基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。     

层次分析中的判断向量法

提出互反集和判断向量等概念，给出判断向量一致性的充分必要条件，在此基础上提出一种新的层次分析，此方法不需进行一致性检验，而且判断次数少，计算简单，具有一定的实用价值。     

一致性风险价值及其算法与实证研究

目前金融市场风险测量的主流方法是VaR方法,但其测量的风险值有时难以准确地反应投资者真实心理感受,而且缺乏投资组合分散风险特性所要求的次可加性.针对这些问题该文选择了一致性风险价值(CVaR)作为新的风险度量方法,通过构造一种混合分布来模拟收益率分布.提出CVaR的完全参数计算方法,并进行了实证研究.     

市场利率下银行资产负债结构优化研究

研究商业银行面对法规监管及企业风险，通过资产负债结构优化，控制信贷风险问题。提出基于企业年龄的风险分布函数，利用贷款风险度估计分布参数，将企业风险与贷款方式联结起来，反映贷款的实际风险状态。提出以市场利率为折现率的资产折现值目标函数，以风险损失及资产结构为约束的资产负债结构优化模型，这一模型反映了资产负债的市场价值．并给出计算案例。     

跳跃-扩散模型框架下基于鞍点近似的信用组合一致性风险度量

在债务人资产价值的跳跃-扩散模型框架下,应用鞍点近似方法计算了信用组合损失的概率分布,并以算例具体说明了计算过程,得出了信用组合风险的VaR量度和一致性量度ES.然后,将鞍点近似方法得出的损失分布与蒙特卡罗模拟得出的结果相比较,得出了对于要求精度较高、资产数目较多的信用组合,基于鞍点近似方法计算一致性风险量度是信用风险管理的合适方法的结论.     

全面风险管理体系中的风险整合问题

假设风险满足一定条件,利用Copula和蒙特卡洛模拟方法对边际分布的选择和边际分布间的尾部相关关系两个方面进行分析,并得出结论: 第一, 在一定条件下,边际分布的选择并不影响对总风险的估计; 第二,相关系数模型可能因为边际分布间的尾部相关关系而低估总风险.在此基础上, 提出了尾部相关系数的概念, 得出了修正的相关系数模型.     

VaR模型的计算方法及其评析

常用的风险价值（Valueat Risk，VaR）模型可分为三类：得尔塔-正态法、历史模拟法和蒙特卡罗模拟法，三种模型计算方法各不相同，在反映金融资产的风险情况、对资产收益实际分布的拟合优劣等方面各有千秋。在实践中往往需根据具体的投资组合和管理者的意图选择合适的计算方法。     

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。     

一种基于密度分布函数聚类的属性离散化方法

连续属性离散化是数据分析预处理中的一项重要内容，针对有监督学习，提出了一种基于密度分布函数聚类的连续属性离散化方法。该方法利用了粗糙集中决策表的一致性水平的概念，通过计算基于聚类划分后决策表一致性水平的反馈信息，动态地调整聚类参数—影响因子，直到决策表的一致性水平达到原始水平为止。由于同时考虑所有属性的离散化效果，可使离散化的结果更为合理。为了验证该方法的可行性，文中利用实际数据进行了试验。     

三端点区间数互补判断矩阵的一致性及权重

提出了一种新型不确定性判断矩阵--三端点区间数互补判断矩阵的概念并研究其一致性及权重求解.在三端点区间数互补判断矩阵完全一致性概念的基础上,利用模糊隶属度的方法,提出了三端点区间数互补判断矩阵满意一致性的定义,建立了相应的权重求解模型,并基于满意度系数方法估计权重的可能分布上限和下限.最后给出了两个算例,来验证模型的有效性.     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

重尾性操作风险监控参数识别

假设操作损失强度为Pareto分布,导出该重尾性操作风险的风险价值;在以弹性分析方法对该操作风险价值灵敏度进行理论分析后,建立了操作风险监控参数的识别模型;在实例分析后发现,该模型可有效地识别操作风险的关键监管参数.据此,可建立操作风险动态监管系统.该研究在理论上进一步完善了损失分布法在操作风险度量与管理中的应用.     

采购过程风险管理

首先分析了企业采购过程中的主要风险因素 ,在此基础上提出了使用 Va R( Value at Risk,风险值 )方法分析其中由价格波动引起的采购风险 ,为进行有效的风险决策提供了量化的决策依据 .并且以石油化工企业为例 ,验证了该方法的有效性.     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

应用半参数方法计算市场风险的受险价值

由于厚尾分布,通常基于正态分布假定的VaR参数法在99%置信水平下计量市场风险时会严重低估风险,文中提出了一种半参数方法。通过对石油市场收益数据的检验,在99%置信水平下,半参数方法的风险计量效果好于通常的参数方法。     

基于随机模拟和VaR模型的投资组合优化研究

投资组合的优化旨在对资金进行分配组合,得到各项资产的最优分配权重,并在权衡投资收益和风险的基础上使投资达到期望效用最大化.在研究过程中,首先运用Monte Carlo随机模拟方法预测各资产的收益率期望值,计算出收益率标准差和各资产间的相关系数,进而求解资产的组合风险.然后将VaR(Value at Risk)条件引入到模型中,建立以资产组合收益为最大目标,以资产组合的VAR为约束条件的投资组合优化模型,计算出资产分配比重.最后通过实例分析资产价格走势和检验分布假设,验证模型的合理性和可行性,为投资者的决策提供理论和应用依据.     

基于SGT分布的贝叶斯统计推断的在险价值研究

在考虑金融数据的非正态分布的条件下,使用更接近市场实际的SGT(Skewed Generalizedt Distribution)分布取代正态分布,建立了基于SGT分布的VaR(Value-at-risk)计算模型,然后对于SGT分布的参数估计采用贝叶斯统计推断,提高了SGT分布的参数估计精度和VaR的度量准确性。并用上证指数对这个新方法做了实证检验,发现对于样本内的VaR的性能测试贝叶斯统计推断的结果和用SGT的最大似然估计结果相似,但都优于正态分布的结果,样本外的性能测试中贝叶斯统计推断的结果优于用SGT的最大似然估计和正态分布的结果.     

中国股市风险CAViaR方法的稳定性分析及其时变建模

在介绍诺贝尔经济学奖得主 Engle 及合作者 Manganelli 于 1999 年提出的 CAViaR 模型理论及实际意义的基础上,采用 Hansen 检验方法重点探讨了中国股市风险 CAViaR 建模的稳定性问题.通过对上证综合指数与深圳成指的实证研究, 认为 Engle 及 Manganelli 所力荐的四个参数 CAViaR 模型用于中国股市风险建模是相当不稳定的,不能很好地适合现实的中国股票市场.鉴于此,提出了具有时变参数的 CAViaR,模型通过失败率检验法得到了相对较好的结果,明显地提高了模型的度量与防范市场风险能力.