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.     

沪、深股市收益率风险的极值VaR测度研究

资产组合的ＶａＲ是指在某一置信水平下 ,该资产组合可能遭受的最大损失 ,或者说 ,ＶａＲ即资产组合收益率损失分布函数的某一分位点。由于传统的方差 协方差法、历史模拟法、蒙特卡洛模拟法在估计金融资产收益率的ＶａＲ值上的低效 ①,ＦｒａｎｃｏｉｓＬｏｎｇｉｎ等学者便将统计极值理论引入到估测ＶａＲ的研究中来 ② 。本文将运用近年发展起来的这些极值ＶａＲ方法来测度沪、深股市收益率的市场风险 ,同时也对极值方法、半参数方法 ③ 以及传统ＶａＲ方法的测度效果进行比较。　　一、估测ＶａＲ的极值方法通常有两类估测ＶａＲ的极值…     

金融市场风险的极值模型及实证分析

风险值(VaR)是金融市场风险的度量指标,选择好的计算方法十分重要。文章主要应用极值理论中的门限模型来研究风险值,并对2000年以来深圳综指和上证指数的日对数收益率计算风险值和期望亏损,最后对两市的风险进行了比较。     

基于极值理论的静态和动态风险度量模型的比较

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.     

广义Pareto分布尾部厚度的分析与应用

极端值模型是准确估计"厚尾"分布金融资产回报市场风险的有力工具.主要有分块样本极大值模型(BMM)和阈顶点模型(POT).文章对阈顶点模型中广义Pareto分布尾部厚度和应用进行分析.结果表明,当0<ε≤1时,分布的尾部厚度为"厚尾"且随着形状参数的增加而变厚,此时最适合于金融资产时间序列"厚尾"分布建模.     

再保险业务风险分布特征的实证分析

再保险人的整体风险管理能力、水平和行为将直接影响再保险公司的整体风险管理绩效以及整个保险市场的稳定。本文使用极值理论模拟了再保险业务的风险分布特征,比较了成数再保险和非比例再保险业务风险分布的差异,认为再保险业务损失分布不服从正态分布,具有厚尾性;成数业务损失分布具有均值大、方差小的特点,而非比例业务损失分布的均值较小,但方差较大;在高置信水平条件下,非比例业务的风险损失率远远大于成数业务。因此,再保险公司应当大力发展非比例再保险业务,并增强资本实力,积极拓展业范围,在国际市场上分散风险。     

银行操作风险度量的实证分析

一、引言自1995年巴林银行倒闭以来,银行操作风险引起了人们的广泛关注。普华永道出版的报告称,由于操作风险给金融机构造成的损失在1998年超过70亿美元。操作风险有限公司的资料也显示,自从1980年,操作风险给金融机构造成的损失超过2000亿美元[1]。以广东开平的余振东案和黑龙江的高山案件为标志,操作风险也引起了国内银行界的关注。根据巴塞尔银行委员会资料显示,银行面临的风险以信用风险为最高,约为60%,其次就是操作风险,约为30%,市场风险和其他风险如信誉风险等则较低,各占5%[2]。1999年巴塞尔委员会在新资本协议咨询意见稿中确立了操…     

基于帕累托分布的洪水贝叶斯分析

文章基于帕累托分布,运用贝叶斯估计理论研究了汛期洪水水位的分布规律,给出了相关参数的计算公式,并通过具体例子进行了讨论。     

非寿险精算中的数据尾部拟合与保费厘定

文章讨论了极值分布对非寿险精算中损失数据尾部的拟合和保费厘定方法,并进行了实例计算。研究表明:必须对应用极值分布的条件进行检验;对门限值确定的三种方法中自适应选择算法是较好方法;广义帕累托分布参数MLE估计能得到比较精确的估计结果。文章还给出了非寿险损失的超赔再保险纯保费的计算方法。     

基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

市场风险资产损失服从Pareto分布的VaR计量

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.     

分位数回归与上证综指VaR研究

把极端分位数所具有的行为特征应用到VaR的研究中,建立上海股市收益率的条件分位数回归模型,描述其在极端分位数下的变化趋势。同时选取适当的尾部模型,并在此基础之上应用外推法预测非常极端分位数下的条件VaR,并与直接由分位数回归模型预测的结果进行比较。结果表明：两种方法得到的结果变化趋势都是一致的,由外推法预测的结果相对小一些。     

VaR估计中的概率分布设定风险与改进

 在金融风险管理中,金融风险的事先判断具有极其重要的意义,然而金融机构金融决策事前支持技术的缺陷常常被忽略,在金融投资收益率概率分布估计方法尚未建立以前,将样本数据特征纳入风险度量的计算则不失为一种改进风险判断的有效途径。本文选择度量金融风险的主流方法—VaR技术来讨论概率分布设定风险,探讨依据数据特征改进和扩展VaR计算方法,通过对Delta-正态方法与Delta-Gamma-Cornish-Fisher扩展方法估计VaR值的比较,从实证分析角度论证了扩展方法在VaR估计中的有效性与稳健性。     

Nonparametric Estimation for Risk in Value-at-Risk Estimator

Abstract

Value-at-Risk (VaR) has become the standard tool used by many financial institutions to measure market risk. However, the performance of a VaR estimator may be affected by sample variation or estimation risk caused from heavy-tailed distributions. After surveying several existing procedures proposed by Jorin (Jorion, P. (1996 Jorion, P. 1996. Risk²—measuring the risk in value at risk. Financial Analysis Journal, 52: 47–56. [Taylor & Francis Online] , [Google Scholar]). Risk²—Measuring the risk in value at risk. Financial Analysis Journal 52:47–56), Huschens (Huschens, S. (1997 Huschens, S. 1997. “Confidence intervals for the value-at-risk”. In Risk Measurement, Econometrics and Neural Networks Edited by: Bol, G., Nakhaeizadeh, G. and Vollmer, K. H. 233–244. Heidelberg: Physica-Verlag.  [Google Scholar]). Confidence intervals for the value-at-risk. In: Bol, G., Nakhaeizadeh, G., Vollmer, K. H., eds. Risk Measurement, Econometrics and Neural Networks. Heidelberg: Physica-Verlag, pp. 233–244), and Ridder (Ridder, T. (1997 Ridder, T. 1997. “Basics of statistical VaR–estimation”. In Risk Measurement, Econometrics and Neural Networks Edited by: Bol, G., Nakhaeizadeh, G. and Vollmer, K. H. 161–187. Heidelberg: Physica-Verlag.  [Google Scholar]). Basics of statistical VaR-estimation. In: Bol, G., Nakhaeizadeh, G., Vollmer, K. H., eds. Risk Measurement, Econometrics and Neural Networks. Heidelberg: Physica-Verlag, pp. 161–187) etc., this article strives to propose several new estimators in measuring the risk involved in VaR estimation. We compare the performance of these VaR models through Monte Carlo simulation studies. We find that the newly proposed methods provide better accuracy and robustness in the estimation of the risk in VaR estimator.     

基于连接函数的 整合风险度量研究

 本文利用连接函数（Copula）解决整合风险管理中不同类型风险的联合分布建模问题,提出了基于连接函数的整合风险度量Copula-VaR及其蒙特卡洛模拟算法;以深圳发展银行和上海浦东发展银行为研究对象,将Copula-VaR与N-VaR和Add-VaR这两种业界常用的近似整合风险度量方法进行了实证比较分析,发现:与Copula-VaR相比,N-VaR和Add-VaR存在高估风险的倾向,而其主要原因则是由于N-VaR和Add-VaR对信用收益率与市场收益率之间的相关结构进行了不符合实际的假设。     

交易间隔、超高频波动率与VaR ——利用日内信息预测金融市场风险

 金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测,这必然会损失部分日内信息。本文尝试使用中国股市日内分笔超高频数据,在分析日内波动特性的基础上,通过UHF-GARCH模型对交易间隔等日内信息建模,得到超高频波动率UHFV。本文用ARFIMA模型对超高频波动率UHFV建模,应用到风险价值VaR的预测中,并同基于日数据的GARCH类模型的VaR预测能力进行比较。VaR似然比和动态分位数等回测检验的结果显示,超高频数据波动率UHFV模型的预测能力强于采用日数据的GARCH类模型。     

投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定,随着投资组合规模的扩大,其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点,基于ICA的投资组合动态VaR风险度量方法和计算步骤,克服了多元非正态条件下VaR测算上的困难。实证研究表明,与EWMA模型法、MGARCH模型法相比,ICA法能够准确地度量投资组合动态VaR。     

基于风险预期的深市收益率预报研究

在预报股市收益率时考虑到股市风险波动及其结构性变化对股民心理预期的影响,采用状态空间理论将静态风险溢价GARCH-M模型改进为动态风险溢价模型。以中国深圳股市作为算例,研究了2006年1月至2008年8月深市风险的波动及股民风险预期的变化,并据此模拟了深市2008年8月的收益率,结果表明改进模型解释力更强,拟合精度更高,比一般的GARCH-M预报结果更准确。     

基于非参数核估计的股市风险理论及应用研究

根据中国股市非市场化特点与股权分置改革的影响等问题,在股票市场价格严重失真情况下,运用非参数核估计方法,拟合了股市的理论收益率指标,通过对比股市实际收益率指标显著性偏离关系,提出了中国股市风险理论的独特含义与计量方法。实证显示：非参数核估计能够很好估计股市理论收益率指标,准确地计量中国股市风险动态变化情况。     

中国燃料油期货市场的动态风险评估

期货市场的风险测度是准确评价市场运行效果的前提。中国燃料油期货市场已经运行了5年多,测度其投机风险对于科学的风险管理和建立全面的石油期货市场都具有重要意义。依据中国燃料油期货市场的特点,采用基于t分布和时变方差的动态VaR方法和动态Bayes VaR方法衡量其投机风险。结果表明：燃料油期货市场自运行以来市场内部风险一直处于平稳且略有下降的状态,采用动态方法在测度投机风险时更为稳健和科学。