基于汇率回报厚尾性的外汇期权组合非线性VaR模型

为了克服多元厚尾分布情形下的非线性VaR数值计算的困难.本文将重要抽样技术发展到多元t-分布情形下的外汇期权组合非线性VaR模型中,通过对市场变量回报分布进行概率测度的指数变化,在相应区域产生更多的样本,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率.数值结果表明该算法比常用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.     

基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.     

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.     

人民币外汇期权套保策略:基于随机规划模型

本文建立了基于离散情景树的国际资产配置多阶段随机规划模型,形成了包含整体风险控制和后验优化风险再调整的外汇期权组合风险综合管理机制;在此基础上系统研究了人民币外汇期权的套保价值及最优套保策略,并与外汇远期的套保效果进行了比较.实证研究表明,根据本文模型确定的最优策略,人民币外汇期权组合对冲汇率风险的效果显著优于外汇远期,能够有效降低财富损失并提升盈利空间;通过综合管理外汇期权组合风险头寸,套保组合在不确定环境中的风险应对能力得到显著改善,由此实现盈利能力和风险控制的有效匹配.     

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。     

基于实物期权的项目组合投资决策研究

基于项目投资决策的可延迟性特征,将实物期权的决策灵活性思想引入到企业的投资组合决策中,建立了基于实物期权的0-1整数规划模型.模型以项目的期权价值最大化作为投资组合项目选择的标准,通过项目组合投资时机的灵活安排,实现了项目组合的总投资价值最大化.     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

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。     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

基于Copula-AL法的VaR和CVaR的度量与分配

金融资产收益率的实际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特征,结合Copula函数技术来描述资产间的相关性结构,研究了市场组合VaR和CVaR的度量和分配。选取上证指数和深圳成指的组合为例,计算了组合风险及其分配。结果表明,基于t-Copula-AL模型的VaR、CVaR法计算简单准确,且能方便地进行风险分配。     

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。     

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。     

VaR-APARCH模型与证券投资风险量化分析

基本统计分析发现,上证综合指数回报率分布存在尖峰肥尾性,不服从正态分布,并且还具有杠杆效应。本文应用APARCH模型在三种分布假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与应用GARCH模型的估计结果进行比较分析。通过返回检验,我们发现,APARCH应用于VaR估计是统计有效的,并且明显优于GARHC模型。     

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.     

混合椭球分布下证券组合的尾部条件方差

由于风险价值、条件风险价值等下方风险度量没有考虑尾部数据的变异性,因此在刻画极端金融风险方面存在一定的缺陷。为了更好地控制尾部极端损失的发生概率,我们选择用尾部条件方差来刻画这种极端风险,即超过风险价值的那部分损失的方差。考虑到混合椭球分布在金融数据建模中的重要性,本文在这类分布下研究了证券组合的尾部条件方差,得到了证券组合尾部条件方差风险的精确表达式,为了验证本文的结果,我们也进行了一些数值计算及在最优投资组合方面的应用研究。     

双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析

GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上,基于上证综合指数和深圳成份指数的日收盘价序列,从证券投资风险量化的角度,引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标,比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示:偏t分布能较好描述沪深股市的厚尾特征;在较小的VaR水平下ARFIMA(2,d₁,0)-FIAPARCH(1,d₂,1)-skt模型对股市波动风险具有较强的预测能力,而ARFIMA(2,d₁,0)-HYGARCH(1,d₂,1)-skt对股市的涨跌趋势具有较强的预测能力。     

展望理论的权重函数与证券收益率分布

证券收益率的概率受到投资者主观判断概率的影响,从而形成“尖峰厚尾”等形态特征。在展望理论的权重函数的基础上,建立了收益率分布主观概率模型,对收益率分布的“厚尾分布”、中部形态及整体形态特征进行了理论推导。并利用深圳证券市场的441支股票的实际收益率分布的概率形态进行了实证分析,实证检验的结果与提出的模型所推导的特征性质得到了一致的吻合。