二元极值理论在沪深股市尾部风险度量中的应用

用二元极值理论对沪深股市联合分布的尾部特征进行了研究。把一种新的极值Copula函数—t-EV-copula应用于二元极值理论。t-EV-copula与Gumble copula的比较分析表明:t-EV-copula不仅能很好地模拟极值数据,而且能够准确的捕捉到上尾、下尾变化;由二元极值理论得到基于t-EV-copula的沪深股市联合分布尾部的二元分布函数并作分布函数图。最后,用VaR作为风险度量进一步描述了联合分布的尾部特征。     

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.     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

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。     

基于尖峰厚尾、有偏GARCH-copula模型的风险测度

考虑到证券投资组合中资产收益分布的尖峰厚尾属性和波动率集聚效应以及金融资产变量间的非线性相依结构,假设资产收益率分布服从广义误差分布(GED),以尖峰厚尾、有偏的GJR-GARCH-GED模型刻画资产收益率的边际分布,以copula函数描述变量间的相依性,构建起改进的GARCH-copula模型。以研究GED分布的GJR-GARCH模型与不同copula函数耦合对金融序列的拟合能力,进而测度投资组合风险。实证研究发现,沪深收益波动存在明显的非对称性,适宜采用GJR-GARCH-GED模型处理收益率的尖峰厚尾性,波动率的集聚性。考察上述模型与Clayton copula、Gumbel copula、Frank copula以及t copula耦合下的实际拟合表现,进而对投资组合风险VaR和CVaR检验发现,Clayton copula刻画风险相依性的效果最佳,适合应用于风险管理。     

度量收益率的实际分布和相关性对资产组合选择绩效影响

在对MarkoWitz资产组合选择理论的局限性,以及金融资产收益率的实际分布与相关性进行分析的基础上,根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映组合资产收益实际分布和相关性的联合分布函数.为了研究度量收益率的实际分布和相关性对资产组合选择的影响,以投资者具有常相对风险回避效用函数为假设条件,根据所构建的联合分布函数和中国证券市场的数据,采用动态返回测试方法进行实证研究.     

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.     

我国商业银行整体风险度量及其敏感性分析——基于我国商业银行财务数据和金融市场公开数据

依据我国14 家上市商业银行的财务数据和金融市场公开数据, 利用风险因子模型和损失分布法采取蒙特卡洛模拟技术分别生成市场、信用和操作风险敞口回报的分布, 在此基础上, 引入Copula 函数构建此三种主要风险敞口回报的联合分布, 以回报形式的VaR 度量我国商业银行整体风险, 考察研究整体风险对我国商业银行金融业务组合变化和风险相关性变化的敏感性. 实证结果表明: 基于Copula 理论的VaR 估计方法能够很好的度量整体风险, 而线性加成VaR 高估了整体风险, 正态VaR 低估了整体风险; 与市场风险相关的金融业务组合比例增加会加大整体风险, 且操作风险非常显著的尖峰厚尾特性对商业银行整体风险的影响较大; 易发生极端损失的操作风险与市场风险、信用风险之间的交叉作用增强时, 金融监管机构要特别关注.     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。     

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.     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.     

基于Copula理论的多心理帐户组合VaR模型与基金风险管理

在Shefrin和Statman的行为投资组合和多心理帐户理论的基础上,结合Copula理论对传统的VaR计算模型进行了改进,加入了反映人们预期和风险态度的主观参数,从而使风险度量能够建立在概率(probability)、前景(prospect)和偏好(preference)(“新3P”)的基础之上.然后在此基础上给出了基金投资组合风险预警和投资比例优化的方法.     

基于高阶矩风险控制的贷款组合优化模型

以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险, 以峰度来控制贷款组合收益率分布出现极端情况的双侧风险, 建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上, 增加了偏度和峰度参数, 建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束, 控制了组合收益率偏离均值的离散程度: 通过偏度约束, 控制了组合收益率总体分布向损失一侧偏离的程度: 通过峰度约束, 控制了组合收益率出现极端损失或收益的可能性. 模型从多个角度控制了贷款组合的风险, 拓展了经典的均值-方差优化组合思路.     

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。     

信用风险优化中的期望短缺模型及基于非数值算法求解

期望短缺是一种新的风险量度和优化工具,它能够反映损失分布的尾部信息,从而有利于防范小概率极端金融风险;它能同时调整组合中所有头寸以优化期望短缺,同时得到相应受险价值.Fredrik给出了能同时优化组合期望短缺和受险价值的线性规划模型,但该模型存在维数障碍.为了克服这一障碍,本文将其重新变为一个非线性规划模型,并利用带约束的遗传算法和模拟退火算法求其近似最优解.实证研究表明:这两种方法都能够在很少改变期望收益的情况下,同时减少标准差、受险价值、期望短缺等重要风险衡量指标,但模拟退火算法对期望短缺指标优化效果更佳.