基于非参数与L-Moment估计的股市动态极值ES风险测度研究

通过运用带宽非参数方法、AR-GARCH模型对时间序列的条件均值、条件波动性进行建模估计出标准残差序列,再运用L-Moment与MLE(maximum Likelihood estimation)估计标准残差的尾部的GPD参数,进而运用实验方法测度出风险VaR(value at Risk)及ES(ExpectedShortfall),最后运用Back-Testing方法检验测度准确性。结果表明,基于带宽的非参数估计模型比GARCH簇模型在测度ES上具有更高的可靠性;基于非参数模型与L-Moment的风险测度模型能够有效测度沪深股市的动态VaR与ES。     

基于极值理论的风险价值度量

精确度量风险价值(Value-at-Risk,VaR)和以及由此衍生的Expected Shortfall (ES)是对风险管理者的挑战.广泛应用的正态分布不足以描述金融收益的厚尾特征,尤其是风险管理者最为关心的99%或95%分位数.极值理论可以准确地描述分布尾部的分位数.本文利用极值理论计算VaR和ES,并给出它们的误差分析,然后利用深成指数据进行返回检验.两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和ES.     

我国农产品期货市场的风险测度模型及其后验分析

近年来,我国农产品期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏.以我国农产品期货市场中的4种代表性价格指数为例,首先对其价格变化统计特征及波动模式进行了全面深入的检验,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR (Value at Risk)和ES (Excepted shortfall)两种不同风险指标估计的精度差异.研究结果表明,我国农产品期货市场的价格波动不存在显著的杠杆效应(Leverage effect),但却具有明显的有偏(Skewed)和条件厚尾(Conditional fat-tail)特征.另外,在综合考虑了模型估计效率和风险测度精度后,基于有偏学生t分布的普通GARCH模型是一个相对合理的风险测度模型选择.     

基于Copula-APD-GARCH模型的投资组合有效前沿分析

根据ES风险度量方法,拓展了马克维茨均值-方差资产组合模型,研究均值-ES准则下的资产组合问题.用APD-GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula-APDG-ARCH模型.利用该模型,借助Monte Carlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元Clayton Copula函数的风险资产组合的均值一ES有效前沿,并进行比较.实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元Clayton Copula函数时应的有效前沿表现最好.     

基于时变高阶矩波动模型的VaR与ES度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程.文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究:首先,以沪深300指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用Gram-Charlier扩展分布获得对VaR(value-at-risk)和ES(excepted shortfall)两种不同风险测度的计算值;然后,分别利用非条件覆盖检验(unconditional coverage test)和基于自举法(Bootstrap)的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度.研究结果表明:就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型.     

基于网络视角的银行业系统性风险度量方法

网络模型已经成为研究银行系统性风险的重要方法。然而现有研究忽视了银行系统性风险的小概率特点,同时也缺少度量银行系统性风险的统一标准。为此,本文提出了基于网络模型的银行系统性风险度量方法:银行系统性风险VaR和银行系统性风险ES。首先,本文采用蒙特卡洛模拟方法,模拟银行外部冲击造成银行间网络损失的大样本。在银行间网络损失大样本中,估计银行系统性风险VaR和银行系统性风险ES。这两个测度能够捕捉到银行间网络损失的尾部特征,解决了对比随机冲击结果无法反映银行系统性风险的问题。其次,在模拟实验中,本文利用真实银行间网络结构参数,对模拟的三种银行间网络进行校准,保证了研究结论真实性和可靠性。最后,在模拟实验中发现:(1)外部冲击会引发违约传染的连锁反应,并导致银行间网络损失分布从近似正态分布转变成尖峰厚尾分布,最后变成双峰分布。(2)网络集中度越高发生违约传染连锁反应的概率越小,但是传染的破坏力会更大。(3)银行间网络的潜在传染作用会极大的放大银行系统的风险,而且违约传染效应是呈指数增长的。     

不同时变Copula-EVT-ES模型精度比较研究

结合EVT极值理论,构建了4类时变Copula模型,拟合了股指间的动态极值相依系数,并对各类资产组合进行了预期损失ES风险测度.通过Backtesting方法,对比研究了不同时变Copula-EVT-ES模型的风险测度精度.实证结果表明,在市场极端波动状况下,结合EVT极值理论的时变Copula-ES模型能够对资产组合尾部极值风险进行有效测度,并且对于空头头寸的风险测度效果优于其在多头头寸的表现.善于刻画变量间厚尾极值相依关系的时变tCopula-EVT-ES能够取得较好的组合风险测度效果,而对于二元资产组合,在高风险水平上,时变SJC Copula-EVT-ES模型也值得重点关注.     

基于时变高阶矩波动模型的 VaR 与 ES 度量

金融波动性建模经历了从常数高阶矩到时变高阶矩的发展历程． 文章扩展了现有的针对时变高阶矩波动模型风险测度效果的研究: 首先,以沪深 300 指数和其它世界股市若干重要指数为例,通过采用“从简单模型到复杂模型”的估计步骤,实现对时变高阶矩波动模型的估计,进而运用 Gram-Charlier 扩展分布获得对 VaR( value-at-risk) 和 ES( excepted shortfall) 两种不同风险测度的计算值; 然后,分别利用非条件覆盖检验( unconditional coverage test) 和基于自举法( Bootstrap) 的后验分析方法,实证对比了时变高阶矩和常数高阶矩两类模型的适用范围和精确程度．研究结果表明: 就所考察的若干指数样本而言,时变高阶矩模型不仅能够较好地刻画金融价格波动的整体动力学特征,并且总体来讲,在市场风险测度准确性方面也要优于常数高阶矩波动模型．     

条件自回归expectile模型及其在基金业绩评价中的应用

本文研究了日收益率之下开放式基金的业绩评价和检验问题,提出了改进的条件自回归expectile（CARE）模型并应用到基金业绩评价的问题研究中。首先运用非对称最小二乘法（ALS）对动态的CARE模型进行半参数估计,得到样本基金收益率序列的VaR值和ES值。其次,使用计算结果对样本基金的日收益率进行风险调整,得到基于VaR和ES修正的Sharpe比率。最后,在实证研究中,本文使用传统的Sharpe比率、基于VaR和ES的Sharpe比率对我国56只开放式基金在2005-2011年间的业绩进行了实证分析,结论显著证明了CARE模型在极端风险度量上更精确,在基金评价和检验中的应用中是可行的。     

欧债危机环境中资产组合ES模型比较研究

本文以中国上证综指、德国法兰克福DAX指数、美国S&P500指数为研究对象,分别运用DCC-GARCH及时变Copula-EVT模型建模,探讨了欧债危机爆发后股市间相依关系的变化状况。在此基础上,将三个股指收益两两组合,分别建立了各类模型假定下的资产组合预期损失ES模型,并通过后验分析方法,探讨了危机爆发后,各类ES风险模型测度精度的变化状况及对比结果。实证研究表明：欧债危机爆发后,时变Copula-EVT-ES的风险测度准确度明显高于DCC-GARCH-ES模型;边缘分布模型的选择对于时变Copula-EVT-ES模型的测度精度具有重要影响。综合对比分析发现,在金融市场极端波动的状况下,能够捕捉杠杆效应且善于刻画厚尾特征的时变t-Copula-AR（1）-GJR（1,1）-EVT-ES模型能够取得相对较好的风险测度效果。