风险估值在沪深股市风险测量中的应用研究

以中国沪、深股市的风险测量为研究对象,收集了近5年的沪深股市每日指数收盘价;运用风险估值(VaR)常用的方差-协方差法和历史模拟法,通过对单一金融产品和资产组合的风险测量,论证了利用VaR技术计算股市风险的可行性.与传统的风险测量方法相比,方差-协方差法和历史模拟法在精确量化投资风险方面具有简捷易行的显著优势.利用指数加权移动平均方法考察了VaR对股市收益率波动性的描述能力,结果表明VaR计算值基本涵盖了绝大部分交易日的损失,有效降低了"幽灵效应",并且捕捉了波动的聚集性.从资产组合的VaR小于单个金融产品的VaR的结果看,VaR技术在股市风险测量上符合现代投资组合理论的基本思想.     

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.     

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.     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

基于高频数据的金融市场风险溢出研究

近年来,金融市场间的联动现象日趋频繁,跨市场的风险溢出进一步增强.2015年以来,中国股票市场迅速发展,但也出现了大幅度的波动.因此,在维护金融稳定、防范金融风险的背景下,加强对中国股市的风险监控,降低外部冲击的影响具有重要的现实意义.建立EGARCH-Copula模型研究沪市与港市之间的相关结构,计算谱风险和VaR值以度量波动溢出效应.选取每隔5 min的上证综合指数和香港恒生指数收益率序列,进行小波降噪后,构建EGARCH模型拟合其边缘分布,选择Copula函数刻画它们之间的相关结构,Monte Carlo模拟计算谱风险和VaR值.实证结果显示,t-EGARCH-Gumbel Copula模型能够较好地描述沪市与港市之间的尾部相关结构;谱风险值随着风险厌恶系数的增大而增大,比VaR值更能捕捉尾部的极端风险,降低投资者的损失.     

基于时变VaR的动态套期保值策略研究

套期保值可以规避股市系统性风险,文章研究动态套保策略,以VaR最小化为目标,弥补了现有研究的两点不足．文章建立了ECM—BGARCH模型来拟合市场波动,椎导了基于时变VaR的动态套保比模型,满足每日VaR最小且有效;然后,对我国股指期货的实证研究反映出,相比静态模型,动态模型体现出较好的应用效果：（1）提高了套保绩效;（2）降低了平均VaR,意味着需要更少的风险准备金,节约了套保者的资金成本,也更容易达到资金监管要求;（3）取得了更准确的VaR失效率,时变VaR更准确反映了市场异常．     

基于GARCH-MIDAS模型对股市波动率预测

极端冲击(例如战争和金融危机)会导致股市波动剧烈.提出5种增强的混频模型(GARCH-MIDAS),可以捕捉非对称和极端冲击对股市波动率的影响.样本内的结果表明,我国股市存在明显的波动率聚集效应和杠杆效应,并且负面的极端震荡会导致较高的波动性.而样本外的MCS和DM检验结果则清楚地显示出EGARCH-MIDAS-ES模型最适合预测股市波动率,该模型在短期波动中纳入了非对称效应,长期趋势中加入了极端冲击的影响.此外,稳健性检验证实,与标准GARCH-MIDAS模型相比,增强的波动率模型在统计和经济方面均可产生更好的预测结果.通过考虑极端冲击,为股市波动率预测提供了新的见解.     

我国股市与实体经济关联度的实证分析

利用我国工业增加值及上证、深证工业指数作为总体样本 ,运用统计中的回归分析和拟合分析方法 ,使用统计软件SAS ,对我国股市与实体经济的关联度及滞后效应等问题进行实证分析 ,得出了“我国股市与实体经济高度相关 ,并且实体经济的波动周期比股指波动周期滞后 3个月左右”的结论 ,该结论对投资者及政府有关部门具有一定的实用参考价值     

基于SSRM的上海证券市场波动性研究

分别对上海证券市场的商业、地产等4个行业板块进行建模,讨论了它们在简单体制转换模型下的波动特征,并计算了各个行业板块的VaR.研究表明:4个行业板块的波动率过程存在明显的体制转换特征,转换概率较高;不同行业板块间的风险有所差别,但简单体制转换模型明显低估了我国股市的风险水平.     

流动性风险的探讨与实证分析

首先对流动性时间序列进行特征分析,根据时间序列自相关和偏相关的特点建立相应的自回归移动平均模型。用LM检验模型的残差是否存在异方差现象;为了很好的描述丛集性的特征,建立了ARMA（1,1）-ARCH（1）模型;然后再对模型的残差做删和Q统计量的检验,来解释模型的合理性。最后,根据所建的模型求出条件异方差,进而计算流动性风险值。