极值风险E—VaR及深圳成指实证研究

由于极端事件及政策性调整，中国股市出现了剧烈波动。鉴于当前各种VaR模型在较高置信水平时(≥0．99)会高估或低估VaR值，本文提出把E—VaR作为一种辅助的VaR度量方法．对新兴的中国股票市场进行风险调控与度量。通过POT方法建模与Boostrap模拟参数置信区间检验，深圳成指的实证结果表明，在极端市场条件下，E—VaR是令人满意的。     

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。     

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。     

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。     

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。     

国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型

受全球经济、政治、能源和政策等各方面因素影响,碳资产价格波动剧烈,探寻适合碳市场风险度量的计量方法具有重要的现实意义。论文以EUA和CER市场为研究对象,对比了CAViaR与GARCH-GED模型在不同预测区间、不同置信水平下度量碳市场风险时的表现,发现CAViaR模型在模型拟合和预测方面要优于GARCH-GED模型,但由于CER市场具有更大的不确定性,导致了CAViaR模型在CER市场的预测表现比EUA市场更差,并且在预测1%VaR时,CAViaR模型表现出不稳定性;论文进一步将EVT与CAViaR模型结合来改进碳市场1%VaR的预测效果,发现在处理具有高风险预测区间以及高风险的CER市场,EVT-CAViaR模型的预测表现都更加稳健,说明该方法能够一定程度上提升碳市场风险的预测精度。     

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.     

基于SWARCH的VaR及压力测试值的一致性估计

风险值 (VaR) 与压力测试都是衡量金融资产价格波动风险的重要工具.为了考虑市场在不同状态下报酬率分布的结构性变化,引入波动性状态转移的ARCH(SWARCH)模型对波动性进行描述,使 VaR 与压力测试值能够在统一的样本数据和框架下得到一致性的估计.此外,SWARCH模型还同时考虑了金融市场波动性、波动性状态和状态概率的时变性,使 VaR 与压力测试值的估计具有很好的灵活性.以上海股市为样本进行了实证分析,验证了基于SWARCH模型能够得到 VaR 与压力测试值的一致性估计.     

基于“已实现”波动率ARFI模型和CAViaR模型的VaR预测比较研究

高频金融数据在风险价值VaR度量和预测方面的价值已经引起了学术界和业界的广泛兴趣。计算和预测VaR的方法广义上可以分为两大类:间接法和直接法,在有了高频数据后,两类方法均可行,尤其是由于高频数据导出的"已实现"波动率的出现,使得间接法有明显改进。本文将从间接法中选取基于"已实现"波动率的ARFI模型与从直接法中选取的两个CAViaR模型进行比较,采用沪深300、上证指数、深证成指的5分钟高频数据,根据多种在评价VaR预测模型表现时广泛使用的后验测试,对各模型进行实证检验,结果表明基于CAViaR模型的预测表现优于基于"已实现"波动率的ARFI模型,这对风险管理从业者有一定的参考意义。     

基于极值理论的沪深股市风险传染性研究

针对中国股市指数损失具有的典型事实特征,运用ARMA(1,1)-GARCH(1,1) 和ARMA(1,1)-GJR(1,1)构造出标准残差序列,再运用EVT对其极值尾部建模并结合随机波动过程估计动态极值风险VaR,然后对股市极值风险序列进行Granger因果检验,以判定风险传染性效应.结果表明,沪深股市动态极值VaR序列存在双向传染性效应;动态风险VaR由沪市向深市传染的强度大于反向传染的强度.     

基于时变高阶矩波动模型的 VaR 与 ES 度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程． 文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究: 首先,以沪深 300 指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用 Gram-Charlier 扩展分布获得对 VaR( value-at-risk) 和 ES( excepted shortfall) 两种不同风险测度的计算值; 然后,分别利用非条件覆盖检验( unconditional coverage test) 和基于自举法( Bootstrap) 的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度．研究结果表明: 就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型．     

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。     

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。     

金融市场典型事实下的风险价值计算及其检验

金融市场典型事实(Stylized facls)的不断涌现,至少表明了有效市场假说并非实际市场波动机制的完美表述.因此,建立在有效市场理论基础之上的主流市场风险(Market risk)测度技术也就无法准确刻画实际市场的波动和风险状况.本文首先提出了对市场风险测度最具价值的三类典型事实,并以上证综指和若干世界主要股市指数为例,探讨了典型事实波动特征下的风险价值(VaR)计算方法,并通过对不同模型假定下所计算的VaR进行规范的后验分析(Backtesting),实证对比了不同波动模型的适用范围和精确程度.     

双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析

GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上,基于上证综合指数和深圳成份指数的日收盘价序列,从证券投资风险量化的角度,引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标,比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示:偏t分布能较好描述沪深股市的厚尾特征;在较小的VaR水平下ARFIMA(2,d₁,0)-FIAPARCH(1,d₂,1)-skt模型对股市波动风险具有较强的预测能力,而ARFIMA(2,d₁,0)-HYGARCH(1,d₂,1)-skt对股市的涨跌趋势具有较强的预测能力。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.     

中国大陆及周边股市动态ES风险传导关系效应研究

探索金融市场极端风险传导机理一直是政府管理当局、投资者关注的焦点。本文针对股市中存在的典型事实及股市损失分布复杂性特点,运用ARMA-GJR对股市指数条件损失进行建模分析,进而运用EVT对标准残差的极值尾部建模估计出股市极端风险ES,然后运用Granger-Causality检验技术,分别考察两个市场间极端风险ES的传导关系。实证结果表明:在整个样本期间,中国大陆沪深股市极端风险具有双向传导关系,香港市场向深市传导风险,而深市不能向香港传导风险,东京市场与香港市场、香港与台湾市场具有双向传导关系;而在熊市期间,中国大陆与周边市场极端风险ES传导关系变得更为复杂。     

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.     

中国股市总流动性与资产定价关系实证研究

我们建立了一个包含市场风险和两种流动性风险的三因素资产定价模型,研究中国股市总的市场流动性风险是否在资产定价中得到了反映,其中流动性风险包括用协方差度量的市场收益对总流动性的敏感性风险和用方差度量的总流动性的波动性风险。研究结果表明,中国股市不仅存在显著的市场风险溢价,而且存在显著的流动性风险溢价,而流动性风险中市场收益对总流动性的敏感性风险对资产定价的影响更为显著。     

基于时变高阶矩波动模型的VaR与ES度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程.文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究:首先,以沪深300指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用Gram-Charlier扩展分布获得对VaR(value-at-risk)和ES(excepted shortfall)两种不同风险测度的计算值;然后,分别利用非条件覆盖检验(unconditional coverage test)和基于自举法(Bootstrap)的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度.研究结果表明:就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型.