共查询到20条相似文献,搜索用时 31 毫秒
1.
基于APARCH-Laplace模型的VaR和CVaR方法 总被引:2,自引:0,他引:2
针对我国证券市场收益率分布所表现出来的尖峰厚尾性,文章采Laplace分布刻画收益率分布,建立一种新的风险度量模型:APARCH-Laplace,并用实证分析证明了Laplace分布与正态分布相比,拟合数据较好。模型准确性检验表明用Laplace分布刻画收益率分布所计算的风险度量更有效。 相似文献
2.
3.
应用非对称拉普拉斯分布拟合沪深两市股指日、周收益率数据。研究结果表明:非对称拉普拉斯分布能够比正态分布更好地反映两市股指的日、周收益率数据的尖峰、厚尾、偏态特征。由于非对称拉普拉斯分布有显性的表达式,便于开展参数估计和数字特征的计算,因此对于股指期货投资者而言,在计算股指收益率的VaR、CVaR进行风险测量时,采用非对称拉普拉斯分布将是较好的选择。 相似文献
4.
在金融风险的度量中,拟合分布的选取直接影响到风险度量的精度问题。针对金融收益序列的动态变化,在SV模型中引入广义双曲线学生偏t分布(SV-GHSKt)拟合金融收益序列的尖峰厚尾、不对称以及杠杆效应等特征,通过马尔科夫蒙特卡洛模拟的方法将收益率序列转化为标准残差序列,然后用极值理论的POT模型拟合标准残差序列尾部分布,进而建立一种新的金融风险度量模型———基于SV-GHSKt-POT的动态VaR模型。用该模型对上证综合指数做实证研究,结果表明,SV-GHSKt-POT的动态VaR模型能很好地模拟金融收益序列的尖峰厚尾性、波动集聚性及杠杆效应,并且能够合理有效地提高风险测度的精度,尤其在高的置信水平下表现更好。 相似文献
5.
众所周知,同正态分布相比而言,金融市场的收益率变量具有偏态和尖峰厚尾特征。文章提出采用GHSKT分布来拟合收益率序列。为了解决参数估计难的问题,提出的强有力EM算法对于解决像包含Bessel函数这样复杂、具有大量局部最优解的优化问题,具有很现实的意义。最后,我们讨论GHSKT分布在WTI原油市场VaR风险度量中的应用。 相似文献
6.
7.
在给定概率水平下,为了描述具有尖峰、肥尾、有偏等特性的金融变量之间的非线性相依结构,给出了能够准确刻画金融变量上述特性的非对称Laplace分布,首次推导出了以该分布为边际分布,联合分布由高斯Copula建立的非线性分位数回归模型.实证表明:高斯Copula非线性分位数回归模型能够更全面准确的描述房地产业与银行业股票收益率之间的风险相关关系,对于预测收益率和防范金融风险具有十分重要的意义. 相似文献
8.
文章运用极值理论建立了静态和动态的和风险度量模型.静态模型运用广义帕累托分布拟合收益率序列的尾部分布.动态模型首先运用AR(1)-GARCH(1,1)模型对收益率序列进行拟合,然后用广义帕累托分布对新息分布的尾部建模.采用上证综指和标准普尔500指数的对数收益率为样本,对静态和动态模型进行了比较研究.研究结果表明:对于VaR的度量,在置信水平较低时(如小于99%),静态风险度量模型更准确,在置信水平较高时,动态模型更好;对于ES的度量,动态模型具有通用性和优越性. 相似文献
9.
10.
11.
12.
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. 相似文献
13.
随着基准利率地位的不断变化,上海银行间同行业拆放利率(SHIBOR)市场风险管理对金融机构将会越来越重要。然而同正态分布相比而言,SHIBOR收益率变量具有偏态等特征。提出采用广义双曲线分布来拟合收益率序列。为了解决参数估计难的问题,提出利用强有力的EM算法对于解决像包含Bessel函数这样复杂、具有大量局部最优解的优化问题,具有很现实的意义,同时利用蒙特卡罗模拟方法来计算广义双曲线分布下的VaR值、ES值,最后讨论广义双曲线分布在SHIBOR市场风险度量中的应用。 相似文献
14.
中国股市动态VaR计量模型分析 总被引:4,自引:0,他引:4
风险测量是现代金融活动的中心。近年来,新兴的VaR测量方法已成为国际上风险管理的主流方法。文章介绍了利用GARCH模型的VaR计算方法,并比较了基于不同分布假设的4种GARCH模型计算的VaR值,并得出以下结论:证券市场收益率具有强烈的GARCH效应和非正态分布性;基于GARCH-T的VaR估计值在给定的显著性水平下能够有效地度量金融资产的风险。 相似文献
15.
16.
在金融市场的风险管理中,VaR(value-at-Risk)已经成为最重要并广泛应用的风险度量工具之一,VaR与收益率分布的尾部密切相关.在有效市场理论下,收益率成正态分布.…… 相似文献
17.
市场风险和信用风险是金融机构所面临的最主要的两类风险。在金融市场迅猛发展的今天,对两类风险的度量和管理成为了金融机构面对的重大挑战之一。VaR模型最初用来度量市场风险,它以严谨的概率统计理论作为依托,将市场风险高度概括为一个数字。之后,VaR方法被引入到信用风险管理中,其中CreditMetrics模型是一个典型例子。文章最后对综合度量市场风险和信用风险进行了初步探讨。 相似文献
18.
近年来VaR(Value at Risk)和ES(Expected Shortfall)已经成为金融界普遍接受并逐渐广泛应用的风险测度方法.VaR可以定义为:一定的概率水平下,证券组合在未来特定一段时间内的最大可能损失.VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数,较准确测量由不同风险来源及其相互作用而产生的潜在损失,适应了金融市场发展的动态性、复杂性和整合性的趋势.但VaR本身仍存在一些不足,一是没有考虑到尾部风险,即损失超过VaR值的风险;其次,不是一致的风险度量工具.Artzner(1997)提出了Expected Shortfall (ES)的概念,ES度量损失超过VaR的损失期望值,它是一致的风险度量工具. 相似文献
19.