评估Value-at-Risk模型——条件矩检验方法

提出一种基于条件矩检验的Value-at-Risk(VaR)模型评估方法.其基本思想是如果VaR模型无设定误差,则观察到的"突破"事件是鞅过程.因此可以通过检验"突破"事件是否为鞅对VaR模型进行设定检验.采用条件矩检验方法对风险管理行业普遍使用的八种VaR模型进行回测检验,作者发现条件历史模拟法表现最好,通过了各种检验,而无条件正态分布VaR模型表现最差,没有通过任何一种检验.在风险管理实务中,作者推荐使用条件历史模拟法度量和管理金融风险.     

空间滞后模型的标准化稳健检验及其功效对比分析

在误差项分布未知、模型设定偏误以及不同形式空间布局的复杂条件下，本文提出检验空间滞后模型的标准化稳健LM检验方法，并采用Bootstrap法和Monte Carlo法对统计量的渐进性进行分析. 结果表明：采用Bootstrap法和Monte Carlo法的检验功效均优于现有LM检验方法；对于小样本，结合Bootstrap法与本文提出的统计量进行模型设定的检验更可靠；在空间布局为Group规则时，采用本文提出的统计量进行模型设定的检验效果更好.     

周日效应下的VaR风险测量

资本市场所谓的“周日效应”是许多证券回报率反常现象之一。本文从金融市场风险测量的角度出发,对中国沪、深股市的日回报率进行了周日效应的实证研究,并且对传统VaR风险度模型进行了改进,然后通过后续检验支持了对传统风险度模型的周日效应调整,可以得到更加准确的VaR风险度测量的结论。     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.     

考虑基差对高阶矩影响的市场风险度量研究

提出了加入基差项的GARCHSK模型研究了基差对现货收益高阶矩的动态影响,并将该模型应用于提高对现货VaR的度量精度.对股指期货和现货市场的实证研究表明,基差对股指现货收益的条件均值、波动率和偏度均存在显著影响,考虑基差对高阶矩影响后的模型可以提高对股指现货市场风险度量的精确度.     

基于DeltaGamma正态模型的VaR计算

对于包含期权等非线性头寸的投资组合来说，其VaR(Vault at Risk)计算，通常是利用二阶或高阶泰勒展开式来近似投资组合在特这时期内相对于市场变量的价值变化，，即所谓的Delta-Gamma模型（简称DGN模型），然后针对这个模型来进行VaR计算。本文所提出的矩匹配方法是解决这一问题的普遍方法。且同时试图用Chi-squared分布来拟合投资组合回报，运用矩匹配估计方法求得Chi-squared分布的相应的未知参数，且得到的VaR值与局部Monte-Carlo模拟进行了比较。     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.     

中国股票市场的弱式有效性检验:基于单位根方法

中国股票市场是否达到弱式有效一直是理论界讨论的重要课题，具有重要的理论价值和实战意义。由于股价指数时间序列的单位根检验能够满足鞅假定的要求，故较之随机游走检验对股票市场弱式有效性的验证更具合理性。本文采用单位根方法对中固股市开市以来的数据进行了有效性检验，并运用游程检验对之进行分年度检验，其结果除上海综合指数外，其他的指数都通过了检验，呈现出弱式有效．     

CVaR与投资组合优化统一模型

VaR由于能够提供衡量市场风险的实用指标,不仅便于金融机构进行风险管理,而且有助于监管部门进行有效监管,目前已得到广泛应用.本文介绍一种VaR的修正模型CVaR,并且将其与Antonio Duarte提出的投资组合优化统一模型联系起来,分析它们之间的关系.     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数，这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上，本文给出一类极大似然估计方法，使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本，实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本，同时在原模型估计及扩展上有很好的稳定性. 模型扩展上，进一步检验了交易强度对信息参数的影响.     

国际有色金属期货市场VaR和ES风险度量功效的比较

采用历史模拟法、蒙特卡罗模拟法、指数加权法、等权重法、GARCH法和极值理论法六种参数方法和非参数方法对国际有色金属期货市场风险值VaR建模, 并引入基于极值理论的预期不足ES对风险度量进行补充. 在利用返回检验对实证结果的功效进行比较研究的基础之上, 得出结论: 从对ES和VaR的检验结果比较而言, 当有色金属期货市场价格出现大幅跌涨时, ES比VaR更能准确地度量市场风险; 从对各种方法VaR的检验结果比较而言, 在95\%的置信度下, GARCH法和指数加权法能够更加有效地度量市场风险, 在99\%的置信度下, 指数加权法、GARCH法和历史模拟法能够更好地估计市场风险.     

基于Copula-ACD模型的股票连涨和连跌收益率风险分析

分别使用包含"天数变量"的Log-ACD和Copula模型对股票的连涨和连跌收益率的边缘分布以及二者的联合分布进行了拟合,检验结果表明该模型拟合的效果要优于传统方法.对上证180指数数据做了实证研究,并使用条件VaR对股票连涨连跌收益率进行风险分析,实证结果证明该模型的拟合结果与股市的实际情况是相吻合的.投资者可以依照模型得出的"涨跌风险对比图"分析当前股票市场的涨跌风险对比,从而指导投资行为.     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.     

极端风险条件下的市场反应检验

大量的理论和实证研究结果表明人们的交易行为会受到交易者心理的影响.然而, 研究极端风险条件下市场反应的文献并不多见. 在基于风险价值VaR的基础上提出了一种检验极端风险条件下市场反应的统计方法,并将该方法应用到对美国道琼斯工业平均指数的研究中.实证研究结果表明, 对于极端风险而言, 市场的反应并非理性的,具有很强的心理学特征: 长期来看, 市场大跌后会有很大的反弹的概率;而市场大涨之后, 无论是长期还是短期, 都会有很大的动量持续概率;而市场作为整体而言是以动量持续特征为主.     

VaR风险度量下的β系数：估计方法和实证研究

传统资本资产定价模型得出的β 系数受到正态分布假设的约束. 为了更好地反映金融现实, 对VaR-β 系数的估计问题(VaR-β 系数是一种在value-at-risk风险度量下的β系数, 可以在各种概率分布假设下应用) 进行了研究. 在一些常用VaR 估计方法的基础上, 我们一共发展了三种VaR-β系数估计方法：核密度方法、高阶矩方法和~Copula 方法, 并得出了相应的解析表达式. 最后, 我们使用香港证券市场中的数据对核密度方法的应用进行了实证研究, 并论证了置信度水平可以做为反映投资者情绪的一个指标.     

不可预料违约风险的中小企业集合债券定价

通过引进一个几何类型的衰减函数来表示中小企业集合的违约强度,研究在不可料违约发生首次跳的假设下,结合结构模型和约化模型,建立中小企业集合债券与无风险债券利差计量模型,根据Vasicck模型在等价鞅测度下确定的无风险瞬时利率rt所确定的无风险债券定价模型和中国债券市场实际情况设定假设条件,进行蒙特卡罗模拟仿真检验,求得中小企业集合债券价格的显式解,     

基于等熵一致性风险测度的组合选择

本文基于一种新的一致性风险测度——等熵风险测度，进行组合优化，以检验其择股能力，从而检验其风险识别能力. 先就风险识别能力，尤其随机占优一致性对三种基于分位数的风险测度：VaR，ES（expected shortfall）和等熵风险测度进行了介绍与对比. VaR具有一阶随机占优一致性，而ES具有二阶随机占优一致性；等熵风险测度利用了整个分布的信息，不再是简单的0-1风险测度，这与VaR和ES显著不同. 而且，等熵风险测度具有更高阶的随机占优一致性，这使得该风险测度具有更好的风险分辨能力. 而后采用Spearman秩检验方法来检验和预测不同风险测度的风险识别能力，这与随机占优一致性阶数相呼应. 最后，在上证50指数成份股中采用组合优化方法，考察标准差，VaR，ES以及等熵风险测度情况下，优化组合持有期的不同业绩指标. 结果表明，等熵风险测度优化组合的业绩指标最好，表明该测度风险识别能力最高.