基于Copula方法的条件VaR估计

给出了股价日内波幅的定义，并应用Copula方法得到了股票价格日内波幅和收益率的相依结构，以及两者之间的尾部相依系数．利用Copula相依结构可以估计出联合分布以及日内波幅条件下的条件分布，进而得到条件VaR的估计．最后对上证指数和浦发银行股票进行了实证分析和比较，获得了有意义的结果．     

极值理论与VaR计算

介绍了利用极值理论研究随机变量尾部性质的方法,并将其应用于金融产品在险价值（VaR）的计算.实证分析表明,与传统的计算VaR的方法相比,极值理论方法能更好地利用已知历史数据,并能在计算高置信度VaR时克服传统方法中误差较大的缺点.     

基于Generalized Kalman Filter的VaR估计

在应用Kalman Filter方法估计时变风险β系数的基础上,引入Generalized Kalman Filter方法来估计时变卢系数,再通过Sharp对角线模型计算投资组合的VaR,并运用Backtesting检验判断两方法估计VaR的精确度.     

极值理论和贝叶斯估计在VaR计算中的应用

利用广义GPD分布拟合香港恒生指数日收益率的尾部分布,采用贝叶斯方法对模型的参数进行估计,这样既能充分利用先验信息又能有效地融合样本数据;之后与极大似然法相比较,结果表明,使用贝叶斯方法在较高的置信度得到的VaR大于使用极大似然方法所得,但精确度还是有待提高.这说明极大似然方法将低估风险,提醒人们需要寻找恰当方法,进一步提高风险意识.     

基于尾部指数回归的动态系统性尾部风险度量

基于回归模型,考虑市场波动率指数(volatility index, VIX)对尾部指数的影响,研究了尾部指数与系统性尾部风险系数之间的关系,并构造了时变动态系统性尾部风险系数模型.基于该模型,研究了八个国家的代表股指的CVaR和时变动态系统性尾部风险系数.结果发现,在金融危机期间,全球市场的尾部风险显著增加;中国、日本、俄罗斯、印度,法国和英国的代表股指的系统性尾部风险小于全球市场的,而美国和德国的较高.     

基于中国股市波动率的多元模型比较与分析

讨论了DCC-GARCH和ICA-GARCH的多元时间序列协方差模型,并从中国股市出发,对中国股市的波动率进行估计及预测.同时,引入VaR模型,比较各多元模型衡量中国股市波动率的准确性及适用性.     

VaR下两相依风险的最优停止损失再保险

采用双泊松分布的风险模型和方差保费原理,从保险人的角度考虑了两相依风险的最优停止损失再保险,得到了VaR标准下的最优保留值及其存在条件,最后给出例子验证了结果.     

基于阿基米德Copula的投资组合风险分析

应用阿基米德Copula分析沪深股票市场投资组合风险,样本区间从2000年1月4日至2006年11月8日,共1639组有效数据．首先,由于金融数据不具有正态性,且是厚尾的,因而应用极值理论对边缘分布建模;然后,采用极大似然估计对给定的5个阿基米德Copula进行参数估计,从中选择能更好拟合实际数据相关性的Copula;最后,运用Monte Carlo模拟方法计算相应的风险价值（VaR）,确定最优的组合系数．结果表明,当组合系数β=0．33时,沪深股市投资组合风险最小．     

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。     

基于Copula函数的沪深股市相关性研究

研究了度量相关性的两个工具：秩相关系数和尾部相关系数．在Archimedean Copula族中选择最优的Clayton Copula来度量上证综指和深圳成指尾部相关性，得出两者具有较强的下尾相关性，且量化后的相关性能够较好预测股票市场的变化．     

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．     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

Copula度量投资组合VaR的应用研究

本文主要研究Copula理论在投资组合风险管理中的应用．简要的介绍了Copula定义和Sklar定理的一些性质，重点介绍了Gaussianl-Copula、t-Copula以及Gumble Copula函数的形式，选取上证综指和深证成指作为研究对象，在等权重投资组合的假设下，结合Copula函数，计算出在不同置信水平下的VaR值．     

具有VaR约束和无风险贷款的证券组合选择方法

在Markowitz证券组合理论的框架下，当证券贷款存在并且贷款的收益率服从正态分布时，提出了具有VaR约束和无风险贷款的证券组合的优化模型，并在证券收益率服从正态分布的前提下，给出了有效投资比例及有效边界的解析形式．它是均值-方差模型及有效前沿的推广．     

基于Copula函数的证券基金与股价指数的尾部相关性分析

利用Granger因果检验考察上证基金指数及股票指数间的联动特征,发现股票指数是基金指数的Granger成因.分别对基金指数及股票指数的收益率建立时间序列GARCH模型,引入Archimedean Copuh族的函数研究基金与股票收益之间的尾部相关性,研究表明基金指数和股票指数尾部相关性较高,基金市场随股票市场的涨跌而发生变化,且相关性在熊市期间强于牛市期间.     

VaR与ES的非参数估计的统计分析

利用VaR与ES最新的非参数估计方法,不依赖于分布假设,对上证指数做实证分析,并对N天的VaR的计算方法进行研究.研究结果表明,在样本容量较大的情况下,VaR与ES的非参数估计方法有较好的效果;曲线回归方法计算N天的VaR的效果明显优于正态假设下计算的效果.     

MARKOV-GARCH模型对我国证券市场在险价值的度量

提出一种度量我国证劵市场在险价值的MARKOV-GARCH(马尔可夫-广义自回归条件异方差)模型.即通过MARKOV的性质,提示市场的跳跃规律,结合GARCH模型得出市场的波动率,进一步通过波动率度量市场的在险价值.实证结果表明,在确保成功率的前提下,其度量的在险价值的置信区间比一般GARCH模型所度量的置信区间更小,而且稳定性也较其他模型强.该模型在不放大所度量的在险价值区间的前提下,却取得较高的成功率.