基于重尾分布的商业银行市场风险VaR计量研究

文章运用具有重尾特征的Weibull分布来描述商业银行风险资产的损失率,根据VaR的计算原理,得到了市场风险VaR的明确计算公式.并且对VaR的影响因素进行敏感性分析,找到了VaR与置信水平和风险资产损失率的尾部之闻的关系.最后结合损失率的历史数据,给出了VaR的计算实例.     

VaR的不同计算方法的研究

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标。文章研究了VaR的各种计算方法,并利用实际数据对单个资产和投资组合的VaR值作了比较,说明了各种方法的优缺点和适用范围。     

VaR方法在我国银行风险管理中的应用

VaR方法是目前国际上金融风险管理的主流方法之一,它利用数学工具计算金融市场的风险,可以有效规避市场风险,在金融领域中有着广泛应用.把VaR法引入我国的银行风险管理领域,对于我国的金融市场建设有着重大的现实意义.     

运用改进的粒度调节方法估计信用组合风险

文章在建立了信用风险单因素模型后,将信用风险用系统风险和特质风险之和表示.在计算特质风险时,当信用组合内资产规模较小时,Gonty提出的粒度调节方法将会低估组合VaR,而高估一致性风险量度——预期短缺ES.文章利用Taylor展开式改进的粒度调节方法,提高组合内资产规模较小时估计ES的准确性,模拟结果显示改进方法的有效性.     

基于VaR风险控制的半log-最优资产组合模型

通过建立基于VaR风险控制下的单周期半log-最优资产组合数学模型,证明了最优解的存在性与唯一性。利用遗传算法对半log-最优资产组合模型进行了实例计算与分析,并与log-最优资产组合模型进行了比较,结果表明半log-最优资产组合模型具有计算方便的特征。     

基于Factor-GARCH模型的动态VaR与CVaR度量及实证研究

动态CVaR作为投资组合的风险度量工具较动态VaR有很多优点,但同动态VaR的计算一样,随着投资组合资产数量的增加,计算难度迅速增大。通过改良Factor-GARCH模型,将其用于多种资产时变方差-协方差矩阵的估计,实现了降维的目的,克服了计算多元动态CVaR时的困难。实证研究表明,与动态VaR相比,动态CVaR作为一种更保守的风险度量工具,能准确反映投资组合的可能损失。     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

基于Copula的资产组合风险价值模拟方法

文章以VaR或CVaR作为度量风险的指标,建立了一种基于Copula函数的资产组合风险价值模拟方法,并对该方法的参数估计和计算过程进行了详细分析.     

VaR理论在证券风险评价上的应用

本文分析了目前测量市场风险的主流模型-VaR,用现金流映射法模拟运算了一笔政府债券的VaR值,用参数法计算了一些股票的VaR值和外汇的VaR值.     

VaR方法在我国证券市场中的应用

一、VaR方法的基本原理 VaR(Value at Risk)按字面上理解是"按风险估价",VaR方法的创始人P.Jorion的定义为:"VaR是给定的置信水平和目标时段下预期的最大损失",通俗地说,VaR是一个统计数值,指一家机构面临正常的市场波动时,资产组合在未来某段时间内可能受到的最大损失,即损失超过VaR值的概率为一个很小的值.