Copula-EVT模型及其投资组合风险分析中应用

Copula技术广泛地应用于金融领域,特别是在金融风险、投资组合、资产定价的方面,目前已成为解决金融问题的一个有力工具.本文将Copula技术应用于沪深股市投资组合当中,由于VaR和ES表达式难以求出,于是采用蒙特卡罗模拟的方法模拟组合收益走势,进而计算出在不同置信水平下的风险价值(VaR)和期望不足(ES),其中对数收益边缘分布函数由中心和左尾为Laplace分布,右尾为极值分布组成.从Basle交通灯法返回检验的结果来看,Copula-EVT模型能够较好度量组合风险.     

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.     

基于Laplace分布和CVaR的投资组合模型研究

金融资产收益率的实际分布具有显著的尖峰肥尾性,Laplace分布比正态分布能更好地刻画尖峰肥尾性;引入Laplace分布,得到了风险价值VaR和条件风险价值CVaR的计算公式;建立了均值-CVaR投资组合模型,得到了模型有效前沿和最优解的表达式;最后采用沪深股市的股票进行实证研究,并与正态分布下的均值-CVaR有效前沿进行了比较,结果表明了模型的有效性和算法的合理性.     

基于极值Copula的风险价值模型研究

利用Monte Carlo模拟对投资组合风险价值进行估计,假设风险资产的对数收益分布在中心服从边缘正态分布的多维Gaussian或Student-Copula分布,尾部服从极值分布。应用本模型对12只沪市股票计算持有期为1天的99%VaR,并执行4年时间窗的返回检验,证明了Copula-EVT方法好于正态对数收益分布的VaR模型。     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

基于APARCH-st模型的ES计算

为了刻画金融时间序列的尖峰厚尾性及股市中存在的杠杆效应,Ding、Granger和Engle(1993)提出了APARCH模型,但在关于此模型的研究中,通常假设条件分布为正态分布或对称厚尾分布,如t分布、GED分布.在兼顾波动性和分布两个方面的基础上对收益率序列建立APARCH-st模型,给出其VaR和ES的计算方法,并与基于APARCH-t模型的ES值相比较,结果表明,考虑偏态分布得到的ES估计更为保守.     

应用Pareto分布的POT模型分析车辆荷载效应极大值

为精确模拟汽车荷载效应样本分布的尾部形状,利用基于Pareto分布的超越阈值(POT)模型计算样本频率分布函数;然后,采用尾极值指数检验法检验样本的厚尾性,采用峰度法检验样本的尖峰性和计算样本阈值;最后,基于经典极值理论计算汽车荷载效应极大值分布和设计标准值.对某大桥111d的动态称量(WIM)车辆荷载效应进行极值估计,结果表明:跨径小于等于16m的车辆荷载效应符合尖峰厚尾分布,适合采用文中方法计算车辆荷载效应极值.     

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.     

EGARCH模型和分位数自回归类模型在风险预测中的比较

利用了三种时间序列模型对中美汇率的风险进行一步向前滚动预测。1)EGARCH模型,它可以刻画金融资产收益率的尖峰厚尾现象,异方差性,波动集聚性和杠杆效应。2)非常适合具有异方差性的QAR模型,该模型不需要假定误差项的分布,可以很好地刻画条件异质性,在模拟具有尖峰厚尾的金融数据时,得到了广泛的应用。3)T-QAR模型,该模型可以通过门限变量控制分段线性函数,进而刻画金融资产具有的非线性性和非对称性。最后,对三种模型的预测效果进行了VaR回溯检验,结论是T-QAR模型的预测效果最佳,而EGARCH模型的预测效果最差。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。