极值理论(EVT)方法用于受险价值(VaR)计算的实证比较与分析

讨论了根据极值理论 ( EVT)计算受险价值 ( Va R)的两类不同的方法 :基于矩估计的“两次子样试算法”和极大似然估计法 ,并给出了各自理论推导过程和计算步骤 .同时 ,把这两类方法与正态分布和经验分布的结果进行了比较 .应用四种汇率历史数据进行的实证计算表明 ,在极端条件下 ,用极值理论方法估计 Va R具有很高的准确性 ,而矩估计法的结果又优于极大似然估计法 .     

极值理论(EVT)方法用于受险价值(VaR)计算的实证比较与分析

讨论了根据极值理论 ( EVT)计算受险价值 ( Va R)的两类不同的方法 :基于矩估计的“两次子样试算法”和极大似然估计法 ,并给出了各自理论推导过程和计算步骤 .同时 ,把这两类方法与正态分布和经验分布的结果进行了比较 .应用四种汇率历史数据进行的实证计算表明 ,在极端条件下 ,用极值理论方法估计 Va R具有很高的准确性 ,而矩估计法的结果又优于极大似然估计法 .     

基于极值理论的原油市场价格风险VaR的研究

引入VaR(Value at Risk)的极值理论对世界原油现货市场的价格风险进行研究.在对WTI和Brent原油现货市场的实证研究中将极值理论的阈值模型与簇值方法相结合,对阈值u和模型参数的估计方法提出了改进,取得了较为理想的VaR估计结果.在此基础上讨论了两市场价格风险的不同特征以及同一市场中厂商风险和采购风险的不同特征.得到了一些有意义的结论.     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

基于极值理论的高频条件VaR动态区间估计模型

为了更加精确地度量在险值的估计精度,基于广义极值理论推导了条件极值VaR的动态区间估计模型,得到了条件极值VaR置信区间解析解的一般形式,对在险值的估计精度进行了实时度量.利用高频数据重点考察了不同置信水平和不同样本容量分块下的条件极值VaR区间估计结果的精度和模型的有效性.结果表明:条件极值VaR的动态区间估计模型与参数法、非参数法以及蒙特卡罗法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有更好的估计精度,精确和有效地描述VaR的估计风险.     

VaR风险度量下的β系数：估计方法和实证研究

传统资本资产定价模型得出的β 系数受到正态分布假设的约束. 为了更好地反映金融现实, 对VaR-β 系数的估计问题(VaR-β 系数是一种在value-at-risk风险度量下的β系数, 可以在各种概率分布假设下应用) 进行了研究. 在一些常用VaR 估计方法的基础上, 我们一共发展了三种VaR-β系数估计方法：核密度方法、高阶矩方法和~Copula 方法, 并得出了相应的解析表达式. 最后, 我们使用香港证券市场中的数据对核密度方法的应用进行了实证研究, 并论证了置信度水平可以做为反映投资者情绪的一个指标.     

基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法

在非正态分布的条件下,M arkow itz的均值-方差资产组合选择模型存在不足。为此,以V aR和CV aR作为风险度量方法,EVT反映收益率的尾部分布,GARCH反映收益率的波动性,Copu la函数反映金融资产收益的相关性,构建了基于Copu la函数的资产组合选择模型。针对非正态分布条件下V aR非凸性和分布函数不连续性导致资产组合选择优化计算复杂、不精确的难题,设计了基于单纯形和传统遗传算法的混合遗传算法。最后,根据中国证券市场数据,采用该混合遗传算法对建立的资产组合选择模型求解。     

基于EVT-POT-SV-GED模型的极值风险度量

针对金融资产收益的异常变化,采用SV-GED模型捕捉收益分布的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,结合SV-GED模型与极值理论拟合标准残差的尾部分布,建立了一种新的度量金融风险的基于EVT-POT-SV-GED的动态、VaR模型.用该模型对上证综指做实证分析,结果表明该模型能够更精确、合理地度量上证综指收益的风险.     

非瓦尔拉斯市场下的风险价值

研究了非瓦尔拉斯市场下的风险测度；详细介绍了相关的背景、概念；提出了非瓦尔拉斯市场下风险价值模型；讨论了非瓦尔拉斯风险价值计算方法；最后，通过算例比较了该模型和传统风险价值的异同．结论表明，非瓦尔拉斯市场下的风险价值是一种非线性风险测度，由头寸数量、市场条件、变现时间和投资者的交易策略共同决定．     

证券组合SKST-APARCH模型和VaR估计分析

金融资产无条件收益分布表现为偏度和峰度共存，运用ARCH模型族在波动和Valt分析中往往将对称的后尾t、GED误差分布与不对称冲击结合在一起来解决序列不对称特性．由于偏度和峰度并非相互独立．这样未能根本上解决问题。本文在APARCH模型中引入偏t分布（Skst）模型对上证指数和深证A股指数的波动及VaR进行了实证分析，并与Gauss、t、GED等对称分布下的估计进行了比较，结果显示Skst能较好的拟舍波动、较准估计VaR．     

周日效应下的VaR风险测量

资本市场所谓的“周日效应”是许多证券回报率反常现象之一。本文从金融市场风险测量的角度出发,对中国沪、深股市的日回报率进行了周日效应的实证研究,并且对传统VaR风险度模型进行了改进,然后通过后续检验支持了对传统风险度模型的周日效应调整,可以得到更加准确的VaR风险度测量的结论。     

基于极值理论的飞控系统故障后风险定量评估

研究了基于极值理论(EVT)的低频高危事件定量评估方法. 构建了考虑驾驶员响应的飞控系统故障后评估模型, 介绍了角速率传感器故障后极值样本的获取方法. 利用非线性优化模型对极值理论中常用的线性模型进行了改进, 针对极值样本分布模型中参数的辨识, 对比了几种优化算法对文中评估模型的适用性. 采用四种优化算法对模型参数进行了对比辨识以寻求飞行风险条件概率最优解,得出了自适应粒子群算法对文中评估模型适应度最高的结论. 最后将传感器故障风险概率加入有驾驶员响应环节的马尔科夫过程模型对飞控系统风险概率进行动态定量评估. 其最终结果可为定量评估某型机操纵系统的动态可靠性提供理论依据.     

国际有色金属期货市场VaR和ES风险度量功效的比较

采用历史模拟法、蒙特卡罗模拟法、指数加权法、等权重法、GARCH法和极值理论法六种参数方法和非参数方法对国际有色金属期货市场风险值VaR建模, 并引入基于极值理论的预期不足ES对风险度量进行补充. 在利用返回检验对实证结果的功效进行比较研究的基础之上, 得出结论: 从对ES和VaR的检验结果比较而言, 当有色金属期货市场价格出现大幅跌涨时, ES比VaR更能准确地度量市场风险; 从对各种方法VaR的检验结果比较而言, 在95\%的置信度下, GARCH法和指数加权法能够更加有效地度量市场风险, 在99\%的置信度下, 指数加权法、GARCH法和历史模拟法能够更好地估计市场风险.     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数，这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上，本文给出一类极大似然估计方法，使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本，实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本，同时在原模型估计及扩展上有很好的稳定性. 模型扩展上，进一步检验了交易强度对信息参数的影响.     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

基于Copula-ASV-EVT的QFII和HS300指数相关性风险度量

以ASV-EVT模型为边缘分布函数,运用三种Copula簇方法研究了QFII和HS300指数之间的相关关系.研究结果表明:BB1 Copula较好地刻画了两指数尾部相关的非线性、非对称特征,且较好地拟合了相关结构,表明两指数在低迷时期的相关性明显高于其活跃时期的相关性.同时回测检验显示Copula-ASV-EVT模型能有效测度两指数组合的市场风险.进而,基于2006-2012年样本实证得出QFII一直坚持价值投资的有力证据.同时,随着QFII数量的增长和上市公司分红制度的完善,中国证券市场面临价值投资理性回归的极好机遇.     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

SPAN保证金系统中的VaR实现技术

为了解决标准资产组合风险分析(SPAN)保证金系统的开放性问题,本文采用测度风险的参数、半参数和非参数VaR方法和描述相关结构的时变Copula技术,给出了VaR-SPAN系统中主要输入参数的设定方案.实例计算结果表明,与采用VaR-SPAN计算流程计算得到的国内期货产品组合所需的保证金大小相比,交易所实际收取的保证金偏高.     

基于极值理论和Copula函数的条件VaR计算

针对金融市场中某种资产不同风险的非线性和非对称尾部的特性,将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.经过对深证成指的实证研究表明,极值理论能更好地拟合具有厚尾分布的收益率和日内波幅的边缘分布,Gumbel Copula函数也能更好地反映两者之间的相关关系.由Gumbel Copu-la函数拟合的联合分布计算出的在一定日内波幅条件下的市场风险VaR能给投资者在进行风险分析以及构建投资组合时提供有用的信息.