上海银行间同业拆放利率的风险测度

随着中国利率市场化进程的深化,利率风险将越来越大,同时上海银行间同业拆放利率将逐步成为中国的基准利率体系.在构建上海银行间同业拆放利率期限结构动态模型的基础上,首先利用风险值模型度量上海银行间同业拆放利率的风险值,然后进行后验检验,再利用期望损失模型度量上海银行间同业拆放利率的风险值,并时上海银行间同业拆放利率风险度量的风险值方法和期望损失方法进行比较分析.研究结果表明,无论从动态拟合效果,还是从风险度量的后验检验看,GED分布都优于正态分布和t分布,适合用于刻画上海银行间同业拆放利率序列的分布;上海银行间同业拆放利率序列具有均值回复特征和反杠杆效应;当风险值模型不能有效测度上海银行间同业拆放利率风险时,期望损失模型能部分克服风险值模型的不足,能有效测度实际损失风险.总的说来,APARCH-GED-VaR-ES模型可以较为准确地测度上海银行间同业拆放利率风险.     

厚尾分布情形下的信用资产组合风险度量

本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题.用多元t-Copula分布来描述标的资产收益率分布的厚尾性,同时将三步重要抽样技术发展到基多元t-Copula分布的资产组合模型中,拓宽和丰富了信用资产组合风险度量模型.同时,并运用了非线性优化技术中的Levenberg-Marquardt算法来解决重要抽样技术中风险因子期望向量估计.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差,从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合VaR值.     

混合泊松违约强度下信用资产组合风险度量

基于共同风险因子的相依关系转换为不同资产的违约示性函数的相依关系来刻画的思想,利用参数为Gamma分布线性组合的Poisson分布来描述不同资产的违约示性函数的相依关系,建立基于混合泊松分布的信用资产组合多因子的风险度量模型,并引入重要抽样技术到模型进行有效数值模拟计算,拓宽和丰富信用资产组合风险度量模型.进一步地,结合中国金融市场四个产业的数据把混合泊松分布应用到实证研究中.在模型的构建过程中,首先运用经典的结构模型和期权定价公式估计单个债务人的动态违约概率;再利用单资产动态违约概率得到混合泊松模型下每个资产的动态泊松强度;接着结合共同风险因子的值求得资产不同的因子载荷系数,该因子载荷系数反映了不同资产间的相依结构程度;最后,把重要抽样技术发展到混合泊松模型中,对由不同产业组成的信用资产组合的损失分布进行有效Monte Carlo模拟.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

基于Asymmetric Laplace分布的金融风险度量

金融资产的损益分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些风险特征,给出了市场风险VaR和CVaR度量的AL参数法和AL-MC法。选取上证指数、日经225指数及S&P500指数为研究对象,结合各股市的风险特征,给出了VaR和CVaR度量及其返回检验和准确性评价。结果表明,基于AL分布的风险度量模型具有其合理性和适用性,能很好地度量市场风险。     

AEPD、AST和ALD分布下金融资产收益率典型事实描述与VaR度量

金融资产收益率分布具有"尖峰"、"肥尾"、"有偏"、"非对称"等典型事实,传统的正态分布、t分布、SKST分布无法完全描述这些特征,影响了以收益率分布设定为基础之一的参数法VaR模型度量的效果。近年来,理论界提出了AEPD、AST、ALD等分布来改善对金融资产收益率分布的描述。本文以沪深300指数为例,比较和分析了这些分布对金融资产收益率典型事实特征的描述及其在VaR度量效果上的差异。研究表明并非捕捉金融资产收益率分布典型事实越多的模型测度风险的效果越好:AEPD、 AST、ALD分布能较好地描述金融资产收益率的典型特征,但是在风险度量效果上却只能证明AEPD、AST分布绝对优于正态分布,而与SKST分布相比无明显差异; ALD分布在度量空头VaR时效果甚至比正态分布更差,但在计算低分位水平下的多头VaR值时却明显优于其他分布。     

奇导协方差矩阵和任意收益率分布下均值-CVaR模型的有效边界特征

本文利用现代主流风险度量技术CVaR代替方差或VaR,建立了均值-CVaR模型,在任意收益率分布下,利用无套利均衡分析的方法研究了奇异协方差矩阵情形的投资组合问题,得到了模型有效边界的本质特征,最后作为结论的直接应用和说明,我们给出了一个具体的算例分析。     

股市回报率分布的厚尾性与风险估测模型的绩效探讨

当金融时间序列具有分布的厚尾性、波动的集聚性等特征时,传统的方法将难以胜任对风险的准确度量.除了讨论在厚尾分布下如何应用条件极值与无条件极值来度量风险外,还利用历史模拟、风险矩阵、条件正态模型等方法进行风险值估计,最后运用五项评估指标对各种模型的预测效果进行了比较分析.     

基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型--基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

基于ARIMA-GARCH模型和极值理论的中国股市风险价值度量

以极值理论为基础的风险值度量方法是最近发展起来的最为有效的方法之一,但在传统的单纯采用极值理论的建模过程中对误差项假定为独立同分布的白噪声过程,会对应用极值理论估算风险价值产生一定误差。本文以上证指数和深证成指为例,利用ARIMA-GARCH模型捕获股票收益序列中的自相关和异方差现象,对该模型中残差的条件分布的合理假定进行了实证分析比较,然后利用极值理论对经过ARIMA-GARCH模型筛选过的残差进行极值分析,估算风险价值。     

极端情况下对我国股市风险的实证研究

准确地度量风险是对风险进行有效管理的前提也是投资者做出合理的投资决策的基础,然而在极端事件频繁发生的情况下,传统的VaR计算方法难以准确地度量股市风险,极值理论却可以很好地解决这一问题。本文特别关注了由2007年美国"次贷" 危机所引发的全球金融危机爆发时我国股市的风险度量问题,考虑到全球股市间极端事件的联动效应,利用基于极值理论的POT模型对上证综指日收益率的尾部数据直接建模拟合分布,进而计算出风险值VaR和CVaR,通过比较危机前后的风险值,发现随着金融危机的到来,我国股市的风险有了一定程度的释放。     

基于ARIMA—GARCH模型和极值理论的中国股市

以极值理论为基础的风险值度量方法是最近发展起采的最为有效的方法之一,但在传统的单纯采用极值理论的建模过程中对误差项假定为独立同分布的白噪声过程,会对应用极值理论估算风险价值产生一定误差。本文以上证指数和深证成指为例．利用ARIMA—GARCH模型捕获股票收益序列中的自相关和异方差现象,对该模型中残差的条件分布的合理假定进行了实证分析比较．然后利用极值理论对经过ARIMA—GARCH模型筛选过的残差进行极值分析,估算风险价值。     

基于银行贷款组合风险的经济资本计量模型

本文运用保险精算思想，建立了经济资本计量模型，并阐述了经济资本计量模型在银行确定贷款组合风险中的应用。本模型对经济资本计量模型作了三点改进。其创新与特色一是对贷款组合的风险暴露数进行分段，在每一频段上分别确定风险暴露数分布，进而可以更准确的描述各笔贷款的风险暴露数。二是在确定风险暴露数分布时，用Г分布替代了传统的正态分布，解决了贷款违约的风险暴露数分布的厚尾问题，进而解决了大宗贷款违约的风险度量问题。三是确定违约频率时，用负二项分布来代替传统的泊松分布，解决了违约频率的方差通常要大于其均值的分布拟合问题。这样，改进后的经济资本计量模型在实务中可以更加贴切的度量银行贷款组合的风险。     

基于损失程度变化的CreditRisk+的鞍点逼近

传统的CreditRisk⁺模型在度量信用风险过程,假定违约损失是给定不变的,而近年的实证研究表明在实际的金融市场中违约损失是变化的。针对传统模型这一假设的不合理性,本文对模型作了发展。新模型充分考虑了违约时损失程度的变化,用β分布来刻画这种变化,并利用鞍点逼近给出了信用风险的度量,改进了传统递推算法的不足。最后进行数值模拟以说明方法的有效性。     

一致性风险价值及其在中国证券市场的应用研究

本文分析了VaR做为风险度量工具本身具有的缺点;行为金融理论要求风险度量必须度量下偏风险,要与投资者对信息的非线性反应相符;而收益率分布的实证研究要求风险度量要考虑收益率的尖峰厚尾现象.本文上将双曲分布用来模拟收益率实际分布,在此基础上计算CVaR,及其CVaR在中国证券市场中的应用.     

基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。     

信贷资产组合的异质性及其对信用风险损失的影响

本文结合Vasicek模型分析了信贷资产组合的异质性对信用风险损失的影响,并比较了模型中不同参数的异质性对损失的影响效果.分析结果显示,忽略异质性将对风险损失度量带来一定偏差,异质性对信贷组合的损失分布尤其是分布尾部具有较大的影响;较之信贷资产的行业相关性,违约率和违约波动率的异质性对损失分布的影响更为显著.     

概率预期下在线报童问题的最小风险策略

报童问题是库存管理中一个基本模型。已有的报童模型主要利用均值-方差方法和期望效用目标方法进行风险的描述和度量。这些方法假设需求分布信息已知,而实际中需求分布信息往往难以完全刻画。本文使用概率预期作为刻画不完全需求分布信息的格式,基于在线风险补偿的思想,为需求分布信息不完全的报童问题建立了最小风险模型。使用该模型设计了最小风险策略,使报童可以根据自己设定的不同收益和未来概率预期选择最优订购量。     

基于M-SemiA.D组合投资模型及对上海股市实证研究

马柯威茨的均值-方差(M-V)模型中以方差度量风险存在两个致命的缺陷,为了更精确度量风险,作者提出了半绝对离差(SemiA.D)概念,并以此对M-V模型进行改进。通过对上海有代表性的50支股票复权价进行分析,我们得到:在每个期望收益率水平上,基于M-SemiA.D模型的投资组合都优于M-V模型中的投资组合,并且有效投资组合满足两基金分离定理。