相关风险函数VaR的界

以VaR作为风险测度，利用Copula的有关理论给出美元／英镑和加元／英镑两支汇率的风险函数在一定水平下的VaR的最优边界。在比较不同类Copula的相关性时，用Kendall τ作为比较的依据。本文的方法对其他风险测度和由更多金融产品组成的组合投资同样适用。     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于Copula-TARCH的开放式基金投资组合风险的实证分析

以华夏基金的前10支股票为例,建立了AR(1)-TARCH-t(1,1)模型。分别采用正态Copula函数、t-Copula函数完成单个资产收益的边缘分布到资产组合联合分布的过渡。并结合Monte-Carlo模拟技术计算基金组合的VaR。比较实证结果得出Copula函数的选取影响投资组合风险值;由t-Copula函数仿真得到的VaR更保守。     

基于动态CVaR模型的房地产组合投资的风险度量与控制策略

研究了基于动态条件风险值(CVaR)模型的房地产组合投资风险度量问题.定义一种动态CVaR模型,它是一个动态规划问题,证明了它可以等价一个非线性规划问题求解.据此,建立了一个基于动态CVaR的房地产组合投资优化模型,通过计算这个模型可以得到在一定置信水平下的房地产投资的风险损失值和组合投资比例.应用这个模型对全国10个城市的房屋价格数据进行了多阶段的风险值和投资比例数值计算,结果表明多阶段组合投资的风险值要比单个阶段更小.控制风险的主要策略是选择低风险的CVaR值的投资组合.     

一种证券投资风险度量方法的应用研究

对证券投资风险度量方法进行总结，指出风险的本质，提出证券投资风险度量的一种新方法——熵度量法，在此基础上研究并提出一种新的投资组合模型，然后考虑交易费用和多目标投资决策的情况，最后进行实证研究。     

基于VaR的风险平价投资策略及应用

结合风险测度方法 VaR,提出基于在险价值的风险平价投资策略,建立了相应模型,并给出有效的算法.最后使用中国股票、债券和商品期货市场数据给出数值算例,并与多种常用的投资策略进行了对比分析.结果显示,三种风险平价投资策略均优于全局最小方差组合等其它参照投资策略,其中基于在险价值的风险平价投资策略表现最优.     

动态投资组合风险控制策略

从股市上采集的大量股票收益率数据表明,前后相邻的股票收益率数据呈现出一定程度的依赖关系,即前期收益率呈现出大的波动幅度,紧接着后期收益率也呈现出大的波动幅度,这样的波动特点被称之为"波动聚集性","风险传染性",在金融计量上,通常用收益率的方差来定量刻画收益率的波动幅度的大小和相应收益率风险的大小,因此本文选用能准确拟合金融资产收益率方差的GARCH模型来刻画金融资产收益率的这种"风险传染性",在此基础上应用协同持续思想构建了投资组合的风险优化控制模型,并求得了相应最优投资组合权重.选取6支股票作了实证检验.检验结果表明,按该模型配王的投资组合收益率长期被控制在较小的风险范围,在统计上亦表现出较高的夏普比.     

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.     

资产组合的集成风险度量及其应用——基于最优拟合Copula函数的VaR方法

通过对不同族类、不同种类Copula函数之间的比较分析,提出了最优拟合Copula函数的一种选择方法.基于沪深两市经验数据的实证检验与分析表明,Frank-Copula和Clayton-Copula分别适用于计算低置信度和高置信度下资产组合集成风险的VaR.在各自置信度下,根据这两种Copula函数的计算方法优于其它Copula函数方法,更优于使用多维正态分布或者多维t分布的传统方法.     

基于局部线性近似的投资组合VaR分解

提出了投资组合VaR分解的局部线性近似估计法,该方法是一种在组合VaR附近取线性近似的局部估计方法。对于使用不同方法(参数法、模拟法等)计算出的投资组合VaR,均可使用局部线性近似估计法来分解。实证研究表明,该方法简单、准确,具有一定的实际应用价值。     

基于VaR-GARCH模型族的我国期铜市场风险度量研究

描述了金融时间序列的一般特性,从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在3种分布假设下对我国铜期货的市场风险进行了实证分析.研究结果表明,基于广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾性与市场风险.同时,对期铜市场风险的变动趋势进行了详细剖析.     

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.     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

应用半参数方法计算市场风险的受险价值

由于厚尾分布,通常基于正态分布假定的VaR参数法在99%置信水平下计量市场风险时会严重低估风险,文中提出了一种半参数方法。通过对石油市场收益数据的检验,在99%置信水平下,半参数方法的风险计量效果好于通常的参数方法。     

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．     

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.     

基于VaR约束的商业银行贷款组合多目标决策

在综合考虑商业银行的风险承受能力以及在风险与回报均衡的基础上,提出基于VaR约束的贷款组合多目标决策方法,并引入几何方法求解该多目标优化问题。本文所提出的方法具有以下特点:一是模型中两个目标函数的经济含义形象、直观,求解方法简单且易于理解;二是银行可根据其资本充足率等情况设定风险承受能力,有效地规避潜在风险;第三,在有效边界上,银行的决策者可以根据其风险价值偏好和宏观经济景气状况等确定最优贷款组合,从而使得该方法在实际应用中更加灵活方便。     

金融风险管理中ES度量的非参数方法的比较及其应用

预期不足(ES)是近几年发展起来的用于测量和控制金融风险的量化工具.在金融时间序列中, 将两步核估计应用于两步ES非参数估计之中,得到了ES模型的两步核光滑估计. 通过计算其期望和方差,比较了两步核光滑ES估计与ES完全经验估计及一步核光滑估计的优劣,得到了有趣的结论: 与VaR模型不同, 两步光滑化并不能减小ES估计的方差,反而会增大其方差, 并通过计算机模拟证实了理论获得的结论.对国内沪深两市中的封闭式基金进行了实证分析,计算了样本基金的ES完全经验估计、一步核光滑估计和两步核光滑估计,并计算了样本基金基于周收益率和ES的两步核光滑估计的风险调整收益(RAROC),以此对样本基金的业绩做出了评价. 实证分析表明: 在不同的置信水平下,基于周收益率和ES计算的风险调整收益排名比基于周收益率和VaR计算的风险调整收益排名要更加稳定.     

GARCH模型在计算我国股市风险价值中的应用研究

主要讨论VaR模型中有关波动率的估计方法。通过拉格朗日检验（LM），发现上海股市的日收益率服从ARCH过程。分别采用GARCH（1,1）模型、RiskMetrics和移动平均法预测上海股市日收益率的波动性，计算每天的VaR。返回式检验表明，GARCH（1,1）模型比RiskMetrics和移动平均法能更准确地反映我国上海股市的风险。