评估风险的期望损失计算及应用研究

期望损失值是一种评估市场风险的新测度.该文首先举例说明了期望损失值具有相容性,而目前最常用的在险价值方法则不具有相容性.然后推导出了用历史模拟法、正态分布法和GARCH模型法计算期望损失值的具体公式.最后给出了一个用期望损失值方法优化投资组合的实际算例.     

基于logistic分布的在险价值计算方法

针对Risk Metrics方法的不足,利用logistic分布对其进行了改进,并采用事后检验法对两种方法进行了比较,结果表明基于logistic分布的计算方法优于Risk Metrics方法.     

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.     

VaR--一种风险度量的方法

在险价值是目前市场风险估值的主流理论，被用来估计市场风险暴露在给定置信度下的最坏的预期损失.本文介绍了VaR的概念和计算方法。考虑到时变风险，讨论了GARCH模型，最后给出了评价模型的后验测试方法。     

风险度量新趋势分析

通过对VaR的一些缺陷进行分析,并例证了VaR在一些情况下不能准确识别风险以及VaR缺乏次可加性,提出了损失期望值这一更接近于投资者真实心理感受的风险度量方法,并证明了它是满足次可加性的风险度量方法。     

极值理论与VaR计算

介绍了利用极值理论研究随机变量尾部性质的方法,并将其应用于金融产品在险价值（VaR）的计算.实证分析表明,与传统的计算VaR的方法相比,极值理论方法能更好地利用已知历史数据,并能在计算高置信度VaR时克服传统方法中误差较大的缺点.     

基于尾部指数回归的动态系统性尾部风险度量

基于回归模型,考虑市场波动率指数(volatility index, VIX)对尾部指数的影响,研究了尾部指数与系统性尾部风险系数之间的关系,并构造了时变动态系统性尾部风险系数模型.基于该模型,研究了八个国家的代表股指的CVaR和时变动态系统性尾部风险系数.结果发现,在金融危机期间,全球市场的尾部风险显著增加;中国、日本、俄罗斯、印度,法国和英国的代表股指的系统性尾部风险小于全球市场的,而美国和德国的较高.     

在帕累托模型中风险度量的统计分析

在帕累托风险模型中,该文研究了在险价值及其相关风险度量的关系,给出了在险价值、期望短缺、尾条件期望、条件在险价值等风险度量的计算方法;进而,利用极大似然法和矩估计法得到了这些风险度量的估计,证明了估计的相合性和渐近正态性;最后利用数值模拟的方法验证了在不同样本下估计的收敛速度.     

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.     

基于险度函数的无人机备件库存量风险损失度量

针对无人机备件库存量风险可能产生的潜在损失,在分析比较各种风险度量方法的基础上,利用险度函数构建了一种新的用于定量分析无人机备件库存量风险损失的函数模型,确立了模型满足险度函数的条件(线性风险度量公理系统),探讨了行为人在定常风险偏好特性和可变风险偏好特性时任意一型备件潜在损失的计算方法。最后,对3个仓库的无人机某型备件库存量风险进行了仿真实验。算例验证了函数模型合理有效,为各种仓储方案风险评估提供了量化参考。     

Worst-case conditional value-at-risk and conditional expected shortfall based on covariance information

In this paper, we study the worst-case conditional value-at-risk (CoVaR) and conditional expected shortfall (CoES) in a situation where only partial information on the underlying probability distribution is available. In the case of the first two marginal moments are known, the closed-form solution and the value of the worst-case CoVaR and CoES are derived. The worst-case CoVaR and CoES under mean and covariance information are also investigated.     

基于广义期望效用理论的主观概率调整的一致性风险测度

在对广义期望效用理论进行综述的基础上,将该理论与一致性性风险测度联系起来,并利用广义期望效用理论中的Choquet期望效用函数,提出了一个主观概率调整的一致性风险测度.以中国股市中的一个资产组合为样本,利用二元随机波动率模型对资产组合收益率分布进行描述,并使用马尔克夫链蒙特卡罗的模拟方法对该分布进行模拟,计算了主观概率调整的风险值.     

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。     

中国股市波动过程分析

使用一般到特殊的建模方法,建立沪深两市收益率的波动模型.实证分析表明ARFIMA-APARCH-skewed-t过程能有效刻画沪深两市收益率的数据生成过程.     

VaR与ES的非参数估计的统计分析

利用VaR与ES最新的非参数估计方法,不依赖于分布假设,对上证指数做实证分析,并对N天的VaR的计算方法进行研究.研究结果表明,在样本容量较大的情况下,VaR与ES的非参数估计方法有较好的效果;曲线回归方法计算N天的VaR的效果明显优于正态假设下计算的效果.     

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.     

基于险度函数的无人机备件库存量风险损失度量

为了研究南海海面风与海面温度的相互关系,利用相关分析、经验正交函数分解、奇异值分解等方法对49 a 的COADS 资料的南海海域的海表面温度异常(SSTA) 和海表面风异常(SSWA) 进行分析。SSTA 的EOF1 解释了总方差的50.8%,该模态与整个南海SSTA 同步变化,时间系数主周期为2 ~3 a,该系数滞后5个月,与Nino3.4 指数的相关系数达到0. 423;SSWA 的EOF1 解释了总方差的25. 1%,与整个南海SSWA同向变化,时间系数的主要周期为4 ~8 a,但与Nino3.4 指数的同步相关系数只有0.04,SSTA 和SSWA 的SVD分析结果第一模态的方差贡献为86.7%,空间分布很好地体现了SSTA 和SSWA 之间的正反馈机制,左右奇异向量时间系数达到0.5,且时间系数的主要周期都为4 ~8 a,证实了南海海域海-气耦合的主模态为ENSO模态。