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． 实证研究结果表明,无论是中国新兴市场,还是西方成熟发达市场,金融收益与标准收益均呈现出明显的有偏胖尾分布特征; 金融收益条件波动率均展现出长记忆性特征; EVT 与 FIGARCH 模型相结合的动态极值风险测度模型不仅在样本内表现出优越的风险测度能力,而且在样本外同样具有可靠的预测推广能力．     

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...     

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.     

我国农产品期货市场的风险测度模型及其后验分析

近年来,我国农产品期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏.以我国农产品期货市场中的4种代表性价格指数为例,首先对其价格变化统计特征及波动模式进行了全面深入的检验,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR (Value at Risk)和ES (Excepted shortfall)两种不同风险指标估计的精度差异.研究结果表明,我国农产品期货市场的价格波动不存在显著的杠杆效应(Leverage effect),但却具有明显的有偏(Skewed)和条件厚尾(Conditional fat-tail)特征.另外,在综合考虑了模型估计效率和风险测度精度后,基于有偏学生t分布的普通GARCH模型是一个相对合理的风险测度模型选择.     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

EGARCH-GED模型在计量中国期货市场风险价值中的应用

根据我国期货市场收益的基本特性,本文从收益的波动性与概率分布出发,建立了能准确度量时变风险价值的EGARCH-GED模型,并与基于正态分布和t分布GARCH模型的风险价值计算效果进行了比较.结果表明,基于EGARCH-GED模型的风险价值能更好地刻画我国期货市场的市场风险.另外,对我国期货市场各交易品种的风险趋势进行了比较和解析.     

上海伦敦铜期货市场风险的测度与传导效应研究

本文针对金融时间序列存在的部分典型事实,运用AR（1）-GJR（1,1）构造出铜期货条件损失的标准残差序列;针对标准残差序列近似满足i.i.d特征,运用EVT对其极值尾部建模,并测度出两个铜期货市场的动态风险;然后运用Back-Testing方法对风险测度模型进行准确性检验,最后运用Granger-Causality检验来分析铜期货市场动态风险的传导效应。实证研究结果表明,基于EVT的风险测度方法能有效测度上海伦敦铜期货市场动态风险;上海伦敦铜期货市场动态风险在1%的显著性水平下存在双向传导效应,但由伦敦向上海传递的强度大于反向强度。     

投资者行为与期货市场波动:基于OLG模型和高频数据的理论与实证

本文是针对投资者行为与期货市场波动性关系的研究,首先将宏观经济学中的世代交叠模型(OLG)引入期货市场,建立了基于期货合约价格的投资者交易行为模型,以及将模型扩展到完全信息和部分信息的情况并求解出均衡解,在推导命题基础上建立了两个假说并使用铜期货合约日内每笔交易数据对其做了实证研究。结果表明:(1)本文建立的两期世代交叠模型显示,期货合约价格的波动与债券的无风险利率,投资者的风险厌恶系数,合约供给的状态以及风险溢价的波动有关;(2)期货市场上富有信息的投资者(如机构投资者),通常采用反转交易模式;(3)期货市场上缺乏信息的投资者(例如散户),则通常采用动量交易模式。而这一结论显示,中国期货市场投资者与股票市场投资者在交易行为上存在明显区别。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

基于MRS-GARCH的钢铁期货市场VaR风险测度

针对中国钢铁期货市场波动率具有结构突变特征,使用MRS-GARCH模型对其波动率建模,并通过马尔科夫蒙特卡罗方法(MCMC方法)对模型参数进行估计,进而对钢铁期货市场进行VaR风险测度。结果表明:基于MCMC估计方法 MRS-GARCH模型能够准确地刻画出钢铁期货市场波动率;MRS(3)-GARCH模型下VaR方法能够有效地测度钢铁期货市场风险。     

VaR-APARCH模型与证券投资风险量化分析

基本统计分析发现,上证综合指数回报率分布存在尖峰肥尾性,不服从正态分布,并且还具有杠杆效应。本文应用APARCH模型在三种分布假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与应用GARCH模型的估计结果进行比较分析。通过返回检验,我们发现,APARCH应用于VaR估计是统计有效的,并且明显优于GARHC模型。     

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。     

基于Mean-CVaR约束的股指期货动态套期保值模型研究

本文建立了基于最小化均值-条件风险价值( Mean-CVaR)的股指期货动态套期保值模型.模型的主要特点与贡献在于两方面:一方面,考察了置信水平和可变交易费用对最优套期保值决策的影响;另一方面,利用二元误差修正的时变条件相关GARCH模型估计套期保值比率,优点是不仅考虑了股指期货与现货价格序列之间存在的协整关系,而且更好地拟合了收益残差序列存在的异方差性与相关系数时变性的特征.最后通过对我国沪深300指数期货仿真交易的套期保值模拟与实证测算,得出能够动态调整的股指期货套期保值策略以实时追踪与控制风险.     

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。     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平.     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR 的含义及计算方法,指出推测市场因子的波动情况是计算VaR 的关 键. 通过对比GARCH 和SV 模型,得出SV 模型更能刻画金融市场的实际特征. 将随机波动SV 模型应用于VaR 的计算,最后作实证研究. 通过与GARCH 模型下的结果对比,说明基于SV 模 型计算的VaR 更具有动态性和准确性,VaR 更贴切地反映了金融市场的风险水平     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

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.