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。     

VaR计算方法综述

介绍VaR理论产生的背景条件；然后对VaR以及VaR的计算方法进行了较详细的分类介绍，突出介绍了VaR计算的参数方法；最后对各种方法的特点进行讨论和评价。     

关于风险度量方法VaR的文献综述

近年来,不管是对风险度量的重要性,还是对风险管理的有效性的研究都获得巨大的提高。这是金融市场全球化的结果,也是交易系统和通信技术创新的结果。量化的风险度量方法一度成为国内外金融投资研究的热点问题之一.而VaR便是一种计量风险大小的方法,它是对市场风险进行数量化度量的重要工具。本文主要比较总结了VaR的不同计算方法及其改进思路,以期在实际中获得更好的应用。     

基于EGARCH-ε_t-GPD模型的VaR计算

在传统的利用极值理论来计算VaR的过程中,一般先是对时间序列建立GARCH模型,再对残差序列运用极值理论建模,从而估计得到VaR.但建模时在GARCH模型的条件方差方程中,人们只考虑了以前时刻的随机误差项对方差的影响,而忽视了当前时刻的随机误差项对方差所作出的贡献.故作者在对时间序列建立EGARCH模型时,在方差方程中引进了当前时刻的随机误差项,然后再对残差建立GPD模型来研究风险价值,并进行了相应的实证分析,结果表明加入当前时刻的随机误差项后估计得到的VaR准确性更高.     

VaR方法在外向型企业风险度量中的应用

在浮动汇率制度下,外向型企业为规避越来越多的汇率风险,需要对这些汇率风险进行度量。将VaR法引入到外向型企业的汇率风险度量研究中,通过实例度量和检验分析,说明VaR法可以对我国外向型企业的汇率风险进行度量。     

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EGARCH模型的对冲基金指数信息冲击非对称性分析

利用EGARCH模型分析了各类对冲基金指数对于利好消息和利空消息的反应是否具有对称性,模型显示非对称性是显著的,但是也出现了某些对冲基金利空消息减小指数波动的效果,具体原因还需要进一步的分析。     

我国家具制造业上市公司外汇风险管理研究——基于GARCH模型与VaR方法

选取我国7家代表性家具制造业上市公司2012-2013年数据,运用广义自回归条件异方差模型(GARCH)和VaR方法,旨在测算人民币汇率变动对以出口为导向的家具制造业造成的潜在外汇风险。结果表明,其中3家公司风险敞口较小,建议通过资金需求和订单议价灵活调整;另外4家公司存在较明显的外汇风险,需要寻找合适的汇率风险管理工具管理风险。     

极值VaR度量的一个新方法研究

在险价值是度量市场风险的一种普遍使用的工具,是市场风险度量的基石.本文应用统计学中的极值理论与泊松过程于VaR的计算.这种新方法是VaR度量方法中最稳健的方法之一.     

极值VaR度量的一个新方法研究

在险价值是度量市场风险的一种普遍使用的工具，是市场风险度量的基石。本文应用统计学中的极值理论与泊松过程于VaR的计算。这种新方法是VaR度量方法中最稳健的方法之一。     

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.     

VaR模型在我国金融风险管理中的运用研究

近20多年来金融市场迅猛发展,金融机构所面临的风险日趋复杂,主要风险已从信用风险转向了市场风险,表现为利率风险、股价风险和汇率风险的综合。我国金融市场是一个发展中的新兴市场,建立适应于我国金融市场的风险预测模型对我国金融风险管理十分必要。文章从研究VaR模型的具体操作方法入手,分析VaR法对于我国金融市场风险管理的影响,探讨VaR法在我国风险度量和金融监管中存在的问题并提出改进策略。     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

VaR--一种风险度量的方法

在险价值是目前市场风险估值的主流理论，被用来估计市场风险暴露在给定置信度下的最坏的预期损失.本文介绍了VaR的概念和计算方法。考虑到时变风险，讨论了GARCH模型，最后给出了评价模型的后验测试方法。     

基于极端损失的投资组合VaR方法

根据g-h分布的统计特性,提出了基于投资组合极端损失的VaR计算方法——g-h VaR法,该方法结合了分析方法、历史模拟方法和极值理论方法的优点,能够较好地处理组合回报的不对称现象的厚尾现象．证券市场的实证研究表明,该方法优于常用的δ-正态方法．     

基于历史模拟法和GARCH模型的VaR比较

目前度量VaR的方法有很多种,且由不同方法计算出的VaR值往往相差很大,这使得风险管理者不知如何选择最佳模型。通过比较历史模拟法和GARCH模型下VaR值的特点和准确性程度,得出的结论是GARCH模型更具有优势。     

基于分形分布的VaR与CVaR计算

用stable软件对上证指数进行稳定分布拟合,并做了x2和Dn检验,依此,给出分形分布下的vaR与CVaR水的计算公式,实证及检验结果表明,与正态分布下的CVaR及CVaR计算相比,利用分形分布计算VaR与CVaR更谨慎,合理。     

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.