V aR 之下厚尾分布的最优资产组合的收敛性

主要研究在V aR 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 V aR 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.     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

厚尾分布情形下的信用资产组合风险度量

本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题.用多元t-Copula分布来描述标的资产收益率分布的厚尾性,同时将三步重要抽样技术发展到基多元t-Copula分布的资产组合模型中,拓宽和丰富了信用资产组合风险度量模型.同时,并运用了非线性优化技术中的Levenberg-Marquardt算法来解决重要抽样技术中风险因子期望向量估计.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差,从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合VaR值.     

基于小波分析的多期夏普比率及实证研究

用风险价值代替标准差作为夏普比率中投资组合风险的度量,并应用修正的VaR计算方法解决收益率序列非正态分布时的风险度量问题.进一步地将小波分析引入夏普比率,利用小波函数的尺度变化与不同的投资期限相时应,建立了基于小波分析的多期夏普比率评价模型,并以我国经济背景为依托,选择上证八只封闭式基金进行研究.结果表明,把小波分析引入夏普比率可以解决投资组合业绩的多期评价问题.     

股指期货套利交易的风险度量——基于沪深300股指期货交易数据的实证分析

以Copula理论和VaR方法作为实证分析工具,根据我国股指期货市场的实际交易情况,对套利投资组合的风险进行量化分析。根据我国股指期货市场的实际交易情况,针对套利交易中的期现套利、跨期套利、跨市场套利和跨品种套利这四种基本交易策略展开全面分析,并基于实证得到的投资组合VaR值,衡量了在不同策略下套利投资组合的风险。同时,将其与基于二元正态分布和样本数据得到的VaR值进行比较。这填补了我国在股指期货套利组合风险度量方面的空白,具有重要的理论价值和现实意义,对我国当前的股指期货套利交易的风险管理起到了一定程度的补充和启示作用。     

VaR与CVaR的敏感性凸性及其核估计

风险价值（VaR）和条件风险价值（CVaR）是目前两大主流风险度量工具,如何准确地对它们进行估计是风险管理实践中首要而核心的问题。近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们在核估计的框架内讨论VaR和CVaR估计量的性质;给出投资组合VaR和CVaR对组合头寸的一阶导数向量和二阶导数矩阵的核估计公式,并用它们来讨论组合VaR和CVaR对组合头寸的敏感性和凸性。最后,我们利用中国外汇市场的实际数据做实证分析。     

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.     

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。     

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Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.