基于条件极值模型的上证综指尾部风险研究

在传统ARMA-GARCH时间序列模型的基础上,介绍条件极值模型并运用这些模型对近十几年来上证综指进行VaR和ES样本外预测与事后检验.研究表明假设新息序列为偏t分布的ARMA-GARCH模型与条件极值模型在预测VaR和ES方面均具有出色效果.     

基于偏态分布的风险度量计算

金融时间序列具有尖峰厚尾性,同时在股市中又存在着杠杆效应.对股票指数收盘价格的对数收益率序列建立ARMA-APARCH模型,在对数收益率序列分别满足Skewed-t分布和Skewed-GED的假设下,给出了在险价值及期望损失的计算方法.对t分布与Skewed-t分布、GED与Skewed-GED分别进行对比性实证分析,结果表明,在两个偏态分布假设下计算得到的期望损失估计结果更为保守,更能够捕捉到股市的尾部风险.     

一种估计风险价值的新模型

根据极值-Ⅱ型分布的厚尾性质,结合当今金融市场收益分布的尖峰厚尾特征,提出一种具有尖峰厚尾的Laplace极值-Ⅱ型混合分布,并在此基础上建立了一种新的估计风险价值VaR(Value at Risk)的Laplace极值混合模型,通过对上证B股的实证模拟分析,发现该模型对收益表现异常的金融序列的VaR估计具有较高的应用价值.     

基于GARCH类模型的中国股市收益率分析

自二十世纪八十年代以来, 金融时间序列的波动群聚性,尖峰厚尾性和长记忆性特征的研究已经成为众多研究的论题, 是当今金融风险管理的核心. GARCH类模型是波动群聚性建模中常用的模型. 作者在简要介绍金融时间序列波动性的GARCH模型的基础上, 运用MATLAB软件包编程, 利用FIGARCH模型、NAGARCH模型和EGARCH模型对中国股市波动特征进行建模, 并比较了正态分布、Studentt分布、GED分布和偏t分布等四种不同分布特征的FIGARCH、NAGARCH和EGARCH模型对中国股市波动特征的拟合.实证结果表明, 偏t分布更适合我国股市波动特征的描述, FIGARCH模型在拟合效果方面要优于其他模型.     

基于极值理论的ARMA-GARCH-M类模型及实证分析

为预测金融资产回报序列的极端风险,用ARMA-GARCH-M类模型处理回报序列的异方差性,风险溢价性.结合EVT方法捕捉回报序列分布厚尾的优势,建立两个度量金融市场极端风险的模型:EVT-ARMA-EGARCH-M模型与EVT-ARMA-TGARCH-M模型.最后以苹果公司股票数据为实例,证实了两个模型都能很好的刻画极端风险.     

基于VAR-GARCH模型我国外汇风险分析

通过对美元收益率R序列的特征分析发现,序列存在非正态性、尖峰厚尾、非对称性、异方差性的特征。分别基于正态分布、T分布、GED分布和偏态T分布的GARCH类模型对R序列进行实证分析。经过VAR方法的风险度量可知,基于T分布的GARCH-M模型对多头美元市场的风险度量最为准确。     

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.     

中国股市投资组合收益分布的实证研究

采用随机等权重有放回抽样方法 ,以周收益率为指标 ,以沪深A股为样本股 ,对组合收益率时间序列的分布特征进行实证研究 ,发现组合收益率序列并不呈现出正态分布的情形 ,并且随着组合数的增加 ,组合收益率序列的尖峰厚尾特征并没有显著改善 ,说明用方差来刻画组合收益率风险特征并不合适 .为此用GeneralizedAutoregressiveConditionalHeteroskedasticity(GARCH)模型对组合收益率时间序列进行了模拟 .     

资产收益率时间序列的条件异方差模型新探

现代金融风险管理中,利用条件异方差模型进行金融时间序列分析扮演着十分重要的角色,最典型的应用是基于观察到的离散时间价格或对数收益率序列做出管理决策.本文试图建立一种新的条件异方差模型去拟合资产收益率时间序列,该模型被本文提出的“正态分布的双变量连续二元正态混合（BNC-MN）分布”信息所驱动.该模型能充分捕捉资产收益率时间序列的“典型特征”如：非对称性,尖峰厚尾,波动群聚以及Black金融杠杆效应等;同时在此模型下,我们可以对上述特征做出较合理的经济学解释,并在一定程度上揭示用广义自回归条件异方差模型(GARCH)去模拟资产收益率序列的合理性.     

非正态假设下投资组合的风险分解

为提高风险分解结果的准确性,本文给出组合收益分布服从非正态假设下,组合VaR及ES分解的两个新方法：局部线性加权平均;用分段线性函数拟合极端损失情形下,资产与组合回报之间的关系。针对实际金融数据的尖峰厚尾性与杠杆效应,风险度量采用EGARCH-GED模型。实证分析及模型检验的结果表明,新方法能准确、快捷地分解组合风险。