一种改进的非参数方法对金融价值风险的估计

文章对利用波动率计算价值风险VaR的方法进行了改进,提出了非参数波动率结合非参数条件核密度条件分位数方法来计算VaR,此非参数方法克服了模型误设的问题,不受波动率模型具体形式的限制,不受新息项分布函数的限制,是一种稳健的适应性方法.同时将此方法应用到中小板综指与创业版指进行实证分析,与相应的半参数及参数方法进行比较,发现文中提出的方法在某种程度上比较稳定可靠.     

市场风险资产损失服从Pareto分布的VaR计量

目前VaR模型是测量和管理商业银行市场风险的主流方法.运用VaR的计算原理,利用Pareto分布描述风险资产损失的尖峰厚尾特征,得到市场风险资产VaR计算公式,并且分析了VaR的影响因素,最后利用历史数据进行VaR的实例计算.     

基于Pearson Ⅳ分布的VaR与CVaR估计

基于GARCH模型,用Pearson Ⅳ分布拟合标准残差,给出一种更为精确的VaR和CVaR计算方法.重点研究在Norm-GARCH、t-GARCH与GED-GARCH模型下,用原分布和Pearson Ⅳ分布计算VaR的比较,结果表明,用Pearson Ⅳ分布计算VaR都能得到比原分布更小的失败率,且在三种模型之下用Pearson Ⅳ分布计算VaR结果很接近,都能通过检验,所以选择最简单的Norm-GARCH模型就可以;基于此,研究在Norm-GARCH模型下,用正态分布和Pearson Ⅳ分布计算CVaR,并与VaR进行比较,结果表明,用Pearson Ⅳ分布计算VaR和CVaR的失败率都远远小于由正态分布所得到的失败率,特别在VaR估计失效的交易日里,用Pearson Ⅳ分布得到的CVaR均值与实际损失均值非常接近.因此,Pearson Ⅳ分布能很好地刻画金融数据的特征,相对其他分布而言是一个很好的选择.     

基于重尾分布的商业银行市场风险VaR计量研究

文章运用具有重尾特征的Weibull分布来描述商业银行风险资产的损失率,根据VaR的计算原理,得到了市场风险VaR的明确计算公式.并且对VaR的影响因素进行敏感性分析,找到了VaR与置信水平和风险资产损失率的尾部之闻的关系.最后结合损失率的历史数据,给出了VaR的计算实例.     

同一过程下不同计量模型的比较

文章简单介绍了VaR的含义和计算方法,并且将分住教回归和GARCH模型分别应用于VaR的计算,进行上证综指的实证研究,得到了分住数回归这种没有事先假定分布的半参数估计方法更具有准确性、VaR可以更贴切地反应金融市场的风险水平的结论.     

利用Bootstrap与核密度估计的方法计算VaR

根据历史数据估计收益率的分布来计算VaR是一种常用的方法.然而,过多的历史数据所构成的时间序列可能不独立同分布.文章选择离预测时间较近且相对较少的历史数据,使其通过BDS检验,再对其进行Bootsrap抽样,得到足够的样本,选择适当的核密度分布函数,从而算出VaR.经比较发现,这种方法算出的VaR比传统方法更准确.     

中国股市动态VaR计量模型分析

风险测量是现代金融活动的中心。近年来,新兴的VaR测量方法已成为国际上风险管理的主流方法。文章介绍了利用GARCH模型的VaR计算方法,并比较了基于不同分布假设的4种GARCH模型计算的VaR值,并得出以下结论:证券市场收益率具有强烈的GARCH效应和非正态分布性;基于GARCH-T的VaR估计值在给定的显著性水平下能够有效地度量金融资产的风险。     

基于稳定分布的风险价值(VaR)研究与实证

文章首先对上证指数收益率进行正态分布的拟合优度检验,然后对上证指数收益率进行了稳定分布拟合及稳定分布拟合优度检验.在此基础上,文章研究了基于稳定分布的VaR模型,并在实证研究中同历史模拟法、分析法计算VaR值进行比较,验证了稳定分布分析法的可行性与可靠性.     

基于Copula-GARCH方法的投资组合VaR计算

VaR 方法是金融市场风险测量的主流方法.Copula函数广泛的应用于风险管理、投资组合选择、资产定价等金融领域.文章选取五种代表性的Copula并结合带正态分布和学生t分布的GARCH模型描述金融数据,通过Monte Carlo模拟计算投资组合的VaR,并对各种模型的计算能力做了对比,发现Clayton Copula结合GARCH(1,1)-T的模型对VaR的估计最好.     

基于核密度估计对VaR值计算方法的改进

文章从VaR方法的定义出发,首先对VaR值的两种基本计算方法进行阐述,进而基于核密度估计,提出一种改进的VaR值计算方法.该改进方法将蒙特卡罗模拟法引入到核密度估计规则,并且考虑四分位距来构造核密度估计的窗宽,对股市收益率的变异性以及高峰厚尾现象进行了更好地刻画.实证验证了改进的VaR值计算方法的有效性及优越性.     

基于连接函数的VaR的蒙特卡洛算法

文章分析了已有的VaR计算方法的不足,并利用阿基米德连接函数给出了改进计算VaR的蒙特卡洛算法.     

基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

基于极值理论的静态和动态风险度量模型的比较

文章运用极值理论建立了静态和动态的和风险度量模型.静态模型运用广义帕累托分布拟合收益率序列的尾部分布.动态模型首先运用AR(1)-GARCH(1,1)模型对收益率序列进行拟合,然后用广义帕累托分布对新息分布的尾部建模.采用上证综指和标准普尔500指数的对数收益率为样本,对静态和动态模型进行了比较研究.研究结果表明:对于VaR的度量,在置信水平较低时(如小于99%),静态风险度量模型更准确,在置信水平较高时,动态模型更好;对于ES的度量,动态模型具有通用性和优越性.     

基于Buhlmann信度理论的投资组合VAR度量

随着VaR体系的不断改进,其也被被越来越多的监管机构和金融机构用作风险管理工具.文章将Buhlmann信度理论引入VaR体系中,将Buhlmann信度方法融入VaR历史模拟法中,通过实证分析得到该方法可以较大幅度的减小VaR值的计算误差,优化计算结果.     

基于GARCH模型的上证综合指数VaR计算

文章针对用参数法计算VaR时所存在的局限性,探讨了用GARCH模型计算VaR的新方法.并以我国上证综合指数为例,说明新方法计算VaR的基本思路以及对计算出的每日VaR如何进行事后检验.     

投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定，随着投资组合规模的扩大，其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点，基于ICA的投资组合动态VaR风险度量方法和计算步骤，克服了多元非正态条件下VaR测算上的困难。实证研究表明，与EWMA模型法、MGARCH模型法相比，ICA法能够准确地度量投资组合动态VaR。     

基于Copula理论的金融风险分析

本文介绍了Copula理论和性质以及其在金融风险分析中的一些应用.并实证基于Copula,结合具有不同边际分布模型来计算资产投资组合VaR显著优于基于多元正态分布假设的传统方法.     

样本数据正态性转换时变VaR

虽然摒弃估测VaR值的正态分布假设已成为当今金融学研究的一个重要方面及其热点问题,但利用正态性转换先处理样本数据,然后再利用基于正态分布假定下的VaR估测方法来修正VaR的估值则是精准化VaR计算的一条有效途径。本文试图在考虑收益率分布时变性特征的情况下,利用正态性转换处理样本数据这一思想来细化和改善我国证券市场不同运行阶段的VaR估测。相应的经验分析表明：我国证券市场收益率分布不仅存在时变性特征,而且牛熊市期间的VaR值存在显著的差异。Johnson转换函数之SU型适宜作为样本数据正态性转换函数,经转换样本数据估测的VaR值既提高了VaR估值的准确性,又改善了VaR估测精细化的有效性。     

双曲分布在VaR模型中的应用

传统的计算VaR的RiskMetrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算。本文将双曲分布应用到VaR模型的计算之中。事实上,通过对股票市场的实证研究表明,股票市场数据呈现厚尾现象,用双曲分布对数据的拟合要比RiskMetrics方法假定的正态分布更符合金融数据的实际情况,故本文的结论与方法对金融市场的风险管理是有价值的。     

基于蒙特卡罗模拟的几种VaR模型度量效果比较

文章通过蒙特卡罗模拟产生误差项服从标准正态分布、t分布的GARCH过程敷据,在其基础上利用真实分位数和估计分位敷之间的误差评价了几种VaR模型的度量效果.结果显示,基于这两个过程,误差项服从t分布的GARCH模型优于误差项服从标准正态分布的GAARCH模型,而相对复杂的极值理论略微优于效果最差的历史模拟法:从而实证研究中,由于极值理论的度量效果不一定较好,应该尝试多种VaR模型,从中选择最适合的模型.