基于Copula的我国台湾和韩国股票市场相关性研究

以广义帕累托分布为边缘分布函数,引入de Haan矩估计和Bootstrap抽样方法定量选取阈值,进而运用三种Copula簇方法研究了我国台湾和韩国股票市场之间的相关关系,然后比较了单参数与双参数Copula的拟合效果,测算了两市场遭遇极端市场风险的条件概率,探讨了双参数Archimedean Copula函数在构建联合分布中的应用。研究结果表明:BB7 Copula较好地刻画了两市场尾部相关的非线性、非对称特征,且相关结构拟合度较好,表明两市场在低迷时期的相关性明显高于其活跃时期的相关性,但通过对两市场构建组合难以有效降低风险。同时回测检验显示Copula-GPD模型能有效测度两市场组合的极值风险。另外,当韩国指数日波幅出现下降超过7%时,台湾加权指数也出现同样日波幅下跌的概率为5.72%。     

基于非参数方法的银行操作风险度量

金融业全球化竞争和金融管制放松,导致商业银行面临的操作风险不断增加,操作风险已成为金融监管的焦点.因此,对商业银行和其它金融机构来说,可靠的操作风险度量正变得越来越重要.文章采用基于厚尾分布的非参数方法度量我国商业银行操作风险,给出了VaR的点估计方法和3种区间估计方法(正态近似法NA,经验似然法EL,数据倾斜法DT).此方法的优点在于不用假设操作风险损失分布,这样可以消除参数化模型设定差异而带来的估计偏差.同时,根据厚尾分布的特征,提出了新的厚尾分布样本均值求法,调整后均值更注重对尾部的描述和刻画.实证结果表明:调整后的厚尾分布样本均值大于简单算术平均值,更符合右偏厚尾的分布特征;非参数方法得到的VaR点估计和区间估计考虑了厚尾的因素,解决了传统VaR低估风险的问题,更接近真实情况;VaR 3种区间估计的方法能够提升对风险衡量的准确性,其中DT方法所得到的区间估计最为准确.     

动态金融高阶矩建模:基于Generalized-t分布和Gram-Charlier展开分布的比较研究

动态时变高阶矩是金融收益率的一个重要特征。本文对比研究了主流的Generalized-t分布(GT)和Gram Charlier Expansion分布(GCE)在GJRGARCH模型下对动态高阶矩的拟合能力和Value-at-Risk的预测能力。基于2005-2014美国标普500股指和中国沪深300股指日收益率的实证结果显示,收益率的条件高阶矩存在显著的时变性和持续性,其中偏度参数的持续性参数达到0.9以上。从各种统计指标综合来看,这两种方法都具有较好的实证表现。尽管GCE分布具有某些高阶矩建模的便利性,GT分布的实证拟合能力更强,对极端概率Value-at-Risk的样本外预测也更加准确。     

极值BMM与POT模型对沪深股市极端风险的比较研究

基于VaR理论正态性假设导致的尾部风险低估问题,本文研究了极值理论BMM与POT模型,并对沪深股市极端风险进行了实证分析。研究结果表明,涨停限制抑制了沪深股市极端风险数据的异质性,致使厚尾分布线向内收敛,在较高置信水平下POT模型最为有效,两个指标VaRPOT、CVaRPOT均真实地反映了极端风险;在较低置信水平下正态VaR模型反而存在高估的假象,BMM模型则存在低估的问题,此时POT模型仍是最有效模型,但CVaRPOT替代VaRPOT成为描述极端风险及其性质的有效指标。     

基于极值理论生鲜乳市场风险评估研究

本文采用极值理论(EVT),对中国生鲜乳市场进行尾部数据拟合,通过超越阀值模型(POT)选取阀值,并在广义帕累托分布(GPD)模型下计算中国生鲜乳市场价格风险(Va R)。结果显示,生鲜乳市场价格波动剧烈。同时,预测生鲜乳价格市场十年一遇、百年一遇情况下生鲜乳价格最大波动幅度或称风险价值。     

高维时变协高阶矩建模及其投资组合应用——基于半参数分布因子模型

本研究提出了一种基于半参数分布时变因子模型的动态协高阶矩建模方法，给出了模型设定、模型估计和时变高阶矩的检验.通过因子模型有效缓解了动态协高阶矩估计存在的“维数灾难”问题，同时通过引入半参数分布增加了模型的稳健性.实证研究表明：相比于现有协高阶矩估计方法，基于因子模型的动态建模能够有效捕捉资产收益率协高阶矩的时变结构，同时更加契合金融资产收益率的潜在特征；动态投资组合能够应用于高维场景，并产生更高且更稳定的经济价值，稳健性分析进一步证实了这一点.     

基于极值理论的风险价值度量

精确度量风险价值(Value-at-Risk,VaR)和以及由此衍生的Expected Shortfall (ES)是对风险管理者的挑战.广泛应用的正态分布不足以描述金融收益的厚尾特征,尤其是风险管理者最为关心的99%或95%分位数.极值理论可以准确地描述分布尾部的分位数.本文利用极值理论计算VaR和ES,并给出它们的误差分析,然后利用深成指数据进行返回检验.两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和ES.     

VaR之下厚尾分布的最优资产组合的收敛性

主要研究在VaR风险度量之下,收益具有厚尾性质的资产的投资组合问题.证明了基于尾部分布二阶展开的最优投资组合收敛于基于尾部分布一阶展开的最优投资组合.因此,对于VaR风险度量之下的最优投资组合问题,如果要求的风险承受水平充分低,则只需要利用尾部分布的一阶展开代替厚尾部分布进行近似计算,就可以达到满意的精度,从而不需要进行复杂的高阶运算.     

度量银行操作风险的POT幂律模型及其应用

本文在极值理论的POT模型基础上,建立了基于分维的POT幂律模型,给出了POT模型的阈值选择的理论解释,还给出了满足尾部分布适合幂律的条件.分析表明,此模型较已有方法能更方便地估计尾部参数,对小样本情形研究厚尾问题提供了新的思路.此外,为计算操作风险损失和的在险价值(VaR)问题,本文引入保险理论里的随机和模型,并给出了计算操作风险在险值的简化公式.     

基于SV-SGED模型的动态VaR测度研究

本文针对金融资产收益展现出“有偏”及“厚尾”分布特征,引入有偏广义误差分布（SGED）来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值（VaR）,进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样（EIS）技巧的极大似然（ML）估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV（SV-N）和广义误差分布假定下的SV（SV-GED）模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。