基于SV模型的VaR Monte Carlo模拟

文章以上证综合指数为研究对象讨论了Monte Carlo模拟法计算VaR,分别利用SV-VaR模型和Monte Carlo-SV-VaR模型计算VaR值,并比较了这2个模型的精确度,从而为上证综合指数的风险度量提供一个参照。     

Monte-Carlo模拟在VaR与CVaR中的应用

建立边缘分布为t-EGARcH分布连接函数为多元正态Copula函数的概率分布模型，利用MonteCarlo模拟估计金融变量资产和组合的VaR与CvaR．     

VaR模型的计算方法及其评析

常用的风险价值（Valueat Risk，VaR）模型可分为三类：得尔塔-正态法、历史模拟法和蒙特卡罗模拟法，三种模型计算方法各不相同，在反映金融资产的风险情况、对资产收益实际分布的拟合优劣等方面各有千秋。在实践中往往需根据具体的投资组合和管理者的意图选择合适的计算方法。     

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的无卖空投资组合分析及实证研究

简单介绍了投资组合分析技术的发展现状;然后在传统的证券投资组合中加入VaR约束条件,并结合我国股票交易市场不允许卖空的前提,运用树形算法得出确定最大预期损失的证券投资组合;在此基础上提出了对我国股市发展的建议.     

基于DeltaGamma正态模型的VaR计算

对于包含期权等非线性头寸的投资组合来说，其VaR(Vault at Risk)计算，通常是利用二阶或高阶泰勒展开式来近似投资组合在特这时期内相对于市场变量的价值变化，，即所谓的Delta-Gamma模型（简称DGN模型），然后针对这个模型来进行VaR计算。本文所提出的矩匹配方法是解决这一问题的普遍方法。且同时试图用Chi-squared分布来拟合投资组合回报，运用矩匹配估计方法求得Chi-squared分布的相应的未知参数，且得到的VaR值与局部Monte-Carlo模拟进行了比较。     

基于极端损失的投资组合VaR方法

根据g-h分布的统计特性,提出了基于投资组合极端损失的VaR计算方法——g-h VaR法,该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,能够较好地处理组合回报的不对称现象的厚尾现象．证券市场的实证研究表明,该方法优于常用的δ-正态方法．     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

基于机会约束的均值-VaR投资组合模型研究

在证券收益率服从正态分布的前提下,建立了包含无风险证券投资组合的机会约束下的均值-VaR模型,讨论了最优解的存在性和惟一性,并在均值-VaR模型有效边界的基础上引入机会约束,从而得到了最优解均值的解析表达式．     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.