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。     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

基于ARIMA-GARCH模型和极值理论的中国股市风险价值度量

以极值理论为基础的风险值度量方法是最近发展起来的最为有效的方法之一,但在传统的单纯采用极值理论的建模过程中对误差项假定为独立同分布的白噪声过程,会对应用极值理论估算风险价值产生一定误差。本文以上证指数和深证成指为例,利用ARIMA-GARCH模型捕获股票收益序列中的自相关和异方差现象,对该模型中残差的条件分布的合理假定进行了实证分析比较,然后利用极值理论对经过ARIMA-GARCH模型筛选过的残差进行极值分析,估算风险价值。     

基于ARIMA—GARCH模型和极值理论的中国股市

以极值理论为基础的风险值度量方法是最近发展起采的最为有效的方法之一,但在传统的单纯采用极值理论的建模过程中对误差项假定为独立同分布的白噪声过程,会对应用极值理论估算风险价值产生一定误差。本文以上证指数和深证成指为例．利用ARIMA—GARCH模型捕获股票收益序列中的自相关和异方差现象,对该模型中残差的条件分布的合理假定进行了实证分析比较．然后利用极值理论对经过ARIMA—GARCH模型筛选过的残差进行极值分析,估算风险价值。     

基于多元GARCH与极值理论的资产组合风险测度研究

在运用多元GARCH模型对资产组合损失的协方差矩阵进行建模的基础上,估计出组合的标准残差序列;然后,运用EVT对标准残差的极值尾部建模并估计出分位数,进而测度资产组合的动态极值风险;最后,再运用返回测试方法对模型准确性进行检验.研究结果表明,运用多元GARCH模型能够有效捕获多元资产损失的时变相关性特征;资产组合条件损失的标准残差极值尾部服从GPD;结合多元GARCH模型与EVT的风险模型能够测度所构造的多元资产组合的动态风险.     

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.     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

行为金融:认知风险与认知期望收益

在行为金融的框架下,本文建立了含有过度自信心理的认知风险度量模型和含有过度自信心理的认知期望收益模型,研究了认知风险与认知期望收益的相互关系,研究结果表明:认知风险与认知期望收益的相互关系与标准金融理论中风险与收益的正相关关系相反,认知风险与认知期望收益呈现负相关关系。本文的研究结果对Shefrin(2001)通过金融实验得出的认知风险与认知期望收益为负相关关系的结论,给出了一种有效的理论解释。     

基于一般失望模型的证券组合投资分析

基于Jia&Dyer(2001)[7]的一般失望模型,给出了一种新的非对称风险度量方法,它利用"上偏矩(upper partial mement)"来修正下方风险,不仅只考虑收益低于期望收益率时所带来的损失,而且利用了超过期望收益率时可能带来可观利润的收益.进一步给出了基于该非对称风险度量的组合投资计算方法,并通过上海证券市场的实际数据验证了该方法的有效性和实用性.     

基于非参数与L-Moment估计的股市动态极值ES风险测度研究

通过运用带宽非参数方法、AR-GARCH模型对时间序列的条件均值、条件波动性进行建模估计出标准残差序列,再运用L-Moment与MLE(maximum Likelihood estimation)估计标准残差的尾部的GPD参数,进而运用实验方法测度出风险VaR(value at Risk)及ES(ExpectedShortfall),最后运用Back-Testing方法检验测度准确性。结果表明,基于带宽的非参数估计模型比GARCH簇模型在测度ES上具有更高的可靠性;基于非参数模型与L-Moment的风险测度模型能够有效测度沪深股市的动态VaR与ES。     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

非奇次空间动态极值估计的模型与应用

传统EVT方法是从静态的角度,研究超额数据的性质。然而,它没有同时考虑极端数据发生的时间所隐含的充分信息。本文首次在国内提出了非奇次空间动态极值理论(ITD-EVT)的概念,克服了EVT的上述缺陷,在极端数据的基础上考虑了时间因素,并引入多个解释变量,使极值分布的是三个参数为时变的,用二维泊松分布过程建立动态空间模型,是文中一大特色。把TD-EVT运用于极端情况下风险值的估计中,对金融风险管理、资产定价等问题有较大的理论和现实意义。     

非对称Laplace分布下的均值-VaR模型

非对称Laplace分布可以描述分布的尖峰厚尾和有偏特征,被许多学者用来拟合金融资产的历史收益率数据,进而测算金融资产的尾部风险,然而非对称Laplace分布下的投资组合研究尚不成熟。因此本文在非对称Laplace分布设定下给出VaR的解析表达式,并建立均值-VaR模型研究投资组合选择问题。在理论上我们证明该模型是凸优化问题,可以转化为二次规划问题进行求解,从而可得到模型全局最优的解析解。进一步地,我们分别得到存在无风险资产和不存在无风险资产时投资组合前沿的解析式。最后基于上证50指数及其成份股的历史数据进行实证分析,研究结果表明本文构建的模型在实践中的投资表现良好。     

基于幂风险谱和蒙特卡洛模拟的贷款优化配置模型

极端风险对于银行资产配置至关重要，尤其是次贷危机之后尾部风险以惨重的代价引起了金融机构的重视，传统条件风险价值CVaR、风险价值VaR不能有效度量尾部极端风险，因此本文基于幂风险谱和蒙特卡洛模拟构建了贷款组合优化配置模型，同时控制尾部极端风险和信用风险。本文一是通过损失-X_i越大、其风险权重φ_i也就越大的思路，构建幂风险谱PSR （Power Spectral Risk）最小的目标函数对极端风险进行控制，即弥补了CVaR同等看待尾部风险、忽略风险较大的损失应予以更大权重的不足，也同时弥补了VaR仅提供某一置信水平下资产损失的最大值、无法反映一旦超过这一数值的可能损失的弊端。二是通过蒙特卡洛模拟信用等级迁移引起贷款收益的变化情景，并以信用等级迁移后贷款组合损失越大、则风险厌恶权重越大的思路构建幂风险谱PSR最小为目标函数，以贷款组合的收益大于目标收益为约束，构建贷款优化配置模型，改变了现有研究贷款配置时没有同时控制信用风险和尾部风险的不足。对比分析结果表明：本文模型能够实现更高的收益风险比，即在单位幂风险谱PSR下能够实现较高的收益。     

尾风险度量与定价能力分析

经典资本资产定价模型假设资产收益服从正态分布或者投资者效用函数是二次型，然而实际中资产收益的分布呈现尖峰厚尾特征，因而无法在均值-方差框架下分析风险与收益的关系。与资产收益正常变化相比，极端变化带来的尾风险会对市场风险和投资者的决策行为产生更为显著的影响，因此研究尾风险的度量方法和定价能力具有一定理论和实践意义。 依据极值理论，基于Fama-French的3因子模型无法解释的收益残差构建尾风险度量模型。选取中国股票市场沪深A股作为研究对象，以历史滑动窗估计尾风险，投资组合分析和横截面回归分析的结果都表明尾风险可以稳定地负向预测股票收益，在控制规模、交易量、非流动性、短期反转、中期动量、特质波动率、特质偏度等股票特征后，尾风险的负向预测能力依然显著。引入融资融券交易，发现融资融券标的股票的尾风险显著低于非融资融券标的股票的尾风险，而且可以消除尾风险的负向溢价，因而中国资本市场尚未完全开放融资融券交易机制可能是产生尾风险负向溢价的主要原因。 通过买多-卖空组合构建尾风险定价因子，发现尾风险因子比投资因子和盈利因子有更高的风险价格，而且并不是相对于Fama-French的5因子的冗余因子。与Fama-French的3因子模型和5因子模型相比，Fama-French的3因子或5因子基础上包含尾风险因子的定价模型对股票横截面收益有更好的解释能力，因而有更高的定价效率。 2008年全球金融危机爆发后，对尾风险定价能力的忽略使已有资产定价模型受到广泛批评。因此，探究尾风险的度量方法以及分析尾风险的定价能力，不仅有助于完善和拓展资产定价理论，而且有助于降低投资者对股票价格的认知偏差，提升市场资源配置效率和维护市场稳定性。     

基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究

本文引入FIAPARCH模型刻画金融价格条件波动率特征,引入有偏学生t分布捕获收益率有偏特征,并以此来测度金融市场动态风险VaR;进而运用返回测试和动态分位数回归方法对风险测度模型准确性进行实证检验.结果表明,RiskMetrics和GARCH-N测度金融市场的风险的可靠性差;有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征,具有更高的风险测度能力;FIAPARCH-SKST展示出比其它模型具有绝对优越的风险测度效果.     

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。     

Applying the Partitioned Multiobjective Risk Method (PMRM) to Portfolio Selection

The analysis of risk-return tradeoffs and their practical applications to portfolio analysis paved the way for Modern Portfolio Theory (MPT), which won Harry Markowitz a 1992 Nobel Prize in Economics. A typical approach in measuring a portfolio's expected return is based on the historical returns of the assets included in a portfolio. On the other hand, portfolio risk is usually measured using volatility, which is derived from the historical variance-covariance relationships among the portfolio assets. This article focuses on assessing portfolio risk, with emphasis on extreme risks. To date, volatility is a major measure of risk owing to its simplicity and validity for relatively small asset price fluctuations. Volatility is a justified measure for stable market performance, but it is weak in addressing portfolio risk under aberrant market fluctuations. Extreme market crashes such as that on October 19, 1987 ("Black Monday") and catastrophic events such as the terrorist attack of September 11, 2001 that led to a four-day suspension of trading on the New York Stock Exchange (NYSE) are a few examples where measuring risk via volatility can lead to inaccurate predictions. Thus, there is a need for a more robust metric of risk. By invoking the principles of the extreme-risk-analysis method through the partitioned multiobjective risk method (PMRM), this article contributes to the modeling of extreme risks in portfolio performance. A measure of an extreme portfolio risk, denoted by f(4), is defined as the conditional expectation for a lower-tail region of the distribution of the possible portfolio returns. This article presents a multiobjective problem formulation consisting of optimizing expected return and f(4), whose solution is determined using Evolver-a software that implements a genetic algorithm. Under business-as-usual market scenarios, the results of the proposed PMRM portfolio selection model are found to be compatible with those of the volatility-based model. However, under extremely unfavorable market conditions, results indicate that f(4) can be a more valid measure of risk than volatility.     

股票市场的极值风险测度及后验分析研究

通过对上证综指和世界股市若干重要指数的实证研究发现,无论是在成熟资本市场还是新兴资本市场当中,极值理论(EVT)及其工具都能更加准确地刻画实际市场的极端波动和风险状况.详细说明了不同收益分布假定下风险价值(VaR)的计算方法及其后验分析(Back-testing)过程,证明了与非条件和条件正态分布以及条件t分布等主流金融理论的收益分布假定相比,条件EVT分布在测度极端市场风险时所表现出的优越性,同时说明了在不同概率水平下各种收益分布假定的精确度和适用范围.     

混合椭球分布下证券组合的尾部条件方差

由于风险价值、条件风险价值等下方风险度量没有考虑尾部数据的变异性,因此在刻画极端金融风险方面存在一定的缺陷。为了更好地控制尾部极端损失的发生概率,我们选择用尾部条件方差来刻画这种极端风险,即超过风险价值的那部分损失的方差。考虑到混合椭球分布在金融数据建模中的重要性,本文在这类分布下研究了证券组合的尾部条件方差,得到了证券组合尾部条件方差风险的精确表达式,为了验证本文的结果,我们也进行了一些数值计算及在最优投资组合方面的应用研究。