VaR和ES与会计变量关系的探讨

首先以采用加权历史模拟法估计出来的VaR(风险价值)和ES(尾部期望短缺)来模拟实际的VaR和ES,然后选取了8个反映公司内部基本特征的会计变量,并依据财务理论,提出了关于VaR及ES与会计变量的关系的7个假设,其次通过计算VaR和ES与会计变量的相关系数和VaR及ES分别关于公司内部的8个会计变量多元线性回归来验证了上述假设的正确性与否,最后对实证结果进行了分析,得出VaR和ES与8个会计变量总体显著相关,公司规模及盈利性与VaR及ES显著负相关的结论.     

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.     

基于APARCH-st模型的ES计算

为了刻画金融时间序列的尖峰厚尾性及股市中存在的杠杆效应,Ding、Granger和Engle(1993)提出了APARCH模型,但在关于此模型的研究中,通常假设条件分布为正态分布或对称厚尾分布,如t分布、GED分布.在兼顾波动性和分布两个方面的基础上对收益率序列建立APARCH-st模型,给出其VaR和ES的计算方法,并与基于APARCH-t模型的ES值相比较,结果表明,考虑偏态分布得到的ES估计更为保守.     

基于极值理论的VaR和ES度量——以中兴通讯数据为例

风险价值(VaR)是市场风险的重要度量工具。以具有厚尾的中兴通讯股票收益率数据为例,分别运用极值理论中的分块样本极大值模型(BMM)和超阈值模型(POT)对VaR进行计算,并给出相应的预期损失(ES),同时提出了一种差异度量的方法对POT模型的阈值进行选取。结果表明,使用极值理论度量风险可以更好地捕捉尾部数据信息,得到更合理且符合实际需求的VaR和ES估计值,且POT模型比BMM模型所得计算结果更加稳定。     

Copula-EVT模型及其投资组合风险分析中应用

Copula技术广泛地应用于金融领域,特别是在金融风险、投资组合、资产定价的方面,目前已成为解决金融问题的一个有力工具.本文将Copula技术应用于沪深股市投资组合当中,由于VaR和ES表达式难以求出,于是采用蒙特卡罗模拟的方法模拟组合收益走势,进而计算出在不同置信水平下的风险价值(VaR)和期望不足(ES),其中对数收益边缘分布函数由中心和左尾为Laplace分布,右尾为极值分布组成.从Basle交通灯法返回检验的结果来看,Copula-EVT模型能够较好度量组合风险.     

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。     

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。     

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.     

基于条件极值模型的上证综指尾部风险研究

在传统ARMA-GARCH时间序列模型的基础上,介绍条件极值模型并运用这些模型对近十几年来上证综指进行VaR和ES样本外预测与事后检验.研究表明假设新息序列为偏t分布的ARMA-GARCH模型与条件极值模型在预测VaR和ES方面均具有出色效果.     

风险价值VaR及实证研究

随着经济一体化的深入,风险管理受到各个国家和地区越来越多的重视。本文主要讨论了风险管理中的市场风险度量的方法,具体介绍了基于投资组合的收益(或损失)函数的分布函数提出的风险值(VaR)和期望损失(ES)这两种度量方法,它们是目前使用得最广的市场风险度量方法。文中比较了这两种方法的优缺点,给出了各种不同计算VaR和ES的方法,同时也对各种方法进行了对比讨论,给出了一个基于中国上证沪深指数在1999—2013年的日收益率序列的一个实证研究。     

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GARCH-EVT模型的我国创业板市场风险分析

选取了2015年10月至2021年9月创业板综指的日收盘价数据,使用GARCH部分拟合创业板的动态波动的基础上,利用极值理论拟合尾部极端数据,并用POT方法计算出残差序列不同分位数下的VaR和ES估计,最后将其与历史模拟法、普通GARCH模型同时进行回测分析,比较其估计效果。实证结果表明,利用GARCH-EVT组合模型,在较高置信水平下计算得到ES能够更加精确地度量我国创业板市场的风险。     

基于两类极值分布的金融风险度量

在金融投资组合的风险管理中,估计极端事件的概率,是一个重要的问题.阐述了极值理论和两类极值分布,以上证综合指数为例,将极值理论用于风险价值的计算,给出了VaR和ES的估计值,并与传统方法得出的结果进行了比较分析,结论表明,用极值方法度量金融风险具有很高的准确性.     

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。     

NOD下VaR样本分位数估计的强相合性及其Bahadur表示

利用NOD样本的性质及其相关不等式,研究了在NOD序列情况下,风险度量VaR非参数估计量的性质.证明了VaR样本分位数估计的强相合性,同时也给出了VaR样本分位数估计的Bahadur表示.     

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.     

相对风险价值——一种新的一致风险度量

提出了一种新的风险度量指标——相对风险价值(RVaR)。它在风险控制、保险、最佳估计等方面都有明确的直观意义,并且满足一致性、风险回避性以及与多种常见序相容的合理性要求,较好地弥补了风险价值的理论缺陷。本文提出的确定RVaR的准则,保证在正态条件下所确定的RVaR与VaR相同。此外还给出并证明了RVaR的表示性公式,讨论了RVaR在风险交换和资本分配等问题上的应用。     

我国外汇储备汇率风险测度

选取2015年3月18日至2016年7月8日的美元/人民币日频汇率数据作为样本,建立了基于正态分布、t分布、GED分布的GARCH(1,1)模型来研究汇率的波动性,并计算出风险价值(VaR值),结果显示,在置信水平分别为0.99,0.95,0.9的条件下,基于t分布、GED分布的GARCH(1,1)模型的VaR值大于基于正态分布的GARCH(1,1)模型的VaR值,使其有效地估计风险具有现实意义。     

一种估计风险价值的新模型

根据极值-Ⅱ型分布的厚尾性质,结合当今金融市场收益分布的尖峰厚尾特征,提出一种具有尖峰厚尾的Laplace极值-Ⅱ型混合分布,并在此基础上建立了一种新的估计风险价值VaR(Value at Risk)的Laplace极值混合模型,通过对上证B股的实证模拟分析,发现该模型对收益表现异常的金融序列的VaR估计具有较高的应用价值.