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HMM的VaR风险度量及其实证分析

文章基于隐马尔科夫模型(HMM)提出了度量金融资产风险价值(VaR)的HMM-ARMA-GARCH模型。首先对金融资产收益率序列建立正常状态和异常状态的隐马尔科夫模型,使用期望最大化算法估算出模型中的未知参数,再利用Viterbi算法估算出收益率序列所对应的隐状态序列,根据隐状态序列把收益率序列数据分成正常状态类序列和异常状态类序列2个大类,对2个状态类序列分别建立ARMA-GARCH模型来估算VaR。最后利用该模型和传统的ARMA-GARCH模型对上证企债指数进行了实证分析,采用Ku-piec失败频率检验法对VaR的准确性进行检验。实证结果表明,该模型的VaR计算方法具有较好的估计效果,能够有效地降低GARCH模型高估波动持续性的现象。     

股市流动性风险研究--以浙江板块为例

一、流动性的含义 证券的流动性是指证券的变现能力,是衡量市场行为和市场效率的一个非常重要的因素。证券市场作为一个高效市场,其灵魂或生命力必然也只能存在于其流动性之中。国外对流动性的研究涉及较深,而国内尚属空白,原因在于国外大都采用做市商制度,而国内采用竞价制度。做市商有责任维持价格稳定和市场流动性,而竞价制度中则无此功能。     

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.     

基于VaR风险测度的投资组合优化模型及应用

以VaR作为投资组合风险的衡量尺度,在马柯维茨框架下建立均值-VaR投资组合优化模型,并采用蒙特卡罗模拟与遗传算法相结合的方法求解该模型．通过该模型在中国股市的实证研究,从资产收益率分布的假设与VaR置信水平的假设两方面对投资决策的影响进行了讨论,发现如果资产收益率分布的尾部越厚、VaR置信水平越高,那么投资策略越保守．     

基于分数布朗运动的脆弱欧式看涨期权的风险值分析

在股票价格、公司价值均服从分数布朗运动,公司负债为常数的条件下,讨论脆弱欧式股票看涨期权的风险价值(value at risk,VaR)和条件风险价值(conditional value at risk,CVaR)的计算问题,并推导了该期权的VaR和CVaR的计算公式.     

旅游收入时间序列预测——以秦皇岛市为例

采用时间序列动态模型、求和自回归滑动平均模型、延迟因变量自回归模型预测秦皇岛旅游收入时各有优劣。用平均绝对百分比误差、均方根误差和均方根百分比误差三个指标来评估这三个模型,发现求和自回归模型的预测能力最好,并由此提出增加秦皇岛旅游收入的关键措施：导入区域旅游模式,提升旅游服务质量,加强旅游产品促销等。     

VaR风险测量方法的应用及其缺陷研究

VaR是一种合理有效的风险计量方法,本文介绍了VaR在实际中的应用及其主要计算方法,并指出了过于单纯的VaR风险计量方法存在的缺陷。     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法,应用到VaR模型中去,并随机选择了五只股票数据进行实证研究,比较基于GARCH模型和实际波动率模型的两种VaR预测结果,得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

基于VaR风险控制和法规约束的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险，在既定的组合收益率下，以组合风险最小为目标，以VaR风险收益率为约束，以法律、法规和经营管理约束为条件，建立了银行资产负债管理优化模型．通过实例分析，说明了该模型的合理性和可行性．     

对偶风险模型最优分红值的离散估计方法

在累计收入过程为复合泊松过程的对偶风险模型中,考虑了在障碍分红策略下的最优分红值的计算问题。首先应用Laplace变换得出最优分红值的精确解,当精确解无法得到时,应用离散的对偶风险模型来估计最优分红值。最后给出两个数值的例子加以说明,并对计算结果做出评价。     

风险价值VaR的检验

根据风险价值的概念,提出了一个基于二点分布的检验模型,证明了存在一致最优(UMP)检验,并给出了检验的表达式、拒绝域.另外,考虑到金融数据的样本容量都比较大,又提出了基于渐近正态分布的检验模型,给出了检验的表达式,拒绝域,并与传统方法的结果作了比较.     

基于ARMA-GARCH模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.     

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.     

基于最大熵模型的城市内涝风险预测： 以北京市主城区为例

随着全球气候变化和城市化发展,城市内涝频发且严重影响城市发展,研究内涝影响因素,进行内涝风险评估对防灾减灾具有重要意义。以北京市主城区为研究区域,获取内涝空间数据和影响因子数据,采用MaxEnt模型进行探究,识别内涝潜在风险区和分析影响因子与内涝风险的关系,结果表明：(1)影响内涝风险的主导因子为离立交桥的距离、建筑密度、不透水面比例、人口密度、暴雨持续时间、NDVI;(2)研究区内超过24.6%区域范围都处于内涝风险区,高风险区总面积约为40.17 km2^,中风险区的总面积约为298.09 km2^;较低风险与低风险区面积分别为423.75 km2^、30.53 km2^;(3)各区内涝点分布数量大小关系为丰台区>海淀区>朝阳区>石景山区>西城区、东城区;历史内涝点在空间分布上具有“南密北疏,西密东疏”的分布格局与“多核中心,次中心团带连接”的特征;(4)对风险评估结果进行空间自相关分析发现风险概率在丰台区中部,海淀区东北部、南部,石景山区东部地区呈高—高聚集,表明该区域在未来可能会受到周围区域的影响而发生内涝灾害,要高度关注该区域实现精准防控。相关成果为城市进行基础设施完善改造、潜在内涝积水点防治、制定应急减灾预案和应对措施等方面提供一定参考。     

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。本文利用基于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。     

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GIS的气象灾害风险区划分析——以河南省为例

河南省位于季风气候区,由于季风气候相对复杂,且易随着环境差异发生改变,因此气象灾害发生频次极高.为了对河南省各地市进行灾害风险区划分,结合河南省18个地市近50年来的历史气象灾害数据,对相关数据进行统计分析;同时对致灾因子、孕灾环境、承灾体以及防减灾能力等影响因素进行分析,基于GIS构建河南省风险区划模型.研究表明:三门峡市等3个地级市位于高风险区,平顶山市等5个地级市位于较高风险区,鹤壁市等4个地级市位于中风险区,安阳市等4个地级市位于较低风险区,郑州市和漯河市位于低风险区.     

金融高频数据的风险价值研究——基于非参数法

高频数据分析是理解市场微观结构极为有效的手段.文章在GARCH模型对高频数据低效的情况下,从非参数的角度给出风险价值一个相合估计量,这个估计量不依赖于总体分布.实证分析表明深圳综合指数5min对数收益率偏离低频数据常具有的正态分布,且本文的非参数方法可以比较精确地度量风险价值.