基于GARCHSK的铜期货VaR估计方法研究

基于GARCHSK模型对期货收益序列的条件偏度和峰度进行动态建模,提出了“有偏”和“尖峰厚尾”分布下的VaR估计方法。通过对沪铜期货的实证研究表明,其收益分布存在明显的“有偏”和“尖峰厚尾”。基于不同分布假定下的VaR估计结果的Kupiec检验表明,基于GARCHSK的VaR估计方法能够有效提高VaR的估计精度。     

FIEGARCH-EVT-ES风险测度及在期货市场的应用

构建了FIEGARCH-EVT-ES风险测度模型,并将其应用于期货市场风险度量。FIEGARCH能捕捉资产收益的条件异方差、波动的长记忆性以及对正负信息反应的非对称性;极值理论（EVT）能处理资产收益的厚尾性;期望损失ES是一致性风险测度,可有效弥补VaR无法考察超过分位数信息的缺陷。以上海期货交易所铜期货为例验证了模型的有效性,并与GARCH-N-VaR模型进行比较分析,结果表明,GARCH-N-VaR低估了风险,FIEGARCH-EVT-ES预测效果较好,同时也不会使预测结果过于保守,从而过高估计风险。     

一种考虑基差非对称影响的期货波动性预测模型研究——基于上海铜期货市场的实证分析

研究了基差对上海铜期货收益波动率影响的非对称效应。实证结果表明,基差对铜期货的收益波动存在显著的非对称影响,其中负基差对波动性的影响要明显大于正的基差项。通过与GARCH 模型和未考虑基差项的SEGARCH模型对铜期货的样本外预测能力的比较表明,考虑基差对波动性的非对称影响的AE-GARCH模型能显著减小铜期货波动性预测的误差。     

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR（value at risk）的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。     

基于两种分布下的SV模型与GARCH模型的VaR比较

文章将随机波动SV模型与GARCH模型应用于VaR的计算,并利用上证指数的实际数据作实证研究,构建基于正态分布和T分布下的GARCH模型与SV模型,测量了上证指数收益率的风险价值(VaR).结果表明,相比GARCH模型,SV-N,SV-T模型能更准确地对实际市场波动情况进行拟合,更加真实地反映上证指数的市场风险特性.     

基于Levy过程的沪深300指数建模

本文利用沪深300指数样本数据,用高斯核密度法估计了样本的经验分布,证实沪深300指数收益率序列的分布具有超出峰度和偏度,收益率的波动率有聚类特征．采用正态分布拟合沪深300指数收益率序列出现较大偏差。引入Levy过程中的Meixner过程对市场进行建模,并对样本数据进行了拟合。实证结果表明：Meixner过程能较好地拟合样本数据的超出峰度、偏度和厚尾现象。     

偏肥尾分布的APARCH模型研究

金融收益率时间序列分布的不对称性已被视为金融市场的一个＂典型事实＂,但现有文献对金融时间序列偏度的关注相对较少。由于受到估计方法和计算效率的约束,波动率模型通常假定条件分布为正态分布或对称肥尾分布,如t分布和广义误差分布,偏度建模比肥尾建模要复杂得多。通过运用芬南德兹—斯蒂尔方法,在对称分布的基础上构造出有偏肥尾分布。在假定APARCH模型的残差项服从这种偏肥尾分布的情况下,研究波动率的拟合效果与预测能力。实证结果显示,与残差项服从对称分布的波动率模型相比,有偏性对波动率模型的估计和预测都有显著影响,向前预测的步数越多,影响越明显。     

限定低风险下的投资组合问题

作者给出了安全第一投资组合问题的数学模型,由资产收益分布的重尾特性出发给出了VaR的估计模型。     

基于EVT-POT-SVt模型的风险度量研究

金融资产收益常因金融市场的剧烈波动而产生异常变化,针对其收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与SVt模型相结合,建立了基于EVT-POT-SVt的动态VaR模型。通过对上证综指收益做实证分析,结果表明:该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面合理而有效。     

流动性与风险管理：一个基于二元t分布GARCH估计方法的L_VaR模型

VaR已是风险管理领域金融机构量化风险的主流方法,但传统的VaR模型一直未很好地将流动性风险纳入其考量范围。文章通过引入非流动性指标,构建了一个简单的经流动性风险调整的VaR模型,VaR估计方法采用二元t分布GARCH模型。对我国股市实际数据计算发现,流动性因素对VaR值的影响较大,而且持仓规模越大,影响越大。该模型对风险管理具有很好的参考价值。     

基于非对称GARCH的铜期货市场风险度量研究

针对金融时间序列普遍存在自相关性、杠杆效应、尖峰厚尾等典型事实,运用基于杠杆效应的GARCH模型,构建铜期货市场收益序列具有典型事实的动态风险测度模型:VaR-AR(m)-EGARCH(p,q)和VaR-AR(m)-TGARCH(p,q),再通过上海期货交易所(SHFE)铜期货对所建模型进行实证分析,并运用Back-testing中的LRT(Likelihood Ratio Test)方法,对铜期货市场风险测度模型准确性和可靠性进行实证检验。实证结果表明,基于非对称GARCH的铜期货市场动态风险度量模型,能够有效捕获铜期货市场的典型事实,同时还能够准确测度具有杠杆效应的铜期货市场的动态风险,也能加强对金融市场动态风险预测能力。     

风险价值法在期货市场风险评估中的应用

期货市场是高风险市场 ,为有效控制和监管其风险 ,推介了一种修正的VaR计算方法 ,并应用上海期交所的实际数据 ,具体计算出VaR的时间序列 ,并论证了如何应用该时间序列来评估风险的大小。     

基于神经网络的期铜价格趋势预测研究

运用X-12-ARIMA季节调整方法,对上海交易所三月期铜月平均价格进行季节性调整,消除了季节因素和不规则因素对铜价的影响。针对季节调整后序列,分别建立了BP、RBF、Elman等神经网络模型,并对期铜价格进行预测。预测效果比较说明,与传统的神经网络相比,Elman神经网络模型具有收敛速度快、预测精度高的特点,能在期铜价格预测方面取得较好的效果。     

中国期货价格期限结构模型实证分析

为准确估计和预测期货价格,提出以短期偏离和长期均衡为状态变量的二因素模型,该模型假设短期偏离变量和长期均衡变量服从均值回复过程。以中国期铜2000--2008年的日结算价为研究样本,运用卡尔曼滤波和极大似然法进行实证分析。结果表明,中国期铜价格受短期和长期因素的共同作用,到期期限越短,受短期因素影响越大。误差比较结果表明,该模型的拟合与预测能力优于其他二因素模型。     

基于GJR-GED的农产品期货市场风险测度研究

本文以豆粕与郑州棉花商品期货为研究对象,并以其交易指数代表农产品期货市场,运用基于GED的GJR对期货市场动态风险价值(VaR)进行了测度,进而运用后验测试方法对风险测度模型的准确性进行了检验。实证研究的结果表明,农产品期货市场指数收益与其他金融市场一样,存在着明显的尖峰胖尾分布特征;指数的条件波动率也展示出明显的杠杆效应;基于GJR与GED的风险测度模型能够准确测度期货市场的动态风险。     

协整关系对期货套期保值率影响的实证研究

通过协整关系检验得出上海期货交易所期货价格与现货价格之间存在着明显的协整关系。利用误差修正模型对套期保值率进行估计,通过对比传统方法和误差修正模型所估计出的套期保值率,发现传统回归方法将低估用来规避风险的期货合约的数量。在比较不同套期保值期限所得出的套期保值效果后,得出期限长的套期保值效果优于期限短的套期保值效果。     

基于动态VECM的我国铜期货的价格发现功能研究

通过采用ADF检验、协整性检验及Granger因果检验对近年来上海铜期货市场的价格发现功能进行全面深入的动态实证分析,表明铜期货价格具有良好的价格发现功能。通过动态向量误差修正模型(vector error correc-tion model,VECM)检验,铜现货市场和期货市场价格波动相关性趋于加强,但呈现出非线性规律,说明企业在进行套期保值决策时能以期货价格波动作为决策依据之一,但不能对期货价格波动反应过度,致使套期保值行为失当,需要综合分析外部市场环境和期货市场运行规律,做出全面科学的套期保值决策。     

基于截L-矩和GPD的中国股市VaR经验测度:1991-2011

L-矩方法现已成为金融领域厚尾分布分析和建模的重要工具,当极端值较多时,L-矩方法会变得较敏感,截L-矩不但具有L-矩方法的优良特征,而且增加了对首尾极端值的控制参数,对极端值存在的情况更加适用。论文采用AR(1)-GARCH(1,1)模型对收益率序列进行建模分析,得到近似独立同分布的残差序列。在此基础上,基于截L-矩考察广义帕累托分布对上证指数的损失尾部拟合情况,VaR的返回检验表明:基于截L-矩的GPD分布可以较好地拟合损失收益率的尾部,极值VaR可以有效地度量上海股市的风险。