系统性风险度量CoES的建模和检验

本文结合极值理论(Extreme Value Theory,EVT)和新的动态混合Copula(Dynamic Mixture Copula,DM-Copula)函数,提出了一种新的CoES估计方法DM-Copula-EVT。在EVT建模中,本文改进了阈值的选取方法以避免选择的主观性,并提出了一系列新的动态混合Copula以更好地刻画金融市场日益复杂的尾部关联性。此外,本文首次提出了检验CoES模型设定正确性的后验分析方法,包括无条件覆盖性检验和条件覆盖性检验。将本文建模和检验方法应用于我国金融市场,研究发现:相对于传统使用的t分布,EVT能更好地拟合指数的尾部分布;新的动态混合Copula函数能更好地刻画金融部门与系统之间的复杂关联性。     

考虑期货的电力市场竞价风险分析

文章将GARCH-EVT-Copula组合模型应用于电力市场,以EVT刻画收益率的尾部分布,采用GARCH模型来度量电价资产收益率的波动性和异方差性,Copula函数反映电价现货市场与期货市场相关性,并以每天同点时刻数据建模,对现货与期货交易并存的北欧电力市场发电商竞价动态风险进行了实证分析。并应用Kupiec失败频率检验方法对竞价风险模型进行评估,分析表明:t-Copula连接函数能体现资产相关性,能更准确度量考虑期货的发电商动态竞价风险。     

资产相关结构对投资组合风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础,用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES。结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险。     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

基于GARCH和EVT的金融资产风险价值度量方法

本文主要根据极值理论(EVT)适合描述金融资产收益的厚尾分布和GARCH模型适合描述金融资产收益时间序列动态变化特性的优点,建立一种基于GARCH模型和EVT模型的风险价值度量方法。并通过中国证券市场实际数据对本文建立的模型进行验证。     

再保险业务风险分布特征的实证分析

再保险人的整体风险管理能力、水平和行为将直接影响再保险公司的整体风险管理绩效以及整个保险市场的稳定。本文使用极值理论模拟了再保险业务的风险分布特征,比较了成数再保险和非比例再保险业务风险分布的差异,认为再保险业务损失分布不服从正态分布,具有厚尾性;成数业务损失分布具有均值大、方差小的特点,而非比例业务损失分布的均值较小,但方差较大;在高置信水平条件下,非比例业务的风险损失率远远大于成数业务。因此,再保险公司应当大力发展非比例再保险业务,并增强资本实力,积极拓展业范围,在国际市场上分散风险。     

金融资产投资组合的风险度量研究

文章在运用TGARCH模型过滤金融资产的波动时变性和杠杆效应之后,利用半参数GPD模型刻画了每一个资产标准残差的边际分布函数,并用Copula函数连接各个边际分布函数建立了联合分布函数。样本内、样本外检验结果表明:该模型能够较好地度量市场风险,可达到理想的风险管理效果。     

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的我国商业银行整体风险度量

全面风险管理是金融机构风险管理的最新发展方向,它衡量了一所金融机构在同时面临多种风险情况下的整体风险水平.度量整体风险水平需要将各种风险进行整合,但是金融机构面临的风险不仅种类各异,风险之间交互影响的相关关系更是难以刻画.在已知各种风险边缘分布的前提下,copula函数在进行风险整合、构建整体风险分布方面有许多优良特性.文章采用Copula函数方法,对我国商业银行面临的市场风险、信用风险和操作风险进行整合,并得到银行整体风险水平的一个度量.     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。     

基于g-h分布的极值风险度量研究

依据ARMA-GJR模型构造标准残差序列,利用EVT模型拟合标准残差序列的尾部特征,进而确定样本阀值,最后结合g-h分布建立一种新的金融风险度量模型———基于ARMA-GJR-EVT-g-h的动态VaR模型。用该模型对上证综指进行实证分析,结果表明,该模型能够更合理有效地管理上证综指收益的风险,并且在高的置信水平上表现更好。     

再保险策略下的理赔总额近似分布研究

短期聚合风险模型中,关于保险公司总损失(理赔总额)分布的研究非常丰富。而对于在一定再保险策略下,原保险人与再保险人理赔总额联合分布的近似问题,可先采用平移伽马分布来估计原保险人和再保险人理赔总额的边际分布,再运用椭圆型连接函数(Copula)刻画其相关性结构。     

基于Copula的企业整体风险测度

企业不同部门间由于资金流动和业务交叉,其部门间风险存在着显著的相关性,Copula函数适于测度由于风险相关性而引致的组合风险.利用Copula函数测度组合风险,在选择各部门收益率的边际分布时,考虑到金融数据的条件异方差、波动聚集性等特点,选取GARCH类模型用以描述边际分布.     

非参数核密度估计在恒生指数收益率分布中的应用

文章采用了一种新的方法--非参数核密度估计,对恒生大盘指数的收益率分布函数进行了研究.这种新方法不仅很好地刻画了收益率分布的尖峰肥尾等非线性特征,而且比一般的正态分布更能捕捉市场的风险特征,结论也更加准确.     

基于分层阿基米德Copula的金融时间序列的相关性分析

与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前,运用ARMA-GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则,认为完全嵌套的Gumbel型HAC能更好地刻画这种相关性。     

基于Copula方法的信用利差与市场风险相关性度量

文章以沪深300指数作为市场风险的代表,以不同等级不同期限的企业债券信用利差作为信用风险的代表,分析了信用风险与市场风险的相关性,然后采用Copula方法研究信用利差与市场风险的相依结构.实证结果表明:信用利差与市场风险存在一定的正相关,其相依结构可以用Frank Copula函数较好地来刻画.     

多项式风险的期望贴现惩罚函数

文章提出了马氏环境下相关多险种的多项式风险过程,总索赔及各类险种间索赔次数服从泊松-多项式分布,同时引入环境过程刻画随机因素对索赔大小及索赔次数的影响,利用Lund-berg基本方程,文章得到了期望贴现惩罚函数Laplace变换的表达式,在初始环境状态给定,初始资金为0时,得到了的期望贴现惩罚函数的确切表达式,推出了破产瞬间盈余及破产赤字贴现的联合密度函数及相应的边缘密度.     

基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

金融数据多峰性的刻画：基于交易量加权的非参数估计

一、金融资产收益率的多峰性自从Granger&Orr(1972)指出时间序列存在尖峰、厚尾和长记忆性现象,国内外众多学者对比进行了实证研究。封建强和王福新(2001,2003)利用几种不同的分布函数来刻画收益率分布,并且利用Paretian分布和t分布来拟合沪深股市的收益率分布。但是,正如作者所指出,Paretian分布和t分布都不能很好描述收益率数据。其实,Kim D,Kon S(1994)早就指出用参数模型t分布或正态混合,虽然能描写高峰与厚尾,但是难于捕捉波动的时变性。依赖于二阶矩存在的ARCH类模型通常用来刻画收益率波动的集聚特性。如,陈敏、王国明、吴国富…     

基于Pair-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的基石,风险管理是社保基金保值增值的关键问题之一。提出pair—copula—GARCH—EVT模型以测度社保基金投资组合风险,与传统的n维。copula—GARCH—EVT模型相比,该模型不仅考虑了维数的影响,而且还能灵活地选择copula的类型。实证研究发现,基于pair—cOpula—GARCH--EVT模型测度社保基金投资组合风险的准确性要高于传统的copuIa--GARCH--EVT模型。