基于VaR的金融市场风险管理

本文分析了当前我国金融市场风险的特点,应用近年来在国际上受到广泛重视的一种全新的风险管理工具"在险价值"VaR的基本思想,全面、系统地分析和测量了金融市场所存在的各种风险,并对基本模型的优缺点及应用作了详细分析,最后对VaR模型在我国金融市场风险管理的应用提出了实质性的建议。     

VaR方法在我国银行风险管理中的应用

VaR方法是目前国际上金融风险管理的主流方法之一,它利用数学工具计算金融市场的风险,可以有效规避市场风险,在金融领域中有着广泛应用.把VaR法引入我国的银行风险管理领域,对于我国的金融市场建设有着重大的现实意义.     

增量VaR(IVaR)方法在资产组合风险管理中的应用

本文运用增量VaR方法对一假定的投资组合的风险情况进行测量,借以说明在投资人对投资风险有一定要求情况下如何调整组合中股票的构成,来达到降低风险的目的.     

论VaR方法的产生

一、VaR的产生背景VaR(Value at Risk)方法产生的背景是市场风险对金融机构的影响日益增大。在70年代之前,市场风险对于金融机构的影响不是很大,然而随着布雷顿森林体系的解体,汇率、利率以及商品价格波动的日益频繁,来自市场方面因素的变动对金融机构以及公司的影响越来越大。出于防范风险的需要,金融衍生工具出     

VaR和CVaR在金融市场风险管理中的对比研究

一、引言 近二十年来,由于受经济全球化与金融一体化、现代金融理论及信息技术、金融创新等因素的影响,全球金融市场迅猛发展,金融市场呈现出前所未有的波动性,工商企业、金融机构面临着日趋严重的金融风险.金融风险不仅严重影响了工商企业和金融机构的正常运营和生存,而且还对一国乃至全球金融及经济的稳定发展构成了严重威胁.象巴林银行、大和证券等的损失,以及刚刚过去的东南亚金融危机,都为我们敲响了警钟.因此,金融风险引起了全球工商企业、金融机构、政策当局及学术界的密切关注,金融风险管理成为工商企业和金融机构经营管理的核心能力之一.     

VaR的不同计算方法的研究

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标。文章研究了VaR的各种计算方法,并利用实际数据对单个资产和投资组合的VaR值作了比较,说明了各种方法的优缺点和适用范围。     

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。     

投资组合风险管理中VaR模型的缺陷以及CVaR模型研究

本文对VaR和CVaR这两个风险度量进行了较充分的比较分析,参照了我国证券市场的实际情况,并考虑了交易成本,实际收益率的计算以及最小交易单位等因素,建立了CVaR资产组合优化模型,为如何制定合理的资产组合投资方案提出了新的思路.     

VaR模型后验测试的贝叶斯方法

本文提出了VaR模型后验测试的贝叶斯方法.以二项分布为参数统计模型,选取Beta分布为先验分布,给出了超参数的矩估计法.对于VaR模型的准确性检验,得到了贝叶斯因子和后验机会比的表达式.通过一个投资组合的实证分析,验证了本文所提方法的可行性与合理性.     

基于APARCH-Laplace模型的VaR和CVaR方法

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。     

基于Copula-GARCH方法的投资组合VaR计算

VaR 方法是金融市场风险测量的主流方法.Copula函数广泛的应用于风险管理、投资组合选择、资产定价等金融领域.文章选取五种代表性的Copula并结合带正态分布和学生t分布的GARCH模型描述金融数据,通过Monte Carlo模拟计算投资组合的VaR,并对各种模型的计算能力做了对比,发现Clayton Copula结合GARCH(1,1)-T的模型对VaR的估计最好.     

VaR方法在银行贷款风险评估中的应用

一、引言自从1993年国际清算银行(BIS)宣布为抵补市场风险而引入资本需求量以来,风险价值计量模型有了很大的发展。1995年BIS对它的市场风险监管计划进行了修正,允许一些银行在计算它们所面临的市场风险暴露值时可以采用自己的内部模型,不必一定使用管理当局推荐的标准模型,从而大大促进了内部 VaR模型的发展。欧洲(1997)与美国(1998)的一些大银行已经开始用它们自己的内部模型来计算贷款风险VaR暴露值,求出抵补市场风险所需的资本需求量。为此,本文拟探讨银行不流通贷款VaR暴露值的计算方法,并将贷款风险VaR暴露值同按8%的资本充…     

VaR方法在我国证券市场中的应用

一、VaR方法的基本原理 VaR(Value at Risk)按字面上理解是"按风险估价",VaR方法的创始人P.Jorion的定义为:"VaR是给定的置信水平和目标时段下预期的最大损失",通俗地说,VaR是一个统计数值,指一家机构面临正常的市场波动时,资产组合在未来某段时间内可能受到的最大损失,即损失超过VaR值的概率为一个很小的值.     

基于动态Copula方法的股票组合VaR估计

已有的使用动态时变Copula估计VaR的研究都仅限于考虑两个资产,对两个资产以上,Copula函数的参数过多,逐一设定参数的动态过程,将使模型复杂化,在计算上也不可行.为解决这一问题,文章使用条件Copula的概念,结合Engle的DCC方法,将椭球Copula的相关系数矩阵动态化,并将t-Copula的自由度设定为一动态过程的Logistic变换,由此得到的动态正态Copula和t-Copula可用于刻画两个以上资产相关结构的动态关系,进而可估计两个以上资产组合的VaR.文章还给出了一个经验应用.     

投资组合VaR分解及边际VaR的估计

0引言风险价值VaR(ValueatRisk)能对金融机构所面临的市场风险进行较准确的度量,是一种标准的新风险管理工具,它不仅在理论研究上取得了很大的发展,而且在风险管理中也得到了广泛的应用[1-2]。目前,国内外有许多金融学者投入于VaR方法的理论及应用研究中,并取得了很多成果,但这     

基于VaR方法的长寿风险自然对冲模型

随着死亡率的下降与预期寿命的提高,保险公司面对着不容忽视的长寿风险。基于VaR方法探讨了长寿风险管理中的自然对冲策略,然后在对中国男性人口死亡率预测的基础上,给出了保险公司自然对冲长寿风险所需的最优产品结构,并进一步考查了利率、签单年龄、缴费方式等因素对最优产品结构的影响。     

基于EMD的VaR估计方法及实证研究

文章提出了一种基于经验模式分解(EMD)的市场风险价值(VaR)估计方法。通过EMD将市场价格序列分解成不同波动特征的本征模态函数(IMF),以Hurst指数为判据将其重新组合为具有长期记忆性的主体部分和高斯噪声部分。利用神经网络预测主体部分的未来走势并对噪声部分进行方差分析,以此估计出市场的风险价值(VaR)。     

利用Bootstrap与核密度估计的方法计算VaR

根据历史数据估计收益率的分布来计算VaR是一种常用的方法.然而,过多的历史数据所构成的时间序列可能不独立同分布.文章选择离预测时间较近且相对较少的历史数据,使其通过BDS检验,再对其进行Bootsrap抽样,得到足够的样本,选择适当的核密度分布函数,从而算出VaR.经比较发现,这种方法算出的VaR比传统方法更准确.     

基于VaR方法的市场风险和信用风险的度量

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。     

基于随机模拟与g-h分布的VaR计算方法

在金融风险管理中经常需要对极端值进行统计分析,对变量极端值的分布拟合中g-h分布模拟法可以取得较好的效果.但该方法中参数的拟合一般是用分位数进行的,虽然很简便,却很难做到使四阶矩同时与目标分布一致.改进后的基于随机模拟的g-h分布参数拟合法已经被证明可以很好的解决这一问题.文章将这种改进后的方法用于VaR的计算研究,并通过对股票市场进行实证分析,证明该方法的对VaR的拟合效果优于历史模拟法、正态分布法,且比极值理论法更加方便、灵活和准确.