投资组合VaR及其分解

本文在简要介绍投资组合VaR的概念及计算方法后对组合VaR进行了具体的分解。在阐述了边际VaR、成分VaR和增量VaR之间相互关系的基础上给出了资产收益率为正态和非正态分布假设下这三种类型VaR的计算方法,从而为资产组合管理者提供了更多有关投资组合市场风险的信息。     

具有VaR约束的跟踪误差投资组合鲁棒优化模型

本文在跟踪误差投资组合优化模型基础上,考虑投资组合的风险价值VaR和收益的不确定性,建立了具有VaR约束的跟踪误差投资合鲁棒优化模型。以国内证券市场为背景,运用线性矩阵不等式(LMI)方法进行了实证计算,并与基准组合、跟踪误差投资组合模型和无VaR约束的跟踪误差投资组合鲁棒模型的投资结果进行了比较。实证结果表明,在给定证券集的条件下,具有VaR约束的跟踪误差投资组合鲁棒优化模型优于其它模型。     

VaR与CVaR的敏感性凸性及其核估计

风险价值（VaR）和条件风险价值（CVaR）是目前两大主流风险度量工具,如何准确地对它们进行估计是风险管理实践中首要而核心的问题。近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们在核估计的框架内讨论VaR和CVaR估计量的性质;给出投资组合VaR和CVaR对组合头寸的一阶导数向量和二阶导数矩阵的核估计公式,并用它们来讨论组合VaR和CVaR对组合头寸的敏感性和凸性。最后,我们利用中国外汇市场的实际数据做实证分析。     

股指期货套利交易的风险度量——基于沪深300股指期货交易数据的实证分析

以Copula理论和VaR方法作为实证分析工具,根据我国股指期货市场的实际交易情况,对套利投资组合的风险进行量化分析。根据我国股指期货市场的实际交易情况,针对套利交易中的期现套利、跨期套利、跨市场套利和跨品种套利这四种基本交易策略展开全面分析,并基于实证得到的投资组合VaR值,衡量了在不同策略下套利投资组合的风险。同时,将其与基于二元正态分布和样本数据得到的VaR值进行比较。这填补了我国在股指期货套利组合风险度量方面的空白,具有重要的理论价值和现实意义,对我国当前的股指期货套利交易的风险管理起到了一定程度的补充和启示作用。     

股市风险度量的VaR方法综述

在险价值(Value at Risk,简称VaR)是度量风险的一种普遍工具,越来越多的金融证券机构采用VaR方法测量市场风险。本文对VaR方法的定义和计算方法及VaR方法在股市风险度量上的应用进行了综述,并对VaR的应用提出了意见和看法。     

期望效用视角下的风险对冲效率

与传统文献将风险下降比率作为风险对冲效率指标不同,本文引入期望效用理论来比较最小方差对冲策略、最小在险价值(VaR)对冲策略和最小条件在险价值(CVaR)对冲策略的对冲效率,从而将人们的风险态度同对冲策略选择联系起来,以实现不同风险态度的投资者选择不同风险对冲策略的目的。借用风险中性效用函数、二次效用函数和CARA效用函数,本文严格证明:在这三种对冲策略中,最小方差对冲策略过于保守,最小VaR对冲策略最为激进,风险厌恶程度大的投资者偏好最小方差对冲策略,风险中性投资者和风险厌恶程度小的投资者更偏好最小VaR对冲策略,最小CVaR对冲策略介于二者之间。     

基于Copula的外汇投资组合风险分析

本文简要介绍了Archimedean Copula,并运用Archimedean Copula给出了确定两种外汇最小风险(VaR)投资组合的方法。并用这个方法,对欧元和日元的投资组合做了相应的风险分析,得到了二者的最小风险投资组合,并对不同置信水平下VaR和组合系数做了敏感性分析。     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

RaR决策:一种新的投资决策方法

在VaR(风险价值)的基础上,提出了RaR(风险收益率)的概念,通过分析正态分布和极值分布情况下的RaR计算结果,得出了RaR与期望收益及风险之间存在一种线性关系的结论.基于此,提出了一种新的投资决策方法,发现这种方法可以替代传统的效用函数决策法来进行投资决策.最后,利用这种新方法对投资组合的选择为例,说明了这种方法的可行性.     

基于VaR收益率约束的贷款组合优化决策模型

本文以贷款的收益率为金融资产的收益,以贷款收益率的波动为标准反映贷款风险,在VaR约束下,以拉格朗日乘子法为工具求二次规划,建立了在既定组合收益范围内,组合风险最小的贷款组合优化决策模型。该模型的特点一是以收益率最大损失的形式、而不是收益额的形式来反应VaR,使组合决策分析更为方便。二是考虑了风险之间的相关性,用组合VaR的收益率最大损失来控制贷款收益率的风险限额;使贷款的分配直接反映了商业银行的风险承受能力。三是在合理的目标收益范围内,给定任意一个决策者期望的收益率,总能找到对应的风险最小的贷款组合,由此模型求出的有效边界,为组合贷款的优化决策提供了科学的方法。     

基于存量与增量全部组合风险最小的贷款优化决策模型

以0-1规划为工具,以VaR风险控制为约束条件,建立基于存量与增量全部组合风险最小的贷款优化决策模型,模型综合反映贷款存量组合累计风险对贷款决策的直接影响,合理地考虑贷款存量组合与贷款增量组合的关系,真正地控制银行全部贷款组合风险,改变现有研究仅优化增量贷款组合的现状,开拓金融资产组合优化理论的新思路;将VaR作为防范贷款风险的一道防线,用组合的VaR来控制贷款收益率风险限额,直接反映商业银行的风险承受能力;在贷款组合过程中,使用上下界限制,使商业银行既能较好地进行风险控制,又可以充分利用贷款头寸,使贷款总额保持阶梯型分布,这样商业银行可以尽量做到负债到期时有相应数量的资产相互匹配.     

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.     

基于GJR-GARCH的VaR模型及其在上海证券市场的实证研究

针对风险价值VaR的一般参数方法都是对称的,其在处理非对称时间序列时存在着局限性,本文提出了非对称的VaR计算模型,并以上海证券市场为对象进行了实证研究,结果表明基于非对称的VaR计算模型优于对称的VaR计算模型。     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

基于幂风险谱和蒙特卡洛模拟的贷款优化配置模型

极端风险对于银行资产配置至关重要,尤其是次贷危机之后尾部风险以惨重的代价引起了金融机构的重视,传统条件风险价值CVaR、风险价值VaR不能有效度量尾部极端风险,因此本文基于幂风险谱和蒙特卡洛模拟构建了贷款组合优化配置模型,同时控制尾部极端风险和信用风险。本文一是通过损失-X_i越大、其风险权重φ_i也就越大的思路,构建幂风险谱PSR （Power Spectral Risk）最小的目标函数对极端风险进行控制,即弥补了CVaR同等看待尾部风险、忽略风险较大的损失应予以更大权重的不足,也同时弥补了VaR仅提供某一置信水平下资产损失的最大值、无法反映一旦超过这一数值的可能损失的弊端。二是通过蒙特卡洛模拟信用等级迁移引起贷款收益的变化情景,并以信用等级迁移后贷款组合损失越大、则风险厌恶权重越大的思路构建幂风险谱PSR最小为目标函数,以贷款组合的收益大于目标收益为约束,构建贷款优化配置模型,改变了现有研究贷款配置时没有同时控制信用风险和尾部风险的不足。对比分析结果表明：本文模型能够实现更高的收益风险比,即在单位幂风险谱PSR下能够实现较高的收益。     

基于Expected Shortfall的投资组合优化模型

Expected Shortfall(ES)是目前市场风险估值的新型工具,被用来估计VaR(Value-at-Risk)的尾部风险.介绍了ES的概念,给出了MEAN-ES模型,并对基于ES的组合优化模型的特性进行了分析.结果表明,与均值-方差模型相比,MEAN-ES模型有着更多的优点.     

基于SWARCH的VaR及压力测试值的一致性估计

风险值 (VaR) 与压力测试都是衡量金融资产价格波动风险的重要工具.为了考虑市场在不同状态下报酬率分布的结构性变化,引入波动性状态转移的ARCH(SWARCH)模型对波动性进行描述,使 VaR 与压力测试值能够在统一的样本数据和框架下得到一致性的估计.此外,SWARCH模型还同时考虑了金融市场波动性、波动性状态和状态概率的时变性,使 VaR 与压力测试值的估计具有很好的灵活性.以上海股市为样本进行了实证分析,验证了基于SWARCH模型能够得到 VaR 与压力测试值的一致性估计.     

我国上市公司配股价格与二级市场VaR关系的实证分析

(一)引言在险价值VaR(Value-at-Risk)是近年来国外兴起的一种金融市场风险管理工具,旨在估计给定金融产品或组合在未来资产价格波动下可能的或潜在的损失。它是在市场正常波动情况下对证券组合可能损失的一种统计预测。根据P.Jorion的权威定义,VaR是在一定的概率水平(置信度)下     

金融市场典型事实下的风险价值计算及其检验

金融市场典型事实(Stylized facls)的不断涌现,至少表明了有效市场假说并非实际市场波动机制的完美表述.因此,建立在有效市场理论基础之上的主流市场风险(Market risk)测度技术也就无法准确刻画实际市场的波动和风险状况.本文首先提出了对市场风险测度最具价值的三类典型事实,并以上证综指和若干世界主要股市指数为例,探讨了典型事实波动特征下的风险价值(VaR)计算方法,并通过对不同模型假定下所计算的VaR进行规范的后验分析(Backtesting),实证对比了不同波动模型的适用范围和精确程度.     

基于VaR—GARCH模型对我国基金市场的实证分析

文章通过采用GARCH(1,1)模型,对基金指数的日收益率波动进行模拟,计算VaR值,并引入RAROC(风险调整资产收益)方法比较了各年基金指数的风险。结论表明,应综合使用VaR和RAROC指标考察基金市场的风险和收益。