基于fattailed-garch的VaR模型

利用Fattail_GARCH VaR模型在不同分布的假设下建模上证综指收益时间序列，并与常用的正态分布下GARCH_VaR模型进行比较，结果表明：广义误差分布及Skewed t分布下的GARCH_VaR模型适合建模上证综指收益时间序列。     

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.     

CVaR的灵敏度分析

是对CVaR于投资组合的灵敏度进行分析，得到CVaR关于投资组合一阶、二阶偏导数的解析表达式，通过对CVaRh的灵敏度的仿真，验证了CVaR的凸性并为寻求最优投资比例提供了一种方法。     

非负随机变量函数凸序与投资组合的风险值

引进非负随机变量函数凸序研究随机资产的风险值(VaR),证明了任意随机资产组合的风险不会超过其各个随机资产的风险值之和,给出了投资组合的风险值上界.     

一种新型的VaR计算方法:g-h VaR法

根据g-h分布的统计特性,提出了基于金融资产损失的V aR计算方法——g-h V aR法。这种方法结合了分析方法、历史模拟方法和极值理论方法的优点,能够很好地处理组合回报的不对称现象和厚尾现象。在证券市场上的实证研究表明,该方法优于现有的D elta-正态方法。     

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.     

周日效应下的VaR风险测量

资本市场所谓的“周日效应”是许多证券回报率反常现象之一。本文从金融市场风险测量的角度出发,对中国沪、深股市的日回报率进行了周日效应的实证研究,并且对传统VaR风险度模型进行了改进,然后通过后续检验支持了对传统风险度模型的周日效应调整,可以得到更加准确的VaR风险度测量的结论。     

基于Copula-VaR的能源投资组合价格风险度量研究

随着国际金融资本和投机资金不断涌入能源市场,能源价格的震荡幅度加剧,为了积极应对这种挑战,需要准确度量价格波动带来的风险,因此本文提出能源价格风险值(VaR_(EP))指标,建立了基于Copula-VaR的能源价格风险模型,定量研究能源投资组合的风险.理论推导和实证研究结果表明,基于Copula-VaR的能源价格风险模型充分考虑了能源价格之间的相互关系优化组合权重,在计算能源投资组合权重分配时,与历史模拟法、等权重分配方法和单一投资方案相比,能更好地降低投资风险.     

基于分位点回归和影响因子的动态保证金率

保证金是金融市场上对交易各方履约的基本保证.为了能够在风险可控的范围内设定更为合理的保证金水平,本文结合VaR方法中的GARCH、TGARCH、EGARCH模型,加入影响因子和基于MCMC的分位点回归方法来拟合模型参数,并利用Cornish-Fisher展开式估计分位数Φ-1q,以找到制定保证金水平更为合理的方法,然后采用沪胶指数日线为数据进行了对比和验证.     

VaR模型在中国股票市场风险评估中的应用

本文介绍了VaR模型,利用RiskMetrics方法计算了中国四个主要股票指数的VaR值,并利用失败率检验法进行VaR模型的准确性检验。结果表明,在95%置信水平下,VaR模型在预测未来风险方面是显著有效的。