动态条件下基于VaR的银行资本优化模型研究

本文建立了动态条件下包括操作风险在内的基于VaR的银行资本优化模型.模型研究表明,银行在VaR报告期末如果出现例外,违约仍然有可能发生并且银行的资本对于覆盖相应的罚金是不充足的.在动态条件下,银行监管当局的力度越大,客观上会促使银行持有更多的资本要求.     

基于VaR的商业银行资本优化配置模型研究

银行资本管理是商业银行风险管理的核心,文章运用vaR方法,结合银行资产负债结构,建立了包括银行交易成本、经营策略和风险偏好的银行资本优化配置模型.并时模型进一步分析得出一些技术性结论,银行管理部门在一定的风险期限内设置的置信水平在严格的银行模型假设条件下,风险资产回报的变化受到最佳权益资产的影响,银行资产负债的最佳数量受到资产回报波动性的影响,基于VaK的最佳银行资本要求依赖于银行的资产负债政策和市场因素,为银行资本优化配置管理提供了理论支持和方法指导.     

银行监管与银行风险策略

本文在Merton(1974)假设资产价值遵循几何布朗运动的分析基础上,通过引入银行的监管机制,从四个方面分析了银行面对高低两种不同类型风险的资产组合进行选择时,银行的监管强度对银行风险策略选择的相互影响关系。在VaR监管约束下,银行监管当局的审查强度和强加的银行关闭阈值使银行承担风险的激励弱化,通过引入恐慌因子,使银行资本要求变得更为风险敏感。     

基于DCC—MVGARCH模型的证券组合VaR测度与拓展模型

运用多元的DOC-MVGARCH模型方法对股票投资组合进行VaR测度,并与J.P.Morgan银行采用的IGARCH模型计算结果进行对比.结果表明,在测度VaR方面,无论在1%或是5%置信水平下,DCC-MVGARCH模型均优于单变量IGARCH模型.以DCC-MVGARCH模型测度的VaR为基础,把峰度、流动性风险因素纳入VaR模型框架后,发现拓展后的VaR模型预测风险能力显著增强,在所有拓展模型中,同时考虑了内生性、外生性流动性风险的LAVaR3模型表现最优.     

VaR方法在银行贷款风险评估中的应用

一、引言自从1993年国际清算银行(BIS)宣布为抵补市场风险而引入资本需求量以来,风险价值计量模型有了很大的发展。1995年BIS对它的市场风险监管计划进行了修正,允许一些银行在计算它们所面临的市场风险暴露值时可以采用自己的内部模型,不必一定使用管理当局推荐的标准模型,从而大大促进了内部 VaR模型的发展。欧洲(1997)与美国(1998)的一些大银行已经开始用它们自己的内部模型来计算贷款风险VaR暴露值,求出抵补市场风险所需的资本需求量。为此,本文拟探讨银行不流通贷款VaR暴露值的计算方法,并将贷款风险VaR暴露值同按8%的资本充…     

基于广义CoVaR模型的系统重要性银行的风险溢出效应研究

本文基于我国16家上市商业银行的股票日收益率数据,通过分位数回归估计广义CoVaR模型,即将CoVaR模型的条件由q分位点下的收益率等于VaR推广至最多等于VaR.在此基础上分别度量了上市商业银行对整个金融市场体系和上市商业银行对其他上市商业银行的风险溢出效应.结果表明,全国性商业银行的系统性风险普遍高于地方性商业银行,而各个上市商业银行之间的风险溢出效应具有显著的差异.     

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.     

中国股市动态VaR计量模型分析

风险测量是现代金融活动的中心。近年来,新兴的VaR测量方法已成为国际上风险管理的主流方法。文章介绍了利用GARCH模型的VaR计算方法,并比较了基于不同分布假设的4种GARCH模型计算的VaR值,并得出以下结论:证券市场收益率具有强烈的GARCH效应和非正态分布性;基于GARCH-T的VaR估计值在给定的显著性水平下能够有效地度量金融资产的风险。     

投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定，随着投资组合规模的扩大，其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点，基于ICA的投资组合动态VaR风险度量方法和计算步骤，克服了多元非正态条件下VaR测算上的困难。实证研究表明，与EWMA模型法、MGARCH模型法相比，ICA法能够准确地度量投资组合动态VaR。     

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。     

全流通条件下中国上市银行资本成本的估算

以<商业银行资本充足率管理办法>的资本分类为基础,将商业银行资本划分为权益资本、债务资本和混合资本三类,给出确定三类资本的估算模型,使用加权平均资本成本、剩余收益等模型对全流通条件下实行股权分置改革的五家银行三类资本的市场价值、资本成本进行了详细估算.     

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。     

尾相关Copula在操作风险计量中的应用

新巴塞尔协议明确地提出,把商业银行操作风险纳入风险量化和监管领域.针对操作风险损失数据所具有的厚尾性及不同损失类型之间的相关性,文章应用尾相关Copula函数分析我国商业银行各类操作风险之间的相关性结构,运用极值理论的POT模型有效地捕捉损失的厚尾性,进而构建计算操作风险总体VaR值的尾相关Copula模型.研究表明,与传统计量模型对所有损失的VaR值进行简单加总相比,该模型能够有效地降低VaR,且降幅为1O％以上,这让银行有效地降低了计提的监管资本,增加了资金的流动性.     

VaR方法在我国银行风险管理中的应用

VaR方法是目前国际上金融风险管理的主流方法之一,它利用数学工具计算金融市场的风险,可以有效规避市场风险,在金融领域中有着广泛应用.把VaR法引入我国的银行风险管理领域,对于我国的金融市场建设有着重大的现实意义.     

投资组合选择的均值-风险价值模型研究

文章以风险价值(Value at risk,VaR)作为风险度量,建立了投资组合选择的均值-风险价值模型.在资产收益率服从联合正态分布的假设下,研究了置信水平对最优组合和有效边缘的影响,同时分析了持有期对它们的影响,给出了全局最小VaR组合存在时置信水平和持有期的阈值,从而得到了有效边缘存在的条件.进一步研究了全局最小VaR组合与全局最小方差组合的关系,结果表明如果全局最小VaR组合存在,则一定位于均值-方差有效边缘上,且位于全局最小方差组合的上方.     

基于RiskMetrics模型的单个期货合约保证金比例设计

为了规避价格波动风险,期货交易所应该采取动态保证金设置方式。本文对单个期货合约的日收益序列建立了基于RiskMetrics的VaR模型,用滚动样本预测下一交易日的VaR值,而LR检验表明所建立的VaR模型能较好地测度价格波动风险。因此,下一交易日保证金比例可以设置为预测的VaR值和所规定的涨跌停板率的最小值,这样就能以相应的概率抵御该交易日价格波动带来的风险。     

基于参数分布VaR的中间业务组合风险分析

一、参数分布的VaR法 VaR(Value at Risk)作为一种新的风险管理方法,近年来得到了全世界各主要银行、投资公司、企业及金融监管机构的广泛认可和支持.VaR是指在给定的置信水平(1-α)和目标时段下预期的最大可能的损失(或最坏情况下的损失),即Prob(△P＞VaR)=1-α.它不仅可以用来评估和管理个别资产或资产组合的风险,还可以将其纳入到金融机构进行审慎性监管的框架之中.估算VaR,需要考虑基本时间段长度和置信水平.     

偏态t分布下FIGARCH模型的动态VaR计算

针对金融时间序列多是有偏分布和"长记忆性"的特征,讨论偏态t分布下分数维GARCH模型的动态VaR测算问题.在分析正态分布、学生t分布、广义误差分布下和偏态t分布的基础上估计模型参数,得出了动态VaR,并进行了失败率检验.实证结果表明:基于偏态t分布下的FIGARCH模型测算的动态VaR值克服了其他分布假设上的不足,能够较好地反映金融收益率的实际风险,并在该分布下的Pearson吻合度检验也证实了模型分布选择的正确性.     

因子GARCH-M模型在VaR中的应用

一、因子GARCH-M模型和VaR(Value at Risk)的计算 本文中我们采用因子GARCH-M模型来研究风险价值VaR值.这种方法吸取了因子模型(Factor model)和条件异方差模型(ARCH)的优点.     

平稳序列的GPD模型在风险测度中的应用

文章旨在运用极值理论提高VaR的适用性和估计的精确度.VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性.然而,经典的极值模型要求金融时序服从独立同分布条件.考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR.实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性.