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...     

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.     

极值VaR度量的一个新方法研究

在险价值是度量市场风险的一种普遍使用的工具,是市场风险度量的基石。本文应用统计学中的极值理论与泊松过程于VaR的计算。这种新方法是VaR度量方法中最稳健的方法之一。     

极值VaR度量的一个新方法研究

在险价值是度量市场风险的一种普遍使用的工具,是市场风险度量的基石.本文应用统计学中的极值理论与泊松过程于VaR的计算.这种新方法是VaR度量方法中最稳健的方法之一.     

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.     

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.     

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．     

分层线性模型在金融风险度量中的应用(英文)

为了有效地度量金融市场风险,指出常用的风险度量模型存在不足. 金融风险度量模型必须考虑引入多因素,比如大盘指数与宏观因素. 通过回顾了分层线性模型的定义及其应用,提出改进风险度量模型的设想以及有待解决的问题. 从实际意义来看,这是很切合实际的.     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

Two ARCH Models and Their Limitations as Diffusion Processes

IntroductionMany financial time series such as stock returnsand exchange rates exhibit an important feature,conditional heteroskedasticity,which means thatmarket volatilities tend to cluster.This featurewas described in many financial fields as early asClark[1] ,Merton[2 ] and others.Engle[3 ] firstintroduced the ARCH model which is now widelyused.An autoregressive model of order p with anARCH error term of order q can be written asYt=μ +1Yt-1+… +p Yt-p +εt (1 )εt|Ψt-1～ N (0 ,…