资产相对价值的VaR和CVaR风险

1VaR和CVaR简介本节将先给出原有的V aR和CVaR的定义,再引出风险资产相对价值这种非负指标的VaR和CVaR的新定义,然后两相比较说明新定义的合理性,最后给出了新定义下两种风险的性质。在现有介绍VaR和CV aR的文献中,我们了解到风险资产的VaR和CV aR可以从收益和损失两方面来定义     

小样本下日内风险计量指标的贝叶斯算法

目前对大样本下计算各类风险计量指标有各种不同的方法,但在小样本下尤其是超低小样本下计算各类风险计量指标的研究比较少。文章研究了利用推广的贝叶斯方法来计算基于日内5分钟分笔数据下的风险价值VaR和条件风险价值CVaR的方法。该方法计算简单,所需要的数据量少,而且具有一定的稳健性。     

银行监管与银行风险策略

本文在Merton(1974)假设资产价值遵循几何布朗运动的分析基础上,通过引入银行的监管机制,从四个方面分析了银行面对高低两种不同类型风险的资产组合进行选择时,银行的监管强度对银行风险策略选择的相互影响关系。在VaR监管约束下,银行监管当局的审查强度和强加的银行关闭阈值使银行承担风险的激励弱化,通过引入恐慌因子,使银行资本要求变得更为风险敏感。     

VaR与CVaR在投资组合中的应用及对比分析

VaR(在险价值)理论是当今国际上比较成熟的分析和度量风险的理论,在世界范围内得到广泛应用,但在对风险分布函数的度量中,却常常忽视对函数尾部特殊值(即超出VaR预测值的实际发生值)的分析和计量,从而影响到风险评估的准确性.本文分析了VaR的缺陷,介绍了在其基础上发展并完善起来的CVaR(条件VarR)分析的优点,并构筑投资组合对二者的差别进行了分析.     

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。     

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VaR风险控制的半log-最优资产组合模型

通过建立基于VaR风险控制下的单周期半log-最优资产组合数学模型,证明了最优解的存在性与唯一性。利用遗传算法对半log-最优资产组合模型进行了实例计算与分析,并与log-最优资产组合模型进行了比较,结果表明半log-最优资产组合模型具有计算方便的特征。     

考虑基差非对称效应的期货VaR估计方法研究

文章研究了基差对期货回报率波动性影响的非对称效应及其在期货VaR估计中的应用.以沪铜期货为例的实证结果表明,基差对期货的回报的波动性的影响存在显著的非对称效应,其中负基差对波动性的影响要明显大于正基差.通过与GARCH模型和未考虑非对称效应的SEGARCH模型对VaR估计的效果比较表明,考虑基差非对称效应的AE-GARCH模型更能提高VaR的估计精度.     

VaR方法在金融风险管理中应用述评

风险价值——VaR可以测量由不同风险来源及其相互作用而产生的潜在损失,即可以全面的测量复杂证券组合的市场风险。因此,VaR方法提出后,倍受学术界和金融风险管理者的关注。本文对VaR方法产生的背景、VaR模型进行了阐述,分析了VaR方法在金融风险管理应用中存在的问题,对VaR方法的修正模型CVaR实际可行性进行论证。     

基于杠杆效应SV模型和EGARCH模型VaR的比较

文章通过对比EGARCH和杠杆效应SV模型,发现杠杆效应SV模型更能刻画金融市场的实际特征。将杠杆效应的随机波动SV模型应用于VaR的计算,并作实证研究。通过与EGARCH模型下的结果对比,得到基于杠杆效应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。