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.     

极值理论下的风险度量模型

在风险度量的研究中人们逐渐发现，风险度量值的大小往往只与极端事件的出现有关。因此，极值理论这种只研究极端统计量的方法在风险度量方法中得到了极大的运用。在此基础上产生的POT（Peak Over Threshold）模型，给风险度量方法带来突破性的发展，也是本文用于计算股指期货风险的基础模型。     

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。     

股指期货的风险度量方法研究

股指期货是以某种股票指数为标的资产的期货合约.由于股票指数本身的波动性很大,因此对股指期货风险的度量就有较大的难度.通过对VaR模型、ES模型、POT模型的研究比较,找到其中比较适合我国股指期货的风险度量模型.     

极值理论下的香港汇丰控股VaR实证分析

极值理论可以更精确的处理金融数据的厚尾特性,选取香港上市的汇丰控股数据,运用POT方法做实证分析,对时间序列取门限值（Threshold）,对超过门限的样本数据建模,极限点渐进分布服从GPD分布,估计模型参数,检验模型的合理性,并给出置信度为95%下的VaR。     

股指期货的风险度量方法研究

 股指期货是以某种股票指数为标的资产的期货合约.由于股票指数本身的波动性很大,因此对股指期货风险的度量就有较大的难度.通过对VaR模型、ES模型、POT模型的研究比较,找到其中比较适合我国股指期货的风险度量模型.     

上证指数的VaR风险测量及有效性分析

本文分别应用历史模拟法和RiskMetricsTM法对上证指数的市场风险进行了实证分析,结果表明:历史模拟法和RiskMetricsTM法对于上证指数的市场风险都有较好的估算结果.实证结果支持VaR的有效性,认为VaR有助于投资者的风险管理.     

基于极值理论的洪水灾害损失模型研究

巨灾风险具有发生概率低、毁灭性强等特点,其分布的极值与以往的经验分布不同,具有典型的厚尾特征．运用基于GPD分布的POT模型对我国历年洪水的损失数据进行拟合,并对形状参数及尺度参数进行估计,以此研究巨灾损失的尾部特征,得出结论,并提出建议,对巨灾债券产品的设计和定价具有重要的意义．     

基于极值理论的洪水灾害损失模型研究

巨灾风险具有发生概率低、毁灭性强等特点,其分布的极值与以往的经验分布不同,具有典型的厚尾特征.运用基于GPD分布的POT模型对我国历年洪水的损失数据进行拟合,并对形状参数及尺度参数进行估计,以此研究巨灾损失的尾部特征,得出结论,并提出建议,对巨灾债券产品的设计和定价具有重要的意义.     

风险值VaR和尾部条件期望TCE的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法:尾部条件期望TCE.利用GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险.     

基于GARCH-VaR模型的石油价格风险研究

石油价格收益率一般不符合VaR模型的独立、对称的正态分布假设,表现出金融时间序列的非对称性、异方差、波动聚集等特征.文章提出利用GARCH模型估计石油价格收益率的时变条件方差,改进传统VaR对方差的估计,并通过实证分析,估计石油价格风险,即在一定的置信度水平下石油价格可能的最大日损失值,估计结果显示改进的GARCH-V...     

基于谱风险测度的期指保证金水平设定

沪深300股指期货合约已经在2010-04-16正式上市交易.在股指期货合约的交易中,设定合适的保证金水平是风险控制的关键.在能够保证覆盖价格波动的情况下,保证金水平应该尽可能地降低以提高资金使用效率和降低交易成本.基于极值理论的POT模型,利用谱风险测度对沪深300股指期货合约的保证金水平做实证研究,并对比传统的VaR方法和ES方法,实证结果表明,当前的保证金水平设定较高,通过谱风险测度所设定的保证金水平比较合适.     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

单个期货合约市场风险VaR-GARCH评估模型及其应用研究

以单个期货合约每一交易日的涨跌率反映期货合约市场风险,借助VaR风险价值法。运用广义自回归条件异方羞（GARCH）模型,建立了VaR—GARCH单个期货合约市场风险评估模型,解决了单个期货合约每一交易日最大损失的确定问题．该模型的特点为借助GARCH方法预测条件异方差,充分体现了期货合约价格的聚集效应、厚尾效应和时变方差效应,使VaR估计更加精准;对VaR的置信区间进行x^2检验,从实证的角度得到合理精准的VaR值;可以依据本模型确定期货保证金的数量,为交易所制定更合理的单个期货合约保证金收取水平提供依据．     

基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

MARKOV-GARCH模型对我国证券市场在险价值的度量

提出一种度量我国证劵市场在险价值的MARKOV-GARCH(马尔可夫-广义自回归条件异方差)模型.即通过MARKOV的性质,提示市场的跳跃规律,结合GARCH模型得出市场的波动率,进一步通过波动率度量市场的在险价值.实证结果表明,在确保成功率的前提下,其度量的在险价值的置信区间比一般GARCH模型所度量的置信区间更小,而且稳定性也较其他模型强.该模型在不放大所度量的在险价值区间的前提下,却取得较高的成功率.     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

VaR-GARCH模型在我国股指期货风险管理中的应用

国内外预测股指期货合约的市场风险基本以VaR风险评估为主流,计算VaR的核心与关键是估计波动性参数.由于金融资产价格涨跌率时间序列具有波动聚集效应、厚尾效应及时变方差效应,故采用对波动性估计具有精度、准确度和可信度较高的GARCH模型.基于这一点,构建了VaR-GARCH模型,并以恒生股指期货指数做了实证分析,结果表明VaR-GARCH模型可以很好地控制和预测香港恒生指数的股指期货风险.