POT模型在商业银行操作风险度量中的应用

操作风险发生的频率较低,但可能会引起巨大的损失,其损失分布具有鲜明的厚尾性,因此应用通常的风险计算方法往往会低估风险.而应用极值理论计算风险时注重对分布尾部的近似表达,并不是对整个分布进行建模,能更有效地捕捉可能导致金融机构重大损失的尾部风险.所以,把极值理论应用于银行操作风险量化分析不失为一种比较理想的方法.     

度量银行操作风险的POT幂律模型及其应用

本文在极值理论的POT模型基础上,建立了基于分维的POT幂律模型,给出了POT模型的阈值选择的理论解释,还给出了满足尾部分布适合幂律的条件.分析表明,此模型较已有方法能更方便地估计尾部参数,对小样本情形研究厚尾问题提供了新的思路.此外,为计算操作风险损失和的在险价值(VaR)问题,本文引入保险理论里的随机和模型,并给出了计算操作风险在险值的简化公式.     

基于极值理论的风险价值度量

精确度量风险价值(Value-at-Risk,VaR)和以及由此衍生的Expected Shortfall (ES)是对风险管理者的挑战.广泛应用的正态分布不足以描述金融收益的厚尾特征,尤其是风险管理者最为关心的99%或95%分位数.极值理论可以准确地描述分布尾部的分位数.本文利用极值理论计算VaR和ES,并给出它们的误差分析,然后利用深成指数据进行返回检验.两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和ES.     

不同时变Copula-EVT-ES模型精度比较研究

结合EVT极值理论,构建了4类时变Copula模型,拟合了股指间的动态极值相依系数,并对各类资产组合进行了预期损失ES风险测度.通过Backtesting方法,对比研究了不同时变Copula-EVT-ES模型的风险测度精度.实证结果表明,在市场极端波动状况下,结合EVT极值理论的时变Copula-ES模型能够对资产组合尾部极值风险进行有效测度,并且对于空头头寸的风险测度效果优于其在多头头寸的表现.善于刻画变量间厚尾极值相依关系的时变tCopula-EVT-ES能够取得较好的组合风险测度效果,而对于二元资产组合,在高风险水平上,时变SJC Copula-EVT-ES模型也值得重点关注.     

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.     

应用极值理论建立大额损失模型的方法论研究

利用极值理论中的POT模型来考虑大额保险损失额的尾部分布，提出了一套清晰的方法论体系；对待一组数据，如何进行恰当的描述统计分析，进而通过数据选取合适的极值模型，并以合适的方法估计选取的损失额模型的参数，最终估计出拟合分布的尾部分位数。     

基于Bayesian-Copula方法的商业银行操作风险度量

本文在对损失分布法分析的基础上,将损失事件划分为内部欺诈、外部欺诈以及违规执行三种类型;引用两阶段分布拟合操作风险的损失强度分布,同时采用贝叶斯理论中的吉布斯抽样来获取参数估计值以减小低频率高损失数据不足带来的误差;考虑到操作风险各损失事件间可能存在的相关性,本文采用Copula函数对操作风险进行整合以获得联合损失分布函数,并计算出不同置信水平下我国商业银行操作风险损失的VaR值与CVaR值.实证研究的结果表明:基于贝叶斯理论的参数估计综合考虑了总体与样本等先验信息,估计出的参数值误差较小;Copula函数的引入与VaR值、CVaR值的测算,能在考虑了损失事件发生概率的同时,估测出操作风险潜在的损失大小,从而可以更准确度量操作风险.     

极端情况下对我国股市风险的实证研究

准确地度量风险是对风险进行有效管理的前提也是投资者做出合理的投资决策的基础,然而在极端事件频繁发生的情况下,传统的VaR计算方法难以准确地度量股市风险,极值理论却可以很好地解决这一问题。本文特别关注了由2007年美国"次贷" 危机所引发的全球金融危机爆发时我国股市的风险度量问题,考虑到全球股市间极端事件的联动效应,利用基于极值理论的POT模型对上证综指日收益率的尾部数据直接建模拟合分布,进而计算出风险值VaR和CVaR,通过比较危机前后的风险值,发现随着金融危机的到来,我国股市的风险有了一定程度的释放。     

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。     

基于贝叶斯MCMC的POT模型——低频高损的操作风险度量

对低频率高损失的操作风险进行量化非常困难,其特点为较少发生,而一旦发生通常都会造成巨额损失,因此数据匮乏是一个严重的挑战,内部欺诈风险是此类风险的典型代表,也是中国商业银行有代表性的重大操作风险类型.在损失分布法的框架下,通过极值理论对内部欺诈风险进行度量;考虑到使用损失数据对频率直接拟合带来的问题,借助POT模型的重要性质对内部欺诈风险强度和频率进行估计;在此基础上,使用基于吉布斯抽样的贝叶斯MCMC方法估计POT模型的参数,以解决样本数据不足时极大似然估计中误差增大的问题.在这一方法框架下,以中国商业银行的内部欺诈损失数据为样本,对中国商业银行的内部欺诈风险进行度量,并估计了相应的经济资本.