静态条件下的银行资本优化模型

本文从银行清偿力分析入手,建立了静态条件下基于VaR的银行资本优化模型,该模型虑及了银行的交易费用、银行经营策略和风险偏好对银行资本管理的影响.模型分析表明,银行管理部门在一定的风险期限内设置的置信水平在严格的银行模型假设条件下,基于VaR的最佳银行资本要求依赖于银行的资产负债政策和市场因素.     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

VaR原理及其在风险管理中的应用

风险价值(VaR)作为一种测定市场风险的工具,受到了国际金融界的广泛支持和认可.根据VaR的基本原理,介绍了计算VaR的历史模拟法、蒙特卡洛模拟法、参数法及半参数法,比较了各种计算方法的优缺点及适用条件,最后指出应用VaR衡量市场风险时需注意的问题.将VaR方法引入中国金融风险管理领域,能为金融机构和投资人提供一种行之有效的市场风险管理工具,也能为金融监管部门提供一个风险管理的标准,对我国的金融市场建设有着重大的现实意义.     

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.     

我国证券行业市场风险度量及发展对策研究——基于改进的蒙特卡罗模拟法

随着金融自由化和新兴技术的发展,各种金融衍生工具层出不穷,中国证券行业迎来了蓬勃发展的同时也面临着更大的市场风险。文章基于六家中国证券上市公司股票交易价格,运用蒙特卡罗模拟法、MC-Box-Cox模型和MC-GARCH模型预测交易日VaR并进行回测检验。研究结果表明,中国证券业面临着较大的市场风险,因此需要采用高置信水平的VaR值进行管理;蒙特卡罗模拟法存在低估市场风险的弊端;MC-Box-Cox和MC-GARCH模型预测效果相对较好,可以很好地度量我国证券行业的市场风险。     

投资组合的风险度量问题研究

本文研究CVaR模型对投资组合的风险度量问题,将VaR与CVaR两个风险度量模型进行比较,指出当今流行的风险管理模型VaR的缺陷,分析了CVaR模型进行风险管理的优势,以及用CVaR模型来代替VaR模型作为金融机构风险管理主要工具的重要性。     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

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。     

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EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。