SV-GED模型在中国股市的VaR与ES度量及分析

从分析中国股市指数收益率的统计特征入手,以SV模型为基础,在多种分布情形下测算了沪深两市时变风险值V aR及ES。结果表明:基于GED分布的SV模型(SV-GED模型)较好地刻画了高频时间序列的尖峰肥尾性及波动集聚性与持续性等特性,并对两市指数进行较准确的预测,ES相比V aR能够较准确地估计尾部风险。     

调和稳定Lévy过程驱动的双重跳跃模型及期权应用

为准确刻画证券价格波动过程中的跳跃特征,捕获收益率尖峰厚尾、有偏等非高斯特征以及波动率集聚、异方差性等效应,建立了证券价格与相应波动率均存在跳跃的随机波动率模型,其中跳跃分布为两类纯跳跃Lévy分布(调和稳定分布和速降调和稳定分布)。最终,构建得到调和稳定Lévy过程驱动的双重跳跃随机波动模型。利用恒生和标普500股指数据进行实证,结果表明:与仿射跳扩散相比,纯跳跃Lévy分布能捕获随机信息的尖峰厚尾特征,拟合能力更优越,股指收益尾部分布存在速降特征。在此基础上的期权定价结果表明,速降调和稳定过程驱动的双重跳跃随机波动模型更有效。     

基于 Bayesian-SV-SGT 模型的原油价格‘Value at Risk’估计

从分析原油现货市场收益率的统计特征入手,为更好地刻画原油现货市场收益率的尖峰厚尾、偏态及波动集聚性和持续性的波动特性,引入 SGT 分布来描述原油市场 价格的分布特征, 利用 SV模型来度量国际原油市场的价格波动率. 同时, 基于 Bayesian 原理,利用 MCMC 方法来解决 SV 模型的参数估计难题, 建立了 Bayesian-SV-SGT模型, 并对国际原油现货价格“VaR”(Value at Risk)进行了估计和分析.研究结果表明, 相对 GARCH 类-GED 模型而言, Bayesian-SV-SGT模型更好地刻画了原油现货市场收益特征,并能更加精确地刻画原油现货市场的价格风险.     

基于Copula-ASV-GPD的我国多元外汇储币组合的风险度量

运用Copula-ASV-GPD模型对我国多元外汇储币组合进行风险研究。首先针对外汇收益的尖峰厚尾、波动的异方差性等典型事实特征,采用ASV模型与极值理论结合刻画单个外汇收益的波动性及尾部分布,然后运用更为灵活的t Copula函数进行拟合多元外汇储币组合的相关结构-最后结合Monte Carlo模拟对外汇组合进行了风险度量。通过对外汇储币组合的实证分析,结果表明,基于ASV-GPD的边缘分布模型能有效地刻画多元外汇收益时序并较为精确地描述外汇收益尾部的极端变化,相比其他风险度量模型具有优越性。同时,回测检验显示,基于Copula-ASV-GPD模型的多元外汇组合对风险测度能力更强,能够更好地捕捉外汇组合极端情形下的协同性和关联性,因而能有效地管理外汇储币风险。     

基于藤copula–已实现GARCH的组合收益分位数预测

为准确预测分位数,利用已实现GARCH模型在边缘分布建模中纳入高频信息,通过藤copula刻画资产收益两两之间相异的相依结构,构建了资产组合收益分位数预测的藤copula–已实现GARCH模型.选取中国股市风格指数组合展开实证分析,回测检验结果表明高频信息和异质相依结构是准确预测分位数的关键环节,藤copula–已实现GARCH模型能够提供更准确的资产组合收益分位数预测.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)一GARCH(1,1)模型与幂律型分布相结合计算VaR的方法.用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,两者结合更好地描述回报时序的动态波动现象.对上证综指进行实证分析,结果表明,文中提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

基于ARMA-GARCH调和稳态Levy过程的期权定价

通过收益率时间序列分析, 估计了非高斯ARMA-GARCH模型用以描绘资产价格的随机过程. 进一步假设模型的噪音分别服从标准正态分布及两类纯跳跃Levy分布 (经典调和稳态(CTS)和速降调和稳态(RDTS)), 并建立风险中性Levy-ARMA-GARCH模型进行恒生指数期权定价的实证研究. 研究结果表明: 中国股市主要股指的历史滤波噪音序列皆呈现尖峰有偏和肥尾的非高斯特征, 调和稳态相比其它Levy过程有更好的尖峰肥尾的刻画能力; 恒指价格的跳跃测度存在速降趋势, 形成收益率的尖峰厚尾; 布朗运动低估了金融市场震荡程度, 高斯分布高估短、中、长期隐含波动率; 调和稳态Levy过程的拟合与定价能力较好, 速降调和稳态过程综合的定价能力更稳健.     

股市风险VaR与ES的动态度量与分析

首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值VaR和ES的模型，并在多种分布情形下动态测算上证综合指数的风险，结果表明基于GED分布的VaR模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性，而ES模型则有效地弥补了VaR模型的不足之处。     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

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。     

基于跳-扩散过程的人民币汇率收益率波动模型

通过对人民币汇率收益率波动性的统计分析,发现其存在"尖峰厚尾"现象.鉴于此,引进跳-扩散过程,建立汇率收益率波动模型,并给出了模型参数估计方法.利用人民币/美元的实际日汇率数据进行实证分析,得出用跳-扩散过程拟合人民币汇率收益序列能更好地解决"尖峰厚尾"问题.进一步,利用跳-扩散过程与无跳随机扩散过程的模拟数据与真实观测数据进行拟合分析,发现前者的拟合效果更好.     

基于SWARCH-GED模型的极值VaR度量

针对金融资产收益率序列的尖峰厚尾和结构变换特征,用SWARCH-GED模型拟合收益率序列,然后以标准残差序列为媒介与极值理论有机结合起来组建基于SWARCH-GED-EVT的动态VaR模型,最后对模型的精度和有效性进行验证。研究表明,SWARCH-GED-EVT模型能够有效识别上证综指的尖峰厚尾和结构变换特征,并且能精确有效地测度上证综指收益风险,尤其随着置信水平的提高效果更明显。     

双指数跳跃扩散条件下上市公司违约风险分析

以期权定价为基础,公司股权可看作资产价值的欧式看涨期权,通过上市公司金融市场股权信息度量资产价值变化,进而测算公司违约概率.金融资产收益率分布具有尖峰厚尾性,将双指数分布跳跃扩散过程引进违约风险模型,使用新信用模型识别公司资产价格跳跃风险,对上市公司违约距离和违约概率进行测算.实证研究表明:公司收益率波动存在尖峰厚尾特点,违约风险跳跃特点显著,受外界消息冲击出现上跳和下跳的风险,样本行业对外界突发冲击均存在敏感性.跳跃情形下资产价值距违约门槛更近,短期内跳跃风险对违约概率影响具有异质性,长期内跳跃风险下累积违约概率均高于无跳跃风险情形.实证结果进一步表明新模型的优越性,为应对违约风险加强风险管理提供了新思路.     

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

证券投资基金的风险资本确定研究

研究基金管理人如何配置风险资本以抵御来自资产组合收益风险的问题。建立基金管理人确定风险资本的模型，给出关于投资组合收益率分布函数的最小风险资本比率。用跳跃一扩散过程来描述市场收益率，在此基础上建立基金的投资组合的收益率模型，并给出模型参数的估计方法。利用随机模拟方法获得投资组合收益率的模拟样本．可以获得投资组合收益率的经验分布，进而计算最小风险资本率。用模拟方法获得的投资组合收益率的经验分布可以克服用常方差正态分布假设的误差。本文的结果对基金管理人的风险管理具有指导意义。     

基于Copula-CVaR-EVT方法的供应链金融质物组合优化

为缓释当下供应链金融业务单一质物价格剧烈波动诱发的贷款集中度风险,异于股票、债券等金融资产组合基于短期风险预测优化框架,提出一类更具普适性的基于蒙特卡罗模拟法的质物组合长期风险预测方法,克服现有长期风险预测中视为基准的时间平方根法则缺陷;比对银行采取积极和保守投资策略,建立基于均值CVaR质物组合优化框架,引入改进均值方差优化框架进行对比分析.为准确测度质物组合长期CVaR,建立ARMA-EGARCH-EVT族模型以及多元tCopula模型,刻画现货质物收益率呈现出的自相关性、"尖峰厚尾"以及波动集聚性等典型事实特征以及质物间的非线性相关结构;从模型层面和研究对象层面进行敏感性分析以验证模型的稳健性以及结论的可靠性.实证结果显示:长期风险预测视角下均值CVaR框架较改进的均值方差模型更具优势,为风险限额管理下的商业银行提供一种组合质物风险管理的新框架和新模式.     

基于CAViaR和GARCH模型的沪深300股指期货动态风险测度

以我国期货市场上交易最为活跃的沪深300股指期货为例,分别采用CAViaR模型和GARCH模型对多头VaR和空头VaR进行风险建模,深入研究了股指期货的收益分布特征和波动形态规律,并运用严谨的后测检验的方法对比了各个模型的风险预测精度。实证结果表明:(1)沪深300股指期货具有明显的"尖峰厚尾"现象,却没有显著的有偏性和长记忆性;(2)基于杠杆效应的GJR模型和兼具长记忆性和杠杆效应的FIAPARCH模型并没有表现出比传统GARCH模型更高的预测精度,同时,先验GED分布对金融收益分布特征的刻画要优于正态分布和SKST分布;(3)半参数法的CAViaR模型相比GARCH族模型表现出绝对优异的预测能力。总之,CAViaR模型在股指期货的风险预测方面是相对更合理的模型选择。     

基于有偏胖尾分布的随机波动模型估计及其检验

金融资产的收益分布普遍展现出两个重要的典型特征:"有偏"性和"胖尾"性,但目前绝大多数的随机波动模型都无法同时将上述两类典型特征综合纳入其估计的条件分布假定中.以上证综指和标准普尔500指数为例,通过引入有偏的广义误差分布(Skew GED)来综合刻画条件收益的有偏和胖尾特性,并运用马尔科夫链一蒙特卡罗模拟法(MCMC),探讨了在正态分布(Normal)、有偏的正态分布(Skew Normal)、广义误差分布(GED)以及Skew GEI)这4种条件分布假定下的随机波动模型估计方法,同时实证检验了不同分布假定下的随机波动模型对实际市场波动率的刻画精度和适用范围.