基于两类极值分布的金融风险度量

在金融投资组合的风险管理中,估计极端事件的概率,是一个重要的问题.阐述了极值理论和两类极值分布,以上证综合指数为例,将极值理论用于风险价值的计算,给出了VaR和ES的估计值,并与传统方法得出的结果进行了比较分析,结论表明,用极值方法度量金融风险具有很高的准确性.     

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。     

基于半参数极值理论的高频数据风险价值研究

高频数据分析是理解市场微观结构极为有效的手段,在正态性假设不成立情况下,本文采用半参数极值理论对高频数据的分布尾部进行估计,进而估计风险价值.返回检验的结果表明,此方法可以比较精确地度量风险价值.     

极值指标下平稳序列的风险测度

平稳金融序列存在相依性,不满足独立同分布假设下极值理论的条件约束.讨论了极值指标下平稳随机序列的风险测度,通过估计极值指标θ并修正广义极值分布的位置参数和尺度参数,得到平稳随机序列的风险值.实证和检验表明平稳金融序列需要极值指标修正模型,提高风险值估计的准确度.     

基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

极值VaR的两种估计方法研究

主要使用极值理论中的两种方法对上证指数进行VaR估计，并且进行后验测试以评价该方法的可靠性。     

基于多尺度分析的血管内超声图像去噪和增强

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法.血液红细胞散射引起的斑点噪声属于乘性噪声,在对数域进行二进小波变换后,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理,并提出了一种局部阈值估计方法.同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法.实验结果表明,与现有单独进行去噪处理的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,具有更好的实用性.     

海洋重力异常数据处理中小波阈值选择规则分析

分析了信号在小波Mallat算法条件下表现形式,采用小波阈值方法对经过小波变换后的重力异常信号的高频部分进行处理.分析了3种小波阈值选择规则,并将其应用到海浪波动等背景干扰因素引起的海洋重力异常畸变消除中.根据重力异常状态方程,采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则进行了海洋重力异常数据仿真处理.理论分析和仿真处理表明:采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则都能在一定程度上消除海洋重力异常畸变,但在相同背景条件下,通用阈值选择规则和最小最大准则阈值选择规则的性能优于无偏风险估计阈值选择规则.     

极值理论中阈值选取的Hill估计方法改进

利用变点统计理论对极值理论中阈值选择的传统Hill估计方法进行了改进,实现了阈值的定量精确选取,从而减少了因主观判断所引起的阈值选取偏差.将此方法应用到基于极值理论的商业银行操作风险度量中,取得了较好的效果.     

人民币汇率风险测度的实证研究——基于极值理论的VaR

引入基于极值理论的VaR(Value-at-Risk)对欧元/人民币和日元,人民币的汇率风险进行测度,实证结果表明:与历史模拟法和方差-协方差法计算的VaR相比,基于极值理论的VaR能更准确地度量欧元,人民币和日元/人民币的风险.     

非线性Mean-CVaR框架下的资产和破产风险管理

为了克服尾部风险测度CV aR(cond itiona l va lue-at-risk)模型本身的不足,并且给“如何实现资产组合的破产风险与期望利润的最优配置”问题提供一个更现实的答案,提出了非线性M ean-CV aR模型。该模型在CV aR模型基础上,把风险资本的来源内生于资本禀赋,把风险资本的机会成本引入利润函数。利用该模型分析了美国典型商业银行的资产和风险资本选择。结果表明:与CV aR模型相比,M ean-CV aR模型降低了银行的利润率和风险资本储备率,同时储备率的降低更为显著。     

极值分布参数的Dehaan矩估计

极值理论是研究极端现象及极端事件的有力工具之一。对极值分布的参数,给出了Dehaan矩估计。并对基金净值样本数据建立了极大(小)值模型,对其参数给出了Dehaan矩估计,预测结果与实际相符。     

基于CVaR理论的原油采购策略研究

在采购原油过程中,企业除了控制采购成本,还需控制潜在风险损失。文章利用金融领域的条件风险价值理论度量企业面临的潜在风险损失,结合随机规划理论构建了一个两阶段的原油采购决策模型,并结合我国原油进口实际进行了算例分析,分析结果对指导企业原油采购及风险控制具有参考意义。     

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.     

CVaR及其相关变换

研究了CVaR与其他几个概率变换的关系，给出了关于CVaR的几个公式。     

GARCH-EVT模型在动态VaR中的应用

在综合考虑金融资产收益数据分布的波动集群性和厚尾特征,尤其是波动的条件异方差对动态VaR估计的影响的基础上,运用极值理论(EVT),建立了GARCH-EVT模型,计算了上海证券市场综合指数的动态VaR,并且将GARCH-EVT模型与GARCH-NORMAL模型进行比较.通过实证分析,并利用后验测试,结果表明GARCH-EVT模型优于GARCH-NORMAL模型.GARCH-EVT模型很好地解决了波动集群性和厚尾现象,为管理者和投资者提供了一个控制风险、预测收益的量化工具.     

CVaR准则下考虑过度自信行为的报童模型研究

为研究风险厌恶零售商对随机市场需求的信念有过度自信行为时的订货策略，以CVaR作为风险度量准则，建立了CVaR下过度自信的报童模型.探讨风险厌恶程度和过度自信行为对零售商的最优订货决策及相应条件风险值的影响，分析过度自信零售商和完全理性零售商的信念条件风险值与实际条件风险值.研究结果发现:在一定风险水平下，过度自信导致零售商条件风险值降低且订货量偏离完全理性时的情形.数值算例验证了模型的有效性，为现实中零售商的订货决策提供了理论支持.     

关于上海股市指数日收益尾部的实证研究

基于极值理论（EVT）方法,利用平均超出量函数,结合判断阈值u改变引起参数估计量的变化,找出合适的阈值,建立了上海股市综合指数极端日收益率的广义帕累托模型（GPD）。     

有限需求信息下基于最大熵原理的风险厌恶库存模型

针对风险厌恶的库存决策者,建立了基于条件风险值(CVaR)的单周期库存模型.在仅知需求区间、均值和方差信息情况下,采用最大熵原理估计了两种条件下的需求分布.结果显示,在仅知需求区间、均值和方差信息时,决策者应分别采用均匀和指数分布作为潜在的需求分布.在此基础上,进一步推导了基于CVaR的库存订货策略及其绩效情况.模拟结果表明,同真实需求分布下的最优情况相比,基于最大熵原理的库存策略虽然会导致绩效损失,但损失比例很小,表明基于最大熵原理的订货策略具有良好的鲁棒性.