基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。     

保险集团监管资本套利的理论与实证研究——基于CTE与VaR风险度量方法的分析

为加强保险集团监管,完善中国正在建设的第二代偿付能力管理体系,利用国际上应用广泛的CTE与VaR两种风险度量方法构建监管资本套利模型,对不同条件下保险集团套利策略进行理论研究。根据中国人民财产保险股份有限公司历史数据,运用R软件,首次对保险集团监管资本套利策略进行直观展示和实证检验。研究表明:监管资本套利可以为保险集团节约大量资本,但蕴含一定风险;若监管资本中考虑尾部极端风险,有利于降低监管资本套利风险。     

基于Cox过程的操作风险度量方法

文章讨论了操作风险的度量问题,将操作风险事件的发生假定为Cox过程--一种比Poisson过程更一般的计数过程,损失分布为广义帕累托分布(GPD),各风险事件的相关性由Copula来描述;分析了金融机构整体操作风险的度量.文章还讨论了模型中参数的设定与估计问题,为了使得模型可以在实际中应用,Monce Carlo模拟也给与了考虑.     

基于极值理论的股票VaR和ES测度

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.     

中国商业银行内部欺诈风险度量研究

作为巴塞尔新资本协议规定的七种操作风险损失类型之一,内部欺诈问题是中国商业银行的一个重大风险来源。以部分国内商业银行内部欺诈数据为样本,针对内部欺诈具有的低频率高损失的特点,借助广义Pareto分布（GPD）和对数正态分布对内部欺诈建立了一个风险度量模型,然后通过对尾部分布何时服从GPD进行检验,得到了精确的门限值,最后利用所建立的分布模型对内部欺诈类操作风险在险风险值、经济资本和最大可能损失进行了估计,说明了中国商业银行防范内部欺诈风险的重要性。     

基于分位数回归模型的证券市场风险研究

文章利用分位数回归模型对我国上证与深证市场进行实证研究表明,该模型能有效度量证券市场的在险价值,对证券市场的风险度量有助于投资者认识股市风险,将有助于投资者做出正确的投资决策。     

基于Factor-GARCH模型的动态VaR与CVaR度量及实证研究

动态CVaR作为投资组合的风险度量工具较动态VaR有很多优点,但同动态VaR的计算一样,随着投资组合资产数量的增加,计算难度迅速增大。通过改良Factor-GARCH模型,将其用于多种资产时变方差-协方差矩阵的估计,实现了降维的目的,克服了计算多元动态CVaR时的困难。实证研究表明,与动态VaR相比,动态CVaR作为一种更保守的风险度量工具,能准确反映投资组合的可能损失。     

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Wasserstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。     

基于流动性调整的期望损失研究

与传统VaR方法相比,期望损失是一致风险测度,满足次可加性,但忽视了资产的流动性风险.流动性调整在险损失虽然考虑了流动性,但传统VaR方法的不足限制了La-VaR的实际应用范围和效果.鉴于此,基于相对半价差,文章研究了如何将流动性引入期望损失,得到带有流动性调整因素的期望损失模型.并给出了计算La-ES的仿真算法.实证分析表明,一致性风险测度LaES既能够覆盖大部分极端风险,又表现的不太保守,是一种较好的风险度量工具.     

高斯连接函数在股票投资组合VaR计算中的应用

风险测量是金融理论与实践研究的一个重要课题,正受到越来越多的关注。Copula理论以能够有效地处理投资组合的风险和相关性而成为国内外研究的热点。文章通过实证运用Copula理论中的Gaussian连续函数来计算股票投资组合的在险价值(VaR)。结果表明:计算出的VaR能很好的反映投资组合的风险,同时计算也比较简单,处理起来也不显得复杂。     

在险现金流及其风险度量方法探讨

由于CFaR方法衡量的指标是商品价格及其金融价格等风险因素的变动对公司的现金流量或收益产生的影响程度,符合公司财务风险管理目标.因此,文章沿用VaR的计算方法和思路,对CFaR方法进行了分析,并对"CFaR的蒙特卡罗模拟法和方差协方差法"进行了详细的介绍和对比分析.     

基于广义双曲线SV模型的极值风险度量研究

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。     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

应用Bootstrap模拟技术的VaR计算与分析研究

比较估计VaR的方差一协方差方法、历史模拟法和MonteCarlo模拟方法，提出估计VaR的新模型和新方法。新模型把随机收益率分解成刻画收益率二阶矩特征的部分和刻画随机均值的正态部分。新方法使用Bootstrap模拟技术和MonteCarlo模拟技术计算VaR。实证分析表明，新方法计算的VaR在传统方法计算的VaR参考范围内。     

BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

相依结构、动态系统性风险测度与后验分析

本文利用Copula相依结构理论扩展和求解了现有的系统性风险测度CoVaR,以得到适用于不同类型常参数和时变参数Copula函数及不同分布假设的动态系统性风险测度。为了验证和评估模型设定的准确性与应用价值,我们构建了适用于该动态系统性风险测度CoVaR的严谨后验分析工具。除“无条件覆盖性”、“独立性”和“条件覆盖性”外,我们首次提出了“混合独立性”检验。基于中国14家上市商业银行的实证分析表明：中国上市商业银行与中国银行业之间的相依结构呈现多样化特征;无论是样本内还是样本外预测区间,我们的动态Copula-CoVaR模型能够有效地捕捉典型系统性风险事件;严谨的后验分析不仅需要检验系统性风险测度CoVaR,也需要检验条件事件的临界值VaR。     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

证券组合SGHD-EGARCH模型和VaR估计分析

文章在基于对称的广义双曲线分布计算VaR时与EGARCH模型结合在一起。在考虑收益的波动性的同时,对VaR残差的正态分布、t、GED、SGHD分布假设进行了比较研究,实证结果显示与正态分布、t、GED分布的结果进行了对比。SGHD能较好地拟合波动,准确估计和把握风险。     

人民币汇率风险的测度

文章引入极值理论对欧元/人民币和日元/人民币的收益序列尾部进行估计,发现收益序列尾部与广义Pareto分布拟舍得非常好;实证结果表明:期望损失(ES)在某些情况下能弥补在险价值(VaR)所具有的尾部风险.由返回检验的结果知,与历史模拟法和方差-协方差法计算的VaR相比,基于极值理论的VaR能更准确地度量欧元/人民币和日元/人民币的风险.     

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。