金融机构信用风险度量模型的发展与比较

信用风险是金融机构面临的诸多风险中最重要的风险之一,如何量化和控制信用风险一直是金融研究的热点问题.文章对金融机构信用风险度量模型的发展进行了概括,在对传统、现代两类信用风险度量模型的构建理论进行比较研究的基础上,分析了它们各自的特征和适用性,并讨论了信用风险度量模型在我国金融机构信用风险管理中的应用.     

VaR的不同计算方法的研究

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标。文章研究了VaR的各种计算方法,并利用实际数据对单个资产和投资组合的VaR值作了比较,说明了各种方法的优缺点和适用范围。     

基于Copula函数度量违约相关性

一、问题的提出在现代信用分析中 ,信用风险计量模型可按其计量的风险层次分为三种类型 :一是单个交易对手或发行人的计量模型 ,二是信用资产组合层次的计量模型 ,三是信用衍生产品的计量模型。对于第一类模型 ,主要有基于期权定价技术的风险计量模型 ,基于风险价值 (VaR)的信用度量模型 ,基于保险思想的CSFP信用风险附加模型 ,以及麦肯锡公司的宏观模型。目前这一类模型的研究者较多 ,思想也较为成熟。而对于后两类模型 ,研究起来则相对复杂和困难的多。现代资产组合理论 (MPT)表明 :适当地利用资产之间的相关关系 ,可以有效地降低风险…     

金融控股公司的风险度量

混业经营是一种趋势,金融控股公司的风险度量已是一个难题。本文运用VaR和Copulas函数等方法构建计算混业经营金融控股公司的风险度量模型Copula-VaR,对金融控股公司混业经营风险进行度量;并对几种风险度量VaR方法进行了比较,得出多样化经营的优势。     

基于宏观信息发布的外汇风险度量VaR方法的改进

文章运用GARCH模型考察了中美两国发布的13类宏观经济信息对外汇市场的影响。分析发现,中美两国的货币政策和零售业信息、投资信息、消费信息、房地产信息等消息发布的当天,市场出现异常收益率;中国货币政策信息、消费信息,美国贸易信息、消费信息发布后,将导致外汇市场的波动加剧并且持续。文章使用加入宏观信息的GARCH模型为基础的VaR方法对外汇风险进行了度量,发现加入宏观信息可以增加估计的信息量,从而提高VaR的度量效果。     

基于Copula的我国商业银行整体风险度量

全面风险管理是金融机构风险管理的最新发展方向,它衡量了一所金融机构在同时面临多种风险情况下的整体风险水平.度量整体风险水平需要将各种风险进行整合,但是金融机构面临的风险不仅种类各异,风险之间交互影响的相关关系更是难以刻画.在已知各种风险边缘分布的前提下,copula函数在进行风险整合、构建整体风险分布方面有许多优良特性.文章采用Copula函数方法,对我国商业银行面临的市场风险、信用风险和操作风险进行整合,并得到银行整体风险水平的一个度量.     

长周期VaR的非参数卷积估计

传统的VaR是一种度量短期风险的工具,但有些情况下需要度量长期风险.例如,具有长达一年或者一年以上的投资和预算的公司,具有长期债务的金融机构(如养老基金和人寿保险公司),以及银行和其他金融机构在决定是否要进行长期性的资本性投资时,都需要考虑长期风险.上述所有的这些例子都需要有一个长期风险控制的管理方法.     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

VaR估计中的概率分布设定风险与改进

 在金融风险管理中,金融风险的事先判断具有极其重要的意义,然而金融机构金融决策事前支持技术的缺陷常常被忽略,在金融投资收益率概率分布估计方法尚未建立以前,将样本数据特征纳入风险度量的计算则不失为一种改进风险判断的有效途径。本文选择度量金融风险的主流方法—VaR技术来讨论概率分布设定风险,探讨依据数据特征改进和扩展VaR计算方法,通过对Delta-正态方法与Delta-Gamma-Cornish-Fisher扩展方法估计VaR值的比较,从实证分析角度论证了扩展方法在VaR估计中的有效性与稳健性。     

基于极值理论的股票VaR和ES测度

近年来VaR(Value at Risk)和ES(Expected Shortfall)已经成为金融界普遍接受并逐渐广泛应用的风险测度方法.VaR可以定义为:一定的概率水平下,证券组合在未来特定一段时间内的最大可能损失.VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数,较准确测量由不同风险来源及其相互作用而产生的潜在损失,适应了金融市场发展的动态性、复杂性和整合性的趋势.但VaR本身仍存在一些不足,一是没有考虑到尾部风险,即损失超过VaR值的风险;其次,不是一致的风险度量工具.Artzner(1997)提出了Expected Shortfall (ES)的概念,ES度量损失超过VaR的损失期望值,它是一致的风险度量工具.     

CreditMetrics模型及其对我国商业银行的适用性

1997年4月初,美国J.P摩根财团与其他几个国际银行--德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW共同研究,推出了世界上第一个评估信用风险的量化度量模型(Credit-Metrics).该模型以资产组合理论、VaR(Value at risk)理论等为依据,以信用评级为基础,不仅可以识别贷款、债券等传统投资工具的信用风险,而且可用于互换等现代金融衍生工具的风险识别,已运用于发达国家大银行的信贷风险管理中,迅速成为行业标准模型之一.     

投资组合风险管理中CDaR模型研究

我国的金融市场是一个新兴的市场,随着货币市场的发展、股票市场的活跃及衍生市场的起动,市场风险的管理无论对投资者还是监管者都显得尤为重要.虽然VaR在我国金融机构的风险管理中已经得到了一定的应用,但其在投资管理中的应用还有待深化.本文试图将CDaR风险管理模型引入到中国证券市场投资组合的风险管理系统,并运用均值一CDaR模型进行最优投资头寸的控制,从而为我国的金融机构建立更为有效的风险管理体系提供参考.     

投资组合VaR分解及边际VaR的估计

0引言风险价值VaR(ValueatRisk)能对金融机构所面临的市场风险进行较准确的度量,是一种标准的新风险管理工具,它不仅在理论研究上取得了很大的发展,而且在风险管理中也得到了广泛的应用[1-2]。目前,国内外有许多金融学者投入于VaR方法的理论及应用研究中,并取得了很多成果,但这     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

变革与转型中证券公司风险管理技术体系的构建

本文提出证券公司需要构建以净资本的动态管理为核心,以VaR等为技术手段,适合我国证券公司现状的风险管理技术体系.并运用VaR等技术手段,对市场风险、操作风险的度量方法进行了探讨.     

金融风险度量VaR与CVaR方法的比较研究及应用

风险价值(VaR)是近年来受到国际金融界的广泛支持和认可的一种度量金融风险的工具。文章指出了风险价值(VaR)模型两个重大的缺陷,并对它和条件风险价值(CVaR)金融风险度量模型进行了详细的介绍和对比分析,给出了它们的共同点和CVaR在投资组合应用中的优势,结合中国金融市场的实际情况,指出CvaR在中国金融市场中应用应注意的问题,对其应用前景提出了新的思路。     

基于股价修正的结构化风险模型及其检验

在诸多的信用风险度量模型中,以默顿的期权定价理论为框架的结构化模型被认为是度量违约风险的有效工具.在结构化模型中,唯一考虑的风险就是公司风险.然而,股票价格是要受市场因素影响的,特别是在市场剧烈波动的时候,市场因素对股票价格的影响可能更大.文章认为,应用修正后的股价,剔除了股票价格变化过程中市场因素的影响,结构化模型将能更加有效地度量违约风险.     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。     

基于ARFIMA-FIGARCH模型的利率市场风险度量

随着中国利率市场化改革的加速,利率市场的风险管理问题引发了广泛的关注,作为筹集短期流动性资金的主要工具,同业拆借利率(Shibor)逐渐成为各金融机构决策参考的基准利率。在传统的ARMA-GARCH模型的基础上,引入Hurst指数捕捉Shibor的分形特征,使用扩展后的ARFIMA-FIGARCH模型对Shibor的隔夜和7日利率收益率的VaR进行度量和回测检验。结果显示:隔夜和7日利率收益率都具有反持续性,即收益率过去是上升趋势,则未来倾向于下降;考虑分形特征的ARFIMA-FIGARCH模型,比原模型对Shibor的度量更准确;在同业拆借市场中,Ged分布是解释多头VaR的理想选择,而正态分布是解释空头VaR的理想选择。