石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR),研究在极端下跌和极端上涨的市场情况下,国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明,石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面,石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面,股票市场对石油市场的尾部风险溢出效应均为正向,石油市场对大部分国家股票市场的上尾风险溢出效应为正向,且对全部国家股票市场的下尾风险溢出效应为正向.最后,石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

基于Vine-Copula模型的新冠肺炎疫情下金砖五国金融市场间的风险研究

以疫情“封城”时间为分界点,采用ARMA-EGARCH-Vine Copula模型分阶段研究金砖国家股票指数间的相关结构.在此基础上,通过CoVaR刻画风险溢出强度.结果表明,疫情冲击下以非对称Copula函数为主,各股市间相关系数明显上升,市场之间协同运动增强,一个金融市场的尾部波动更容易引起其他金融市场的波动,从而造成风险传染.根据Vine-Copula函数拟合的CoVaR序列对控制金融系统风险有一定的指导意义.     

石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR)，研究在极端下跌和极端上涨的市场情况下，国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明，石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面，石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面，股票市场对石油市场的尾部风险溢出效应均为正向，石油市场对大部分国家股票市场的上尾风险溢出效应为正向，且对全部国家股票市场的下尾风险溢出效应为正向.最后，石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

香港与内地股市的相关性及风险溢出效应研究———基于藤Copula-GARCH模型

目的 构建Copula-GARCH-CoVaR模型,研究深港通实施前后深市、沪市与香港股市间的相关性及风险溢出效应.方法 选取深圳成分指数、上海综合指数和香港恒生指数收益率序列,利用GARCH(1,1)-t模型刻画三地股票市场收益率的边缘分布,选取Pair-Copula并分别基于C藤和D藤对三市场相关性进行分析,通过计算市场间 ΔCoVaR值来分析深港通实施前后深市、沪市与香港股市之间风险溢出变化.结果与结论 相比于D藤,C藤下的Pair-Copula能更好地拟合深市、沪市与香港股市之间的相关结构.     

基于C藤Copula模型的混业经营下 聚合风险的度量

本文首次提出了对混业经营下聚合风险度量问题的实证研究,以VaR作为风险度量的工具,根据混业经营下金融机构所拥有的资产组合的特点,首先利用ARMA(1,1)-GARCH(1,1)模型提取了各单个资产的标准残差,再选取C藤Copula对各单个资产之间的相依结构进行了拟合,最后根据拟合的参数借助于蒙特卡罗模拟法进行了逆向模拟,得到了C藤Copula模型下VaR的回溯测试结果.同时,采用类似的方法,分别对R藤和D藤Copula模型下的VaR进行了回溯测试,并将3种模型下的回测结果进行了对比,得出了C藤Copula模型下得到的结果误差最小的结论.此外,文中还给出了用C藤Copula对多维数据之间的相依结构进行拟合的算法步骤以及利用蒙特卡罗模拟法求解多维资产组合VaR的步骤和方法.     

基于M-copula的水资源短缺风险经济损失预测模型及其应用

仅使用一种常用的Gumbel Copula、Clayton Copula或Frank Copula无法刻画水文变量之间所有的相关模式和结构,引入M-Copula函数模拟供水量和用水量的联合分布,提出水资源短缺风险经济损失预测模型.比较M-Copula函数和Gumbel Copula、Clayton Copula和Frank Copula得到的尾部相关系数和均方误差,计算结果表明M-Copula函数显著优于Gumbel Copula、Clayton Copula和Frank Copula函数,可以全面刻画供水量和用水量之间的相关模式和结构.对天津市在丰水年(20%)、平水年(50%)、偏枯年(75%)和枯水年(95%)情景下的水资源短缺风险经济损失进行预估,结果表明：在偏枯年份和枯水年份,水资源短缺风险经济损失值分别约为108亿元和142亿元.     

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.     

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明：建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。     

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.     

Copula-SV-GED模型的投资组合风险分析

将多种Copula函数和SV模型多种扩展形式相结合,对我国股票市场实际的组合投资问题进行了实证风险分析,结果表明边缘分布和相关关系的选择共同影响联合分布,并且Gumbel-copula-SV-GED模型在计算风险VaR值方面效果较好.     

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.     

银行系统性风险度量——基于动态CoVaR 方法的分析

以测量金融机构溢出风险的条件CoVaR模型为基础,应用股价数据对我国14家上市商业银行的系统性风险贡献度及其影响因素进行测算分析.实证结果表明：银行系统性风险贡献度与其自身VaR之间并无显著线性关系,对我国银行体系而言,系统重要性银行主要是四大国有银行,尤其以建设银行、中国银行和工商银行的系统性影响最为显著,其他股份制银行的风险溢出和传染效应远小于这3家银行;银行的溢出风险ΔCoVaR、自身风险VaR水平、不良贷款率以及宏观经济波动对于预测银行系统性风险的边际贡献具有显著影响.     

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Copula-GARCH的投资组合风险度量的实证应用

通过Va R模型对我国的上证指数和深成指2010年1月25日至2012年12月28日的收盘价的波动性加以实证分析,进行模型检验,从而得出模型有效的结论。用Copula函数刻画上证综指和深成指之间的相关结构进而得到投资组合收益率的联合分布,建立了GARCH(1,1)-t模型,利用各项资产收盘价、成交量的历史数据,通过Monte Carlo模拟生成具有Copula相关结构的收益率分布,得到组合的风险价值。应用Copula-Va R-GARCH模型通过Monte Carlo模拟计算投资组合的Va R值,对探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。     

基于Copula—GARCH模型的民族地区沪市A股投资风险研究

本文采用Copula—GARCH模型对金融市场中投资组合的风险问题进行分析,并选取沪市A股中西部民族地区的5支股票进行实证研究,结合Monte Carlo模拟计算了投资组合的VAR值,结果显示对资产进行适当的组合可降低投资者的风险,从而证实了模型的可行性和有效性.     

基于Copula函数的切削力与表面粗糙度的相关性

为了实现自动化切削加工中表面粗糙度的预测,需要定量描述常用监测参数切削力和表面粗糙度之间的非线性关系,提出了基于Copula函数的相关性研究方法.以车削7075高强度铝合金为试验对象,采用控制变量法得到切削力和表面粗糙度值,然后建立它们各自的边缘分布函数,并利用优化的Copula函数构建多变量联合分布函数,最后基于Copula函数理论以及联合函数模型分析了切削力和表面粗糙度整体和尾部相关关系.结果表明:切削力和表面粗糙度整体上有着明显的正相关关系,且相关结构中心对称,同时尾部相关系数趋向于0,即尾部相关程度较小.     

沪深股市的波动性分析——基于t分布下GARCH和SV模型的比较

构建基于N分布和t分布下的GARCH(1,1)和SV模型,并通过实证分析探讨了上证指数和深证成指收益序列的波动性.分析结果表明,GARCH(1,1)类模型和SV类模型能较好地拟合沪深股市收益率的波动,并指出我国股市存在较强的波动持续性;而基于t分布的各模型能有效地刻画股市的厚尾性;此外,通过计算VaR值,说明深市比沪市的风险更大,且SV类模型能更准确地反映收益率的风险特性.     

风险值和尾部条件期望的实证比较分析

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Eviews 与GS Copula 的金融市场相依性研究

为解决金融市场间波动的相依性问题, 对不同金融市场间高频数据极小值的相依性进行研究。在分析GS Copula 函数的模型方法和模型特点基础上, 研究了估计GS Copula 函数中参数的方法及正尾部相依性和负尾部相依性的模型, 并基于Eviews 软件和GS Copula 函数等理论对上证000001 指数和股指期货IF1112 指数5 min极小值的收益率序列数据的相依性进行了分析, 得出其收益率序列数据有很强的上尾部相依性。为在金融决策中降低风险提供了理论依据。     

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.