RAROC方法在证券投资基金绩效评估中的应用

介绍了基于VaR的证券投资基金绩效评估方法——RAROC方法，通过该方法对基金投资绩效的分析来揭示投资风险，并对基于RAROC的绩效评估方法与传统的指数评估方法(夏普指数法、特雷诺指数法及詹森指数法)进行比较分析．结果表明：引进VaR风险度量模型，把经风险调整后的绩效评估方法RAROC应用到投资基金绩效评估中，能更客观、准确地反映证券投资基金的绩效。     

基于GARCH-EVT模型的证券投资基金动态风险测度

文章考虑了一类极值风险特征更为明显的金融资产,以股票基金、混合基金和债券基金为研究对象,比较研究了RiskMetrics、GARCH和GARCH-EVT 3类模型在动态极端风险测度上的表现,分别采用似然比检验和Bootstrap方法对3类模型给出的VaR和ES动态风险测度效果进行了返回测试。实证研究表明:基于GARCH-EVT模型给出的各类基金动态VaR和ES风险测度结果更为准确,意味着将GARCH模型与极值理论相结合,能够实现极端风险的准确测度;ES风险测度比VaR风险测度更保守,在测度极端风险时,应采用ES风险测度作为VaR风险测度的补充。     

基于SV模型的VaR Monte Carlo模拟

文章以上证综合指数为研究对象讨论了Monte Carlo模拟法计算VaR,分别利用SV-VaR模型和Monte Carlo-SV-VaR模型计算VaR值,并比较了这2个模型的精确度,从而为上证综合指数的风险度量提供一个参照。     

风险估值在沪深股市风险测量中的应用研究

以中国沪、深股市的风险测量为研究对象,收集了近5年的沪深股市每日指数收盘价;运用风险估值(VaR)常用的方差-协方差法和历史模拟法,通过对单一金融产品和资产组合的风险测量,论证了利用VaR技术计算股市风险的可行性.与传统的风险测量方法相比,方差-协方差法和历史模拟法在精确量化投资风险方面具有简捷易行的显著优势.利用指数加权移动平均方法考察了VaR对股市收益率波动性的描述能力,结果表明VaR计算值基本涵盖了绝大部分交易日的损失,有效降低了"幽灵效应",并且捕捉了波动的聚集性.从资产组合的VaR小于单个金融产品的VaR的结果看,VaR技术在股市风险测量上符合现代投资组合理论的基本思想.     

基于高频数据的时变VaR建模和预测研究

提出了VaR时间序列动态预测的方法.首先以上证综合指数和深证综合指数日内分钟数据为基础,根据不同方法计算出每日VaR值,然后给出了VaR时间序列的统计特征,包括平稳性和长记忆性,最后对VaR序列建立ARMA模型和ARFIMA模型,并比较了两种模型预测效果.我们的结果表明:1)基于德尔塔正态法的VaR序列其ARMA模型预测效果好于历史模拟法和蒙特卡洛模拟法的预测效果;2)尽管VaR序列存在长记忆性,但所有VaR序列的ARMA模型预测效果好于ARFIMA模型的预测效果.     

长记忆条件下我国房地产业的风险测量——基于GARCH和FIGARCH模型的动态VaR计算

从股票市场风险管理的角度分析房地产业指数,基于GARCH和FIGARCH模型对房地产业指数日收益率序列进行建模,在此基础上分别计算其VaR的值,并对二者进行比较。实证研究表明:房地产业指数收益率序列的波动具有长记忆性,FIGARCH模型的拟合效果优于GARCH模型;并且基于FIGARCH模型计算的VaR比基于GARCH模型计算的VaR能更有效地度量风险。     

MC-GARCH模型在互联网金融风险度量中的实证研究

针对互联网金融风险测度问题,提出了MonteCarlo模拟法。首先,选取中证互联网金融指数作为研究对象,并对数据进行基本的统计分析,得出中证互联网金融指数对数收益率具有尖峰厚尾性和异方差性的特点,建立GARCH模型,对序列的均值和方差进行估计;其次,基于GARCH模型计算出的均值和方差,利用MonteCarlo模拟法计算中证互联网金融指数的VaR和CVaR值;最后,对模型的准确性和精确度方面进行Kupiec返回检验。结果表明:VaR和CVaR均可作为度量互联网金融风险的工具,但VaR无论在准确性上还是精确度上都远低于CVaR,故CVaR是一种更优良的风险测度工具。     

基于价格冲击函数的经流动性调整VaR模型

提出了一种基于价格冲击函数的VaR（风险值）模型构建思路,以使得这种经流动性调整后的VaR更能完整地计量金融资产的风险.对于给定数量和限定期限的资产变现问题,投资者的风险偏好系数决定了其选择的交易路径是唯一的.由于投资者风险偏好系数和VaR下的置信概率水平具有一一对应关系,可以通过最优路径集下执行成本的期望和标准差组合曲线来获得不同置信概率下,经过流动性调整后的VaR.考虑到实际的资产价格分布的尖峰厚尾性,引入了正态修正因子θ,以改进VaR的风险评估效果.     

贸易争端对行业投资风险的效应实证研究

运用计量金融学、统计学等量化工具研究了中美贸易争端对我国经济的影响.通过对贸易争端爆发前后申万二级行业指数的VaR和VaB/VaR的量化分析,给出了受贸易争端影响较大的行业较为精准的定位,并以此为依据提出了相应的对策.     

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.     

封闭式基金价格和资产净值动态关系的实证研究

在构造中国封闭式基金价格指数和资产净值指数的基础上，首先使用协整检验和误差修正模型证明2001年1月到2002年12月封闭式基金价格和资产净值NAV之间存在长期均衡关系，然后利用脉冲响应函数和方差分解技术揭示了基金价格和资产净值之间的短期动态关系，即基金价格受到资产净值的约束。     

中国股票市场风险值的非参数估计

用改进后的连续时间金融模型给出金融资产收益率的价格密度函数的非参数估计,计算了上证A股指数的VaR,与Black-Scholes密度函数下的VaR相比,得到较好的结果.     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.     

基于t-Copula-GARCH-t模型的中国股票市场风险分析

针对传统在险价值(value at risk,VaR)模型的局限性,结合Copula技术和GARCH模型,运用t-Copula-GARCH-t模型对中国股票市场进行风险分析,对上证综合指数和深证综合指数进行了实证研究,结果证实了所应用模型和方法的可行性和有效性.     

基于C藤copula的收益率自相依结构估计以及条件VaR计算

风险价值VaR是一种非常重要的风险度量方法,基于C藤copula(canonical vine copula)给出了条件VaR的一种新的估计方法.首先基于C藤copula对连续几个交易日收益率之间的自相依结构进行了估计,进而给出了在前n个交易日收益率条件下,下一交易日收益率密度函数的估计方法,并对下一交易日的VaR值进行估计.C藤copula的引入使我们能更准确地描述收益率序列中的相依结构,从而能够更加准确地预测市场风险.最后分别对沪深300指数、上证180指数和上海黄金交易所贵金属价格进行了CVaR估计以及预测效果检验实证分析,实证结果表明所提出的模型在VaR值预测方面的表现要远远优于历史模拟法以及方差-协方差法等.     

风险价值VaR的区间估计

风险价值(value at risk,VaR)是国际金融界广泛支持和认可的一种度量金融风险的工具。分别利用Bootstrap、MOVER(method of variance estimates recovery)和Fiducial方法给出正态总体下VaR的区间估计方法,并进行了模拟比较。模拟结果发现基于Fiducial思想的广义区间估计在覆盖率和区间等尾性上具有更稳健的性质。最后对上证180重点指数的对数收益率VaR进行了分析。     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

多期Sharpe比率及在基金评价中的应用研究

在我国新兴的基金投资市场中,传统夏普比率所存在的收益率正态分布局限越发渐显.文章从多期Sharpe比率角度入手,运用MVaR来衡量基金的风险水平,构建出基于MVaR调整后的多期Sharpe比率.同时,选择了国内10只封闭式基金,利用MVaR调整后的多期Sharpe比率对其业绩水平进行评价,发现基金业绩水平与其投资风格、投资对象等因素有关,与投资期限长短没有明显的关联.     

VaR模型及其在上海股市中的应用

资产未来收益率分布是决定VaR计算准确性的主要因素，针对上海证券市场综合指数收益率分布的不同假设，从静态与动态角度给出4种计算VaR的方法．首先通过拟合历史数据，说明上证综合指数收益率服从t4.579分布，然后考虑到收益率波动的时变性，用GARCH（1，1）模型来估计波动率．最后通过Back-test检验，得出GARCH-t4．869是计算VaR的最好的模型．     

基于VaR模型对香港房地产信托投资基金的实证分析

房地产信托投资基金（REITs）代表着目前全世界房地产领域最先进的生产力。香港房地产信托投资基金业在近几年发展迅速。本文从微观角度采用VaR风险测量方法,测出香港-1LEITs整体的风险水平。在此基础上,建议中国房地产信托基金行业统一市场风险计量工具。然后,介绍香港房地产信托业运行模式,为我国房地产信托基金行业试点健康快速发展提供参考。