基于贝叶斯MCMC方法的VaR估计

文章运用极值理论对VaR估计通常是用极大似然估计法,研究了利用BayesMCMC方法来估计极值理论中POT模型的参数,从而求得VaR。文章首先阐述对样本值建立POT模型,给出常用的阈值选取方法;然后使用MCMC方法中的Gibbs抽样对参数进行估计;最后利用上证综合指数对其进行了实证分析,验证了Bayes方法的有效性。     

基于Copula方法的国债市场相依风险度量

本文讨论了如何利用Copula连接函数对多元金融数据的相依结构进行统计建模,首先对几种常用的Copula连接函数进行了介绍,分析了不同边际分布和不同Copula函数的选取对联合分布产生的影响,然后讨论了Copula函数的选取和其参数的估计问题,最后利用我国国债数据进行实证分析,得到了不同组合的风险值。     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。     

基于Cox过程的操作风险度量方法

文章讨论了操作风险的度量问题,将操作风险事件的发生假定为Cox过程--一种比Poisson过程更一般的计数过程,损失分布为广义帕累托分布(GPD),各风险事件的相关性由Copula来描述;分析了金融机构整体操作风险的度量.文章还讨论了模型中参数的设定与估计问题,为了使得模型可以在实际中应用,Monce Carlo模拟也给与了考虑.     

基于分位数回归模型的证券市场风险研究

文章利用分位数回归模型对我国上证与深证市场进行实证研究表明,该模型能有效度量证券市场的在险价值,对证券市场的风险度量有助于投资者认识股市风险,将有助于投资者做出正确的投资决策。     

单项资产与资产组合的经济资本的相关性研究

文章在给出单项资产和资产组合经济资本计算的基础上,首次得到单项资产和资产组合经济资本之间的关系,找到影响资产组合经济资本的因素,并且解释出现这种结果的原因.最后给出实例,验证上述结论.     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。     

基于EVT和Copula的保险业经济资本的估算

文章用t-Copula函数刻画保险业务之间复杂的非线性相关性和风险的厚尾特点,考虑到保险业务小概率高风险的特点,对单个业务的边际分布用极值理论EVT的广义Pareto分布进行模拟;通过算例,比较了用在险价值VaR和期望损失ES两种方法估算的保险业务风险的差异,并得出基于EVT和Copula函数得出的整合风险的经济资本额更能刻画保险业务的实际风险的结论.     

用次序统计量估计VaR的最小叉熵模型

文章借助信息理论中的叉熵的概念和意义,应用最小相对熵原理给出了一种新的计算VaR的非参数方法。     

基于copula函数的保险准备金的确定方法

由于在一般情况下,各保险业务之间不是完全相关的,本文提出用t-copula可以描述各业务之间的合理相关性,并给出了一种确定准备金的方法.随机模拟的结果表明,用该方法确定的准备金要比传统上确定的准备金至少节约10%的资金.如果将这部分资金用于再投资,将给公司带来更多的收益.     

关于“在地统计”若干问题的思考

文章从实施"在地统计"改革的动因、改革的本质以及各级统计部门职能、"在地统计"改革中关键问题、数据分割、基数确定以及改革弊端等几方面进行探讨,提出了城市开展"在地统计"改革的具体建议和方法.     

中国西部大城市商品房价格下方风险的测度

文章运用在险值(VaR)理论的三种模型方法,以重庆、成都为典型城市,采用2005-2012年两市商品房价格指数数据估计重庆、成都两市的商品房市场价格下方风险的在险值水平.研究发现,重庆、成都两市的商品房价格指数收益率具有一定的地域同步效应;整体而言,重庆市的商品房市场价格下方风险要略高于成都市的下方风险;回溯测试结果表明,面对市场极端变化值,并不存在完美的在险值计算模型.     

我国保险投资组合的模拟和金融风险测量研究

 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。     

应用Bootstrap模拟技术的VaR计算与分析研究

比较估计VaR的方差一协方差方法、历史模拟法和MonteCarlo模拟方法，提出估计VaR的新模型和新方法。新模型把随机收益率分解成刻画收益率二阶矩特征的部分和刻画随机均值的正态部分。新方法使用Bootstrap模拟技术和MonteCarlo模拟技术计算VaR。实证分析表明，新方法计算的VaR在传统方法计算的VaR参考范围内。     

中国商业银行内部欺诈风险度量研究

作为巴塞尔新资本协议规定的七种操作风险损失类型之一,内部欺诈问题是中国商业银行的一个重大风险来源。以部分国内商业银行内部欺诈数据为样本,针对内部欺诈具有的低频率高损失的特点,借助广义Pareto分布（GPD）和对数正态分布对内部欺诈建立了一个风险度量模型,然后通过对尾部分布何时服从GPD进行检验,得到了精确的门限值,最后利用所建立的分布模型对内部欺诈类操作风险在险风险值、经济资本和最大可能损失进行了估计,说明了中国商业银行防范内部欺诈风险的重要性。     

证券组合SGHD-EGARCH模型和VaR估计分析

文章在基于对称的广义双曲线分布计算VaR时与EGARCH模型结合在一起。在考虑收益的波动性的同时,对VaR残差的正态分布、t、GED、SGHD分布假设进行了比较研究,实证结果显示与正态分布、t、GED分布的结果进行了对比。SGHD能较好地拟合波动,准确估计和把握风险。     

保险集团监管资本套利的理论与实证研究——基于CTE与VaR风险度量方法的分析

为加强保险集团监管,完善中国正在建设的第二代偿付能力管理体系,利用国际上应用广泛的CTE与VaR两种风险度量方法构建监管资本套利模型,对不同条件下保险集团套利策略进行理论研究。根据中国人民财产保险股份有限公司历史数据,运用R软件,首次对保险集团监管资本套利策略进行直观展示和实证检验。研究表明:监管资本套利可以为保险集团节约大量资本,但蕴含一定风险;若监管资本中考虑尾部极端风险,有利于降低监管资本套利风险。     

高斯连接函数在股票投资组合VaR计算中的应用

风险测量是金融理论与实践研究的一个重要课题,正受到越来越多的关注。Copula理论以能够有效地处理投资组合的风险和相关性而成为国内外研究的热点。文章通过实证运用Copula理论中的Gaussian连续函数来计算股票投资组合的在险价值(VaR)。结果表明:计算出的VaR能很好的反映投资组合的风险,同时计算也比较简单,处理起来也不显得复杂。     

相依结构、动态系统性风险测度与后验分析

本文利用Copula相依结构理论扩展和求解了现有的系统性风险测度CoVaR,以得到适用于不同类型常参数和时变参数Copula函数及不同分布假设的动态系统性风险测度。为了验证和评估模型设定的准确性与应用价值,我们构建了适用于该动态系统性风险测度CoVaR的严谨后验分析工具。除“无条件覆盖性”、“独立性”和“条件覆盖性”外,我们首次提出了“混合独立性”检验。基于中国14家上市商业银行的实证分析表明：中国上市商业银行与中国银行业之间的相依结构呈现多样化特征;无论是样本内还是样本外预测区间,我们的动态Copula-CoVaR模型能够有效地捕捉典型系统性风险事件;严谨的后验分析不仅需要检验系统性风险测度CoVaR,也需要检验条件事件的临界值VaR。     

居民家庭金融资产风险与宏观经济波动的协动性关系研究——基于GARCH-M模型的风险度量方法

居民家庭金融资产组合不仅存在风险,而且风险会随着居民持有不同金融资产的比重、家庭外部宏观经济的波动而变动。通过构建GARCH-M模型,引入宏观经济变量(GDP增长率、CPI、利率),并计算在险价值VaR,分析宏观经济指标波动与家庭金融风险的协动性关系。研究认为,家庭金融收益主要受利率影响,家庭金融风险主要受GDP和CPI影响,而且家庭金融风险具有集聚性,并会影响利率的变化。