基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

基于随机时变参数模型的FDI对通货膨胀影响研究

为了反映FDI对通货膨胀影响的时变和非线性特征,文章从货币效应、投资效应以及汇率效应三个方面探讨了FDI对通货膨胀的作用机制和路径,在此基础上引入随机波动模型和时变参数的VAR模型,构建基于SV-TVP-VAR脉冲响应模型。实证研究表明,FDI对通货膨胀的影响明显存在时变特征,冲击作用大小在不同滞后期存在显著性差异,且滞后期越长,作用越弱;此外,FDI流入对通货膨胀影响的敏感性在前9期更为显著,但在9期之后其影响基本上可以忽略。最后,稳健性检验表明,文章的研究结论是可靠的。     

Bootstrap方法和SV模型在风险测度中的应用

文章用SV-GED模型刻画收益率序列的尖峰厚尾、波动集聚以及异方差等特征,在得到标准残差序列的基础上,与Bootstrap方法结合构建一个基于参数---非参数估计的新的风险度量模型——基于Boot-strap-SV-GED模型的风险度量模型,最后对模型的有效性进行了分析.研究表明:Bootstrap-SV-GED模型能很好的刻画收益率序列的特征,并且能在一定程度上提高金融风险测量的精度.     

世界原油价格风险度量——基于EGARCH-EVT-t Copula模型

从原油现货市场收益率的特征分析入手,为了更好地描述原油现货市场收益率的尖峰厚尾、偏态和波动集聚等特征,运用EGARCH 对条件波动率进行建模,进而运用极值理论对标准残差序列的尾部分布进行建模,刻画原油现货市场极值风险,同时结合Copula函数和Monte Carlo模拟技术来度量不同持有期相应的VaR值.实证结果表明:原油市场随着置信度的提高和持有期的延长,VaR的绝对值在增大.同时,回测检验结果表明基于EGARCH-EVT-t Copula的模型能够精确有效地度量原油现货市场极端风险.     

基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

“渝富模式”对于地方性国有资产经营公司的借鉴意义

回顾了渝富集团的发展历史,解析了渝富集团的功能定位,深度解析了"渝富模式"的运作模式,并以案例进行具体分析。在此基础上,探讨了"渝富模式"成功的关键因素,进而提炼出了"渝富模式"成功的借鉴经验。     

平稳序列的GPD模型在风险测度中的应用

文章旨在运用极值理论提高VaR的适用性和估计的精确度.VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性.然而,经典的极值模型要求金融时序服从独立同分布条件.考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR.实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性.     

基于g-h分布的极值风险度量研究

依据ARMA-GJR模型构造标准残差序列,利用EVT模型拟合标准残差序列的尾部特征,进而确定样本阀值,最后结合g-h分布建立一种新的金融风险度量模型———基于ARMA-GJR-EVT-g-h的动态VaR模型。用该模型对上证综指进行实证分析,结果表明,该模型能够更合理有效地管理上证综指收益的风险,并且在高的置信水平上表现更好。     

促进还是抑制：金融资产配置与企业技术创新

本文运用我国2011—2021年A股上市公司数据,研究金融资产配置对企业技术创新的影响。研究发现：金融资产配置与企业技术创新之间呈倒U型关系,即随着金融资产配置比例的提升,企业技术创新水平先上升后下降。对于不同产权性质、规模的企业以及处于不同融资约束状况下,金融资产配置与企业技术创新之间存在异质性;传导渠道检验表明,过度配置金融资产会挤出流动性供给,进而对企业技术创新产生负面影响;政府补贴程度在金融资产配置影响企业技术创新过程中存在显著的调节作用。研究结果表明,实体企业不应该盲目投资金融资产,应当积极探索金融资产配置最优水平的存在,预防过度金融化隐患。     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。