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。     

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.     

一致性风险测度下的VaR和CVaR对比研究

文章在一致性风险测度理论和谱风险测度理论下比较了vaR与CVaR性质的优劣,得出CVaR在性质上优于VaR的结论.同时也指出VaR在损益满足椭圆分布时具有CVaR同样的性质,因此VaR仍然可以描述尾部风险.此外,文章还进一步地探讨了在实际应用中VaR和CVaR的监管问题.     

金融风险度量VaR与CVaR方法的比较研究及应用

风险价值(VaR)是近年来受到国际金融界的广泛支持和认可的一种度量金融风险的工具。文章指出了风险价值(VaR)模型两个重大的缺陷,并对它和条件风险价值(CVaR)金融风险度量模型进行了详细的介绍和对比分析,给出了它们的共同点和CVaR在投资组合应用中的优势,结合中国金融市场的实际情况,指出CvaR在中国金融市场中应用应注意的问题,对其应用前景提出了新的思路。     

基于Copula的资产组合风险价值模拟方法

文章以VaR或CVaR作为度量风险的指标,建立了一种基于Copula函数的资产组合风险价值模拟方法,并对该方法的参数估计和计算过程进行了详细分析.     

金融危机背景下的我国外汇储备汇率风险动态研究

本文利用DCC-MGARCH模型结合风险价值VaR和条件风险价值CVaR描述了次贷危机前后我国外汇储备的汇率风险,发现在次贷危机后,VaR和CVaR均大幅增加,且CVaR作为风险衡量工具更加谨慎,同时得出:提高美元比重,可以降低外汇储备的汇率风险;欧元、日元、英镑出现剧烈波动是次贷危机以后外汇储备汇率风险大幅增加的主要原因。     

基于重尾分布的商业银行市场风险VaR计量研究

文章运用具有重尾特征的Weibull分布来描述商业银行风险资产的损失率,根据VaR的计算原理,得到了市场风险VaR的明确计算公式.并且对VaR的影响因素进行敏感性分析,找到了VaR与置信水平和风险资产损失率的尾部之闻的关系.最后结合损失率的历史数据,给出了VaR的计算实例.     

考虑非线性交易费用的CVaR优化模型及实证

文章在考虑非线性交易费用情形下构建M-CVaR模型,并利用滤波历史模拟法生成收益率情景数据,用二次函数近似实际的交易费用函数,通过分支界定算法对M-CVaR组合选择模型进行实证分析.研究发现,交易费用的存在会减少投资组合的收益,在给定的收益水平下,VaR是小于CVaR的,随着风险的增大,CVaR和VaR差会变小.随着置信度的增大,无论是VaR还是CVaR值都会增大.     

基于VaR的我国商业银行信用风险管理

一、VaR的含义VaR可以比较全面地衡量各种金融市场风险,并能提高传统金融风险管理工具的敏感性和波动性分析的精确度,因而得到国际金融界的广泛认可。V aR的定义是:在正常的市场条件下,一定持有期Δt和一定置信水平α下,某种投资组合P可能的最大损失,用数学公式表示为:Prob(ΔP     

基于Pearson Ⅳ分布的VaR与CVaR估计

基于GARCH模型,用Pearson Ⅳ分布拟合标准残差,给出一种更为精确的VaR和CVaR计算方法.重点研究在Norm-GARCH、t-GARCH与GED-GARCH模型下,用原分布和Pearson Ⅳ分布计算VaR的比较,结果表明,用Pearson Ⅳ分布计算VaR都能得到比原分布更小的失败率,且在三种模型之下用Pearson Ⅳ分布计算VaR结果很接近,都能通过检验,所以选择最简单的Norm-GARCH模型就可以;基于此,研究在Norm-GARCH模型下,用正态分布和Pearson Ⅳ分布计算CVaR,并与VaR进行比较,结果表明,用Pearson Ⅳ分布计算VaR和CVaR的失败率都远远小于由正态分布所得到的失败率,特别在VaR估计失效的交易日里,用Pearson Ⅳ分布得到的CVaR均值与实际损失均值非常接近.因此,Pearson Ⅳ分布能很好地刻画金融数据的特征,相对其他分布而言是一个很好的选择.     

基于VaR和CVaR风险控制下的M-V投资组合优化模型

文章以风险价值(VaR)和条件风险价值(CVaR)分别作为约束条件,结合均值-方差模型,得到了新的最优投资组合模型,并利用我国的股票市场进行了实证分析,验证了新模型的有效性,为制定合理的投资组合和控制风险提供了一种新的有效途径。     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。     

市场风险资产损失服从Pareto分布的VaR计量

目前VaR模型是测量和管理商业银行市场风险的主流方法.运用VaR的计算原理,利用Pareto分布描述风险资产损失的尖峰厚尾特征,得到市场风险资产VaR计算公式,并且分析了VaR的影响因素,最后利用历史数据进行VaR的实例计算.     

KODA的结构、风险特征与定价研究

文章对被称为金融毒品的衍生品KODA(也称累计期权)进行了深入研究,在解析KODA结构特征的基础上,采集汇丰控股股票近3年价格数据,应用Monte Carlo方法,对KODA的损益分布进行了模拟分析,给出了该产品的风险度量指标VaR和CVaR,并给出了KODA的期初价格.实证分析结果表明KODA的损益分布具有典型的尖峰厚尾、左尾损失分布宽、右尾盈利分布窄的特点;风险大且对标的资产的收益与波动非常敏感;,KODA的期初价格不接近零.结论表明KODA确实是一个结构复杂、风险极高且盈利有限,产品设计不合理的金融衍生品,不适合作为套期保值的工具.     

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CVaR风险度量的投资组合优化决策

投资组合优化问题依赖于风险度量方法和投资组合收益率分布函数的选取。针对收益率通常不服从多元正态分布以及均值—方差模型低估了投资组合发生重大损失的风险,文章利用多元广义双曲线分布来拟合投资组合收益率,从而更加灵活地捕捉收益率数据的偏态和尖峰厚尾特征;使用CVaR代替方差和VaR来度量金融资产重大损失风险,进而建立均值—CVaR投资优化模型。实证研究结果表明,相对于均值—方差模型,均值—CVaR能够更好地反映投资组合收益率分布,提高投资者控制投资风险的能力。     

运用GARCH族模型在不同分布下对深证综指的VaR分析

一、VaR方法和GARCH族模型(一)VaR方法简介按照PhilippeJorion的经典定义,VaR是在一定的置信水平下和一定的目标期间内,预期的最大损失。用公式表示就是:Prob(△P相似文献   

基于遗传算法的上证指数一致性风险动态度量方法

一、引言 继VaR之后,一致性风险度量已成为金融风险领域一个新的研究热点.一致性风险度量之一的谱风险测度,包括了迄今所提出的几乎所有的一致性风险度量(CVaR、ES等).与VaR、ES相比,目前关于谱风险测度的计算方法较少,如样本情形下的离散计算方法、功能函数法等,然而,这些都是静态分析方法.     

均值-CVaR投资组合有效边缘的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量增加时投资组合的均值-CVaR有效边缘.探究了其经济含义,并与方差风险下的均值一方差边界进行了对比研究.可以发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管.     

资产数量减少情形下CVaR投资组台的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量减少时投资组合的均值-CVaR有效边缘,探究了其经济含义,并与方差风险下的均值-方差边界进行了对比研究.我们发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管.