基于EVT-POT-SV模型的极值风险度量

金融市场常受各种因素的影响造成剧烈波动,资产收益也会因此产生异常变化。针对金融资产收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法,对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与随机波动模型相结合,建立了基于EVT-POT-SV的动态VaR模型。通过对上证综指收益做实证分析,结果表明：该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面更加合理而有效。     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

基于g-h分布的极值风险度量研究

依据ARMA-GJR模型构造标准残差序列,利用EVT模型拟合标准残差序列的尾部特征,进而确定样本阀值,最后结合g-h分布建立一种新的金融风险度量模型———基于ARMA-GJR-EVT-g-h的动态VaR模型。用该模型对上证综指进行实证分析,结果表明,该模型能够更合理有效地管理上证综指收益的风险,并且在高的置信水平上表现更好。     

基于广义双曲线SV模型的极值风险度量研究

在金融风险的度量中,拟合分布的选取直接影响到风险度量的精度问题。针对金融收益序列的动态变化,在SV模型中引入广义双曲线学生偏t分布(SV-GHSKt)拟合金融收益序列的尖峰厚尾、不对称以及杠杆效应等特征,通过马尔科夫蒙特卡洛模拟的方法将收益率序列转化为标准残差序列,然后用极值理论的POT模型拟合标准残差序列尾部分布,进而建立一种新的金融风险度量模型———基于SV-GHSKt-POT的动态VaR模型。用该模型对上证综合指数做实证研究,结果表明,SV-GHSKt-POT的动态VaR模型能很好地模拟金融收益序列的尖峰厚尾性、波动集聚性及杠杆效应,并且能够合理有效地提高风险测度的精度,尤其在高的置信水平下表现更好。     

中国股票市场收益与波动的长期记忆性研究

文章对我国股票市场的长期记忆特征进行了系统研究:选择上证综指和深证成指日收益序列为研究对象,采用计量经济学方法,考察中国股票市场日收益序列和日收益波动序列的长期记忆特征,建立既能描述收益长记忆又能刻画波动长记忆特征的ARFIMA-FIGARCH模型,并与其它短记忆模型进行对比,分析得出相应结论.然后针对目前我国股票市场存在的诸多问题,提出一些规范和完善股票市场、提高市场有效性的建议.     

基于极值理论的商业银行同业拆借利率风险度量

文章首次将极值理论(EVT)和GJR模型相结合,对商业银行同业拆借利率风险度量问题进行了研究。首先,利用GJR模型捕获同业拆借利率数据中的序列自相关和异方差现象;接着,在获得近似独立同分布的残差序列的基础上,采用传统的极值理论对经过GJR模型筛选处理过的残差进行极值分析,并计算相应的风险价值;最后,利用LR方法进行回验测试,对模型的有效性进行检验。对2006年1月4日至2008年12月29日的同业拆借市场七天回购利率的实证研究表明,上述模型非常有效,适合用于我国商业银行的同业拆借利率风险度量。     

基于GARCH族模型的分级基金波动性分析

文章选取中证稳健股票、进取股票和进取债基三大分级基金指数系列的日收益率序列作为研究样本,运用GARCH族模型研究不同类型分级基金收益波动特征.根据AIC准则确定各指数收益率的残差分布与最佳ARIMA-GARCH族模型,并在此基础上,用GARCH-M模型研究波动与收益的关系,用TGARCH模型与EGARCH模型研究波动的非对称性.结果表明:分级基金指数收益率均具有明显的波动聚集性,市场存在强烈冲击,稳健股基具有显著的反向杠杆效应,稳健股基与进取债基有正的风险溢价.     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

Bootstrap方法和SV模型在风险测度中的应用

文章用SV-GED模型刻画收益率序列的尖峰厚尾、波动集聚以及异方差等特征,在得到标准残差序列的基础上,与Bootstrap方法结合构建一个基于参数---非参数估计的新的风险度量模型——基于Boot-strap-SV-GED模型的风险度量模型,最后对模型的有效性进行了分析.研究表明:Bootstrap-SV-GED模型能很好的刻画收益率序列的特征,并且能在一定程度上提高金融风险测量的精度.     

中国股票市场有效性实证研究

本文使用AR-GARCH-M模型,通过考察股票价格波动是否具有可预测性来检验市场的弱式有效性. 一、模型设定 对市场有效性的早期研究都假设股票收益的方差在不同时期保持不变,但是大量的实证研究表明这一假设不甚合理,不能客观地对金融市场随时间变化的特性进行准确的描述.金融时间序列的一个显著特点是条件异方差性.Engle(1982)提出自回归条件异方差(ARCH)模型,Bollerslev(1986)将其推广到广义ARCH模型(GARCH).这些模型假定收益的误差项服从条件期望为零,条件方差为以前若干期收益误差平方和的条件正态分布,其性质与金融市场的波动聚集性(Cluster)、收益序列的尖峰、厚尾以及非线性等特征相吻合.因此,为了研究中国股票市场的弱式有效性问题,我们用GARCH(1,1)类模型来模拟股市收益率,用模型残差项的条件方差描述股市的波动性.     

基于马尔可夫转换模型的违约风险溢价预测研究

针对违约风险溢价变化依赖于经济波动状态以及市场、宏观经济变量依赖于经济周期时变因素的阶段,基于马尔可夫转换阶段的具体特征,构建马尔可夫违约风险溢价预测转换模型,并以香港恒生指数信用违约互换波动为例,测算因时变系数波动的指数息差、宏观经济变量等概率,通过实证算例剖析股市、宏观经济变量与违约风险溢价之间的内在联动关系和信用违约风险溢价变化的转换机制,以期实现对违约风险溢价能够进行有效预测,实证仿真结果说明了模型的有效性。     

基于马尔可夫域变模型的上海股市收益率非线性特征分析

针对股市收益率在不同时期内具有不同的均值、波动性和持续性等非线性特征，引入马尔可夫域变模型（MRSM）对上海股市收益率的均值与波动性的对应关系以及高、低收益率状态转换特征进行分析，结果表明马尔可夫域变模型与GARCH类模型相比较，显著地提高了对股票市场行为的描述能力。它不仅可以从动态角度明确刻画金融市场的“收益与风险”相对称的特征，而且可测定不同状态持续的可能性和由一种状态转向另一种状态的概率。     

Extremes of Markov chains with tail switching potential

Summary.  A recent advance in the utility of extreme value techniques has been the characteri- zation of the extremal behaviour of Markov chains. This has enabled the application of extreme value models to series whose temporal dependence is Markovian, subject to a limitation that prevents switching between extremely high and extremely low levels. For many applications this is sufficient, but for others, most notably in the field of finance, it is common to find series in which successive values switch between high and low levels. We term such series Markov chains with tail switching potential, and the scope of this paper is to generalize the previous theory to enable the characterization of the extremal properties of series displaying this type of behaviour. In addition to theoretical developments, a modelling procedure is proposed. A simulation study is made to assess the utility of the model in inferring the extremal dependence structure of autoregressive conditional heteroscedastic processes, which fall within the tail switching Markov family, and generalized autoregressive conditional heteroscedastic processes which do not, being non-Markov in general. Finally, the procedure is applied to model extremal aspects of a financial index extracted from the New York Stock Exchange compendium.     

中国系统性金融风险对宏观经济的影响研究

基于2007年1月至2017年12月月度数据，本文首先选取金融机构极值风险、金融体系间的传染效应、金融市场的波动性和不稳定性、流动性和信用风险4个层面的14个代表性指标测度了系统性金融风险；然后运用分位数回归度量了单个系统性风险指标对宏观经济的影响；最后运用偏最小二乘分位数回归法构建一个系统性金融风险综合指标进一步实证分析系统性金融风险对宏观经济的影响。研究结果表明：①单个系统性金融风险指数中机构极值风险类别下的指标对宏观经济的影响最大，其中金融体系巨灾风险指数影响效果最显著；②运用偏最小二乘分位数回归构造的系统性金融风险综合指标较之单个系统性金融风险指标，能够更稳健地反映系统性金融风险对宏观经济的影响状况；③从测度效果来看，单个系统性风险指标和系统性金融风险综合指标在下尾分布（0.2分位数）的结果明显优于中间分布（0.5分位数）和上尾分布（0.8分位数）。     

A New Approach to Volatility Modeling: The Factorial Hidden Markov Volatility Model

A new process—the factorial hidden Markov volatility (FHMV) model—is proposed to model financial returns or realized variances. Its dynamics are driven by a latent volatility process specified as a product of three components: a Markov chain controlling volatility persistence, an independent discrete process capable of generating jumps in the volatility, and a predictable (data-driven) process capturing the leverage effect. An economic interpretation is attached to each one of these components. Moreover, the Markov chain and jump components allow volatility to switch abruptly between thousands of states, and the transition matrix of the model is structured to generate a high degree of volatility persistence. An empirical study on six financial time series shows that the FHMV process compares favorably to state-of-the-art volatility models in terms of in-sample fit and out-of-sample forecasting performance over time horizons ranging from 1 to 100 days. Supplementary materials for this article are available online.     

ASSESSING AND TESTING FOR THRESHOLD NONLINEARITY IN STOCK RETURNS

This paper proposes a test for threshold nonlinearity in a time series with generalized autore‐gressive conditional heteroscedasticity (GARCH) volatility dynamics. This test is used to examine whether financial returns on market indices exhibit asymmetric mean and volatility around a threshold value, using a double‐threshold GARCH model. The test adopts the reversible‐jump Markov chain Monte Carlo idea of Green, proposed in 1995, to calculate the posterior probabilities for a conventional GARCH model and a double‐threshold GARCH model. Posterior evidence favouring the threshold GARCH model indicates threshold nonlinearity with asymmetric behaviour of the mean and volatility. Simulation experiments demonstrate that the test works very well in distinguishing between the conventional GARCH and the double‐threshold GARCH models. In an application to eight international financial market indices, including the G‐7 countries, clear evidence supporting the hypothesis of threshold nonlinearity is discovered, simultaneously indicating an uneven mean‐reverting pattern and volatility asymmetry around a threshold return value.     

Extreme quantile estimation based on financial time series

Estimation of market risk is an important problem in finance. Two well-known risk measures, viz., value at risk and median shortfall, turn out to be extreme quantiles of the marginal distribution of asset return. Time series on asset returns are known to exhibit certain stylized facts, such as heavy tails, skewness, volatility clustering, etc. Therefore, estimation of extreme quantiles in the presence of such features in the data seems to be of natural interest. It is difficult to capture most of these stylized facts using one specific time series model. This motivates nonparametric and extreme value theory-based estimation of extreme quantiles that do not require exact specification of the asset return model. We review these quantile estimators and compare their known properties. Their finite sample performance are compared using Monte Carlo simulation. We propose a new estimator that exhibits encouraging finite sample performance while estimating extreme quantile in the right tail region.