤Copula模型下得到的结果误差最小的结论.此外,文中还给出了用C藤Copula对多维数据之间的相依结构进行拟合的算法步骤以及利用蒙特卡罗模拟法求解多维资产组合VaR的步骤和方法.     

基于VaR-GARCH模型的金融衍生工具市场风险研究——以沪深300股指期货为例

针对我国金融衍生工具市场风险问题,本文利用沪深300股指期货的日数据,运用VaRGARCH模型对沪深300股指期货市场风险进行了实证研究.研究表明股指期货收益率序列具有尖峰后尾、集聚、平稳的特点.利用GARCH模型中的条件方差计算VaR的值,由此度量股指期货市场风险,并给出控制其风险的对策,从而获得控制股指期货市场风险的理论和方法.     

模拟人类发散思维的测度值马尔可夫理论模型

本文提出测度值马尔可夫决策过程新模型.在此模型下,agent对环境的把握用测度概念来表示,于是agent则根据测度来决定自己的最优行动以得到最优策略,因此本文也提供了测度值马尔可夫决策过程的最优策略算法.该模型是部分可观察马尔可夫决策过程的推广,它反映人类思维的一个重要特征,人们在把握全部状态可能性(即对状态空间进行权衡度量)的态势下,思考问题并选择自己的最优行动.部分可观察马尔可夫决策过程只是它的一种特例.     

基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED-EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。