股市风险度量的VaR方法综述

在险价值(Value at Risk,简称VaR)是度量风险的一种普遍工具,越来越多的金融证券机构采用VaR方法测量市场风险。本文对VaR方法的定义和计算方法及VaR方法在股市风险度量上的应用进行了综述,并对VaR的应用提出了意见和看法。     

极端情况下对我国股市风险的实证研究

准确地度量风险是对风险进行有效管理的前提也是投资者做出合理的投资决策的基础,然而在极端事件频繁发生的情况下,传统的VaR计算方法难以准确地度量股市风险,极值理论却可以很好地解决这一问题。本文特别关注了由2007年美国"次贷" 危机所引发的全球金融危机爆发时我国股市的风险度量问题,考虑到全球股市间极端事件的联动效应,利用基于极值理论的POT模型对上证综指日收益率的尾部数据直接建模拟合分布,进而计算出风险值VaR和CVaR,通过比较危机前后的风险值,发现随着金融危机的到来,我国股市的风险有了一定程度的释放。     

VaR方法及其在股市风险分析中的应用初探

本文讨论了度量投资风险的VaR方法的概念和计算方法,在股票价格随机游动的假设下计算了深圳股市在不同置信水平下的风险值,并与实际投资收益做了对比。在算例分析的基础上,对VaR方法在我国股票投资中的应用进行了初步探讨。     

基于VaR的Sharpe指标在基金业绩评价中的应用

针对标准差衡量风险中的缺陷，本文考虑下方风险和收益波动的时变性，对计算Shapre值时的风险测度进行了调整。实证部分，应用传统的Sharpe比率、基于VaR的Sharpe比例和基于条件VaR的条件Sharpe值对中国证券市场上运作满3年的33只封闭式基金在2001—2003年间的业绩进行了检验，分析了基金控制风险和实现收益水平上的差异。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

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。     

投资组合VaR及其分解

本文在简要介绍投资组合VaR的概念及计算方法后对组合VaR进行了具体的分解。在阐述了边际VaR、成分VaR和增量VaR之间相互关系的基础上给出了资产收益率为正态和非正态分布假设下这三种类型VaR的计算方法,从而为资产组合管理者提供了更多有关投资组合市场风险的信息。     

中国股市风险CAViaR建模的稳定性分析

VaR能够方便地度量金融市场的风险水平,已成为众多银行和金融机构监管与防范市场风险的标准工具。VaR模型是否稳定是实际使用者所关注的十分重要的问题。本文介绍了诺贝尔经济学奖得主Engle及合作者Manganelli于1999年最新提出的条件自回归VaR模型（简记CAViaR模型)的理论及实际意义．并采用Chow检验方法重点探讨了中国股市风险CAViaR建模的稳定性问题。通过对上证综合指数与B股指数及深圳成指的实证研究,我们发现．由于中国股市的结构性变化。Engle及Manganelli所力荐的四个参数CAViaR模型用于中国股市风险建模是相当不稳定的．不能很好地适合现实的中国股票市场。忽略中国股市的结构性变化而度量市场风险会低估或高估模型的解释能力。     

基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。     

可违约零息债券风险综合度量Monte Carlo方法

可违约零息债券同时面临着违约风险和市场风险(利率风险)这两类主要风险.相对于传统的不同类风险独立度量方法,也不同于割裂两类风险再进行加总或通过Copula函数关联,本文在信用风险强度定价模型的基础上,同时考虑信用风险、市场风险和两类风险之间的相关关系,建立了计算可违约零息债券综合风险VaR的Monte Carlo方法,得出同一个风险计算期下反映两类风险的损失分布和同一个某置信度的损失分布的分位点,进而能求得风险综合VaR值,这样可在同一个框架下同时捕捉可违约零息债券的两类风险,这里,给出了MonteCarlo模拟方法具体技术细节,包括违约时间和基础状态向量过程的模拟.最后运用本文的风险综合度量模型对短期融资券的综合风险进行计算,得出风险综合VaR值,并与利率风险独立度量VaR值和信用风险独立度量VaR值进行比较分析.     

基于Asymmetric Laplace分布的金融风险度量

金融资产的损益分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些风险特征,给出了市场风险VaR和CVaR度量的AL参数法和AL-MC法。选取上证指数、日经225指数及S&P500指数为研究对象,结合各股市的风险特征,给出了VaR和CVaR度量及其返回检验和准确性评价。结果表明,基于AL分布的风险度量模型具有其合理性和适用性,能很好地度量市场风险。     

基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型--基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。     

基于VaR模型的开放式基金流动性风险研究

本文从流动性的基本定义出发,根据我国证券市场的特征,设计了一个流动性度量指标,并将该指标纳入VaR风险度量体系。并进行了实证研究,分析了基金流动性风险及其实际意义。     

基于CAViaR模型的沪深300股指期货隔夜风险研究

期货隔夜风险的防范历来是投资者关注的热点,本文以沪深300股指期货为研究对象,采用CAViaR模型对普通隔夜风险进行度量,同时还采用新建的CAViaR-EVT模型对极端隔夜风险进行预测,全面地分析了多头VaR和空头VaR在不同分位数的动态变化特征,最后采用Kupiec似然比检验和动态分位数检验对模型进行后测检验。实证结果表明,隔夜收益序列具有右偏、无长期记忆性和尖峰厚尾等典型特征;CAViaR模型对股指期货的普通隔夜风险具有优异的预测能力,其中AS模型的预测效果最好;加入极值理论后,CAViaR-EVT模型同样能很好地刻画极端分位数下隔夜风险的动态演化过程,且其预测结果比EVT和GARCH-EVT模型要更合理。     

AEPD、AST和ALD分布下金融资产收益率典型事实描述与VaR度量

金融资产收益率分布具有"尖峰"、"肥尾"、"有偏"、"非对称"等典型事实,传统的正态分布、t分布、SKST分布无法完全描述这些特征,影响了以收益率分布设定为基础之一的参数法VaR模型度量的效果。近年来,理论界提出了AEPD、AST、ALD等分布来改善对金融资产收益率分布的描述。本文以沪深300指数为例,比较和分析了这些分布对金融资产收益率典型事实特征的描述及其在VaR度量效果上的差异。研究表明并非捕捉金融资产收益率分布典型事实越多的模型测度风险的效果越好:AEPD、 AST、ALD分布能较好地描述金融资产收益率的典型特征,但是在风险度量效果上却只能证明AEPD、AST分布绝对优于正态分布,而与SKST分布相比无明显差异; ALD分布在度量空头VaR时效果甚至比正态分布更差,但在计算低分位水平下的多头VaR值时却明显优于其他分布。     

参数法、半参数法和非参数法计算我国铜期货市场VaR之比较

本文分别采用参数法、半参数法与非参数法来估计铜期货市场的风险值。由于利好与利空信息对期货市场波动性的影响是不对称的．因此本文参数法采用非对称的EGARCH与TGARCH模型来估计铜期货市场的条件vaR．半参数法采用前四阶矩方法．非参数法采用核函数的方法。一般金融市场只考虑下跌风险．而期货市场由于存在做空机制。所以本文亦提出期货市场上涨风险的概念．并分别估计了三种方法下的下跌VaR与上涨VaR。用返回检验对每种方法的有效性进行了评价。实证研究表明：不论是下跌VaR还是上涨VaR．非参数法对数据的拟和要远远优于另外两种方法．具有很强的实际意义。     

基于多元t-分布的外汇期权市场风险非线性VaR度量模型

主要研究当汇率回报呈多元t-分布时,对于外汇期权非线性头寸的VaR(Value at Risk)度量的问题.在推导出多个外汇期权的投资组合的二次近拟的矩母函数表达式基础上,本文使用傅里叶变换、切比雪夫不等式、数值转换计算求出投资组合的VaR的值,并和基于多元正态分布Comish-Fisher模型以及基于Delta-正态模型计算所得的VaR值了进行比较.这种方法克服了厚尾分布的VaR计算的困难.     

条件自回归expectile模型及其在基金业绩评价中的应用

本文研究了日收益率之下开放式基金的业绩评价和检验问题,提出了改进的条件自回归expectile（CARE）模型并应用到基金业绩评价的问题研究中。首先运用非对称最小二乘法（ALS）对动态的CARE模型进行半参数估计,得到样本基金收益率序列的VaR值和ES值。其次,使用计算结果对样本基金的日收益率进行风险调整,得到基于VaR和ES修正的Sharpe比率。最后,在实证研究中,本文使用传统的Sharpe比率、基于VaR和ES的Sharpe比率对我国56只开放式基金在2005-2011年间的业绩进行了实证分析,结论显著证明了CARE模型在极端风险度量上更精确,在基金评价和检验中的应用中是可行的。     

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.     

基于广义谱和MCS检验的VaR模型预测绩效评估

件VaR模型的正确设定检验等价于检验均值化的“撞击序列”是否服从鞅差分序列,然而通常的反馈检验方法只检验了该序列的部分性质。采用对该鞅差分性质进行直接检验的广义谱检验方法,全面考察中国股票市场(香港恒生指数、上证综合指数和台湾加权指数)上各参数、非参数和半参数共22个VaR模型在采用滚动窗口预测机制时的样本外预测绩效。鉴于条件VaR模型正确设定检验无法反映超过某VaR水平的尾部风险信息,为避免极端损失的发生以及增加结果的稳健性,同时采用模型置信集检验方法。研究结果表明,采用通常的反馈检验方法常会得出错误的结论;在1%和5%置信水平,与历史模拟法、极值理论模型、CAViaR模型和CARE模型相比,误差项为t分布的GARCH模型族在金融危机期间具有较好的样本外预测绩效;涨跌停板制度对于选取预测绩效最优的VaR模型具有重要影响。