基于VaR的多品种石油期货最优套保比模型

文章在套保组合收益率服从多元t分布假设下,以套保组合收益率的VaR最小为目标函数,建立了多品种石油期货最优套保比模型,并将该模型的实证结果与套保组合收益率服从正态分布假设下,基于VaR的单品种石油期货最优套保比以及传统套保比进行比较;结果显示,相对于其它2种套保策略,基于VaR的多品种石油期货套保策略可以最大限度地降低套保风险,提高套保有效性。     

基于VaR风险控制和法规约束的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险，在既定的组合收益率下，以组合风险最小为目标，以VaR风险收益率为约束，以法律、法规和经营管理约束为条件，建立了银行资产负债管理优化模型．通过实例分析，说明了该模型的合理性和可行性．     

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明：建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。     

VaR模型及其在上海股市中的应用

资产未来收益率分布是决定VaR计算准确性的主要因素，针对上海证券市场综合指数收益率分布的不同假设，从静态与动态角度给出4种计算VaR的方法．首先通过拟合历史数据，说明上证综合指数收益率服从t4.579分布，然后考虑到收益率波动的时变性，用GARCH（1，1）模型来估计波动率．最后通过Back-test检验，得出GARCH-t4．869是计算VaR的最好的模型．     

基于pair copula-LMSV-t模型的投资组合风险研究

提出了LMSV-t模型并以其作为边缘分布的估计,来构建pair copula-LMSV-t多元投资组合模型.采用LMSV-t模型估计边缘分布能够更好地刻画资产收益率的波动性和长记忆性等非线性特征,从而更精确地估计投资组合的VaR.同时通过对中国股市开放式基金的实证分析,证明该投资组合模型在描述单个资产的非线性特征和资产之间的相依性方面都有进步.     

基于VaR约束的银行资产负债管理优化模型

在CreditMetrics方法和资产负债管理技术的基础上，以银行各项资产组合收益最大化为目标函数，以VaR风险限额为约束，以法律、法规和经营管理约束为条件，建立了基于VaR的银行资产负债管理优化模型，为银行的风险管理提供了决策方法，本模型的特点之一是利用VaR技术建立约束条件，通过在一定置信水平下的最大损失限额来控制贷款组合的违约风险，使贷款配合的风险限定在银行的承受能力和贷款准备金的范围之内；二是运用资产负债管理比率建立约束条件，通过法律、法规和经营管理约束控制流动性风险；使贷款的分配决策满足银行监管要求和银行经营实际；三是直接利用各企业贷款收益率的历史数据求解各贷款之间的收益率相关系数，进而求解组合的方差，而不是利用企业资产的相关系数求解，更直接地反映了贷款收益率之间的相关性。     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

风险资产组合均值-CVaR模型的算法分析

CVaR是指损失超过VaR的条件均值,反映了损失超过VaR时可能遭受的平均损失水平,它克服了VaR的非一致性、非凸性等不足.本文基于CVaR风险计量技术,分析了风险证券的投资收益率在服从正态分布下的风险资产组合均值-CVaR模型,给出了该风险资产组合有解的条件,以及在该条件满足下,最小均值-CVaR组合的投资比例解析形式和最小值.     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.     

基于谱风险度量的风险谱函数的研究

提出双曲型风险谱函数并得到了双曲型谱风险度量的估计量、后验检验和投资组合优化模型。实证分析表明,单个资产的双曲型谱风险度量值受置信水平和风险厌恶因子的影响,以双曲型谱风险度量为目标函数的投资组合的优化配置受风险厌恶因子和期望收益率的影响。     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

市场变化条件下的最佳投资组合模型研究

VaR(ValueatRisk)是一个在当前的金融市场条件下,各种不同的风险测量一个确定投资的获利的重要方法。近年来,套利研究被用来开发这种风险的可行方法。提出了VaR估计并提出新问题。假设给定一个可接受的VaR,如何确定一组给定证券的组合投资的最大收益,并且同时满足的约束条件。假设市场条件是变化的,如何在保证的投资组合下,在给定的范围内,获得一个投资重组(重新平衡)策略,使其在一系列投资组合中相应的收益最大。为了解决这些问题,采用并进一步开发了一种算法来进行这些投资组合的优化问题。     

基于t Copula的中国股市指数组合VaR估计及其评价

传统的联合正态分布假设无法刻画金融市场尾部相依情况,导致投资组合VaR的低估。采用tCopula克服了这一问题;并对上证指数和深证指数构成的等权重投资组合的95%和99%VaR进行了验证;结果表明,基于t Copula模型的VaR表现要优于传统的方差-协方差分析法、历史模拟法和蒙特卡罗模拟法以及基于动态条件相关系数模型的估计方法。     

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.     

金融风险度量VaR方法及其应用

风险价值(VaR)是近年来受到国际金融界广泛支持和认可的一种度量金融风险的工具。本文介绍了VaR的基本原理、VaR的计算方法,并且比较了各种计算方法的优缺点及发展方向,阐述了将VaR方法引入中国金融风险管理领域对我国的金融市场建设的重大意义。     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值(VaR)约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

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.     

具有VaR约束和无风险贷款的证券组合选择方法

在Markowitz证券组合理论的框架下，当证券贷款存在并且贷款的收益率服从正态分布时，提出了具有VaR约束和无风险贷款的证券组合的优化模型，并在证券收益率服从正态分布的前提下，给出了有效投资比例及有效边界的解析形式．它是均值-方差模型及有效前沿的推广．     

基于VaR的多阶段存货风险衡量方法

VaR(风险价值)方法在金融管理中作为一种衡量风险的有效手段,得到了越来越广泛的应用. 探讨VaR方法应用于存货的风险控制,通过将存货区分为单一阶段存货和多阶段存货,借助VaR的方法,讨论了多阶段存货管理中的风险衡量问题;介绍了存货管理中与VaR方法有关的基本概念;通过VaR方法的运用,建立了随机需求下的多阶段存货决策模型,并采用解析方法得到了VaR值的分布范围,为有效度量多阶段存货风险提供了期望最大收益(或最大成本)的界值.