排序方式: 共有234条查询结果,搜索用时 31 毫秒
51.
基于巴塞尔协议和商业银行风险管理新视角,本文运用GARCH-EVT-COPULA模型构建了GARCH-EVT-Gaussian-COPULA和GARCH-EVT-t-COPULA两种方法,对美元、欧元、日元和港元四种人民币汇率的等权重投资组合风险进行了度量,优化了极值分布作为COPULA函数边际分布的多序列超阈值比例确定方法,并与历史模拟法、正态方法、蒙特卡罗方法三种传统方法和单用极值方法度量的VaR进行了比较并作返回检验.结果表明:GARCH-EVT-Gaussian-COPULA扣GARCH-EVT-t-COPULA两种方法符合巴塞尔协议的内部模型法(I--)对商业银行风险管理的要求,而且估计结果优于其他四种方法,其中,GARCH-EVT-Gaussian-COPU LA方法的估计结果比GARCH-EVT-t-COPULA方法更有利于节省商业银行的经济资本. 相似文献
52.
金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记性。基于此,将FIGARCH、EVT和Copula有机融合,建立FIGARCH-EVT-Copula模型来估计组合风险值,利用上证指数、深成指数组合进行实证研究。实证研究表明:我国股市波动确实具有长记忆性;FIGARCH-EVT-Copula模型不仅能够准确刻画边缘分布的尖峰厚尾性、异方差性和长记忆性,而且较之于传统模型,该模型能更准确地测度投资组合风险。 相似文献
53.
文章根据股票收益率的历史数据建立了相应的ARMA-GARCH模型;利用该模型预测下一阶段股票的收益率和波动率.在此基础上建立了关于最优投资策略的选择均值-VaR模型,即在VaR风险水平限制下最大化期末的期望收益;求解模型得到最优投资策略的解析表达式,并且还得到了最优投资策略下期末的期望收益以及有效边界的表达式. 相似文献
54.
本文利用Copula函数的概念研究了保险投资组合多元金融数据的统计模拟。根据我国保险投资的特殊性,我们选用沪深300指数、基金指数、企债指数和国债指数四种风险资产来模拟保险投资组合中的股票、基金、企债和国债收益。基于模拟的结果分别利用传统近似方法(Add-VaR、N-VaR和H-VaR)和Copula方法计算了投资组合的总风险;相对于Copula-VaR方法,Add-VaR显著高估了风险,N-VaR显著低估了风险,H-VaR对于Copula-VaR的近似效果比较好,但其也高估了风险,即H-VaR相对于Copula-VaR是一种比较保守的方法。另外,我们分析了投资组合权重变化和Copula函数的选择对投资组合总风险的影响。 相似文献
55.
根据历史数据估计收益率的分布来计算VaR是一种常用的方法.然而,过多的历史数据所构成的时间序列可能不独立同分布.文章选择离预测时间较近且相对较少的历史数据,使其通过BDS检验,再对其进行Bootsrap抽样,得到足够的样本,选择适当的核密度分布函数,从而算出VaR.经比较发现,这种方法算出的VaR比传统方法更准确. 相似文献
56.
57.
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 相似文献
58.
随着互联网的发展,信息安全成为组织日益重要的功能.在未来,信息安全投资将在组织总投资中占据重要的地位.如何确定最优的信息安全投资水平,目前缺乏适当的投资决策准则,其部分原因在于缺乏成熟的信息系统安全风险评估的方法论,所以在信息安全风险评估和相应的信息安全投资的优化方面,发展适当和有用的方法论被学术界和企业界所关注.本文建立了信息安全风险评估的定量模型,讨论了安全威胁发生频率服从Poisson分布的依据,在此基础上选择了VaR方法对信息安全风险及其安全措施的效用进行度量,从而可以指导企业的安全投资决策,希望对信息系统安全风险评估以及信息安全项目投资决策的优化有所裨益. 相似文献
59.
基于分布拟合法的VaR估计 总被引:9,自引:0,他引:9
本文提出分布拟合法来估计金融市场风险的VaR,分布拟合法通过求取与样本数据最佳拟合的统计分布函数,克服了传统分析方法在估计VaR时所要求的正态分布假设的缺陷.道琼斯指数、美元/英镑和美元/日元数据的算例表明,分布拟合方法提高了估算精度. 相似文献
60.