全球股指现货和期货市场极端风险溢出检验

文章选取全球范围内七对典型的股票指数及其指数期货自2007年10月8日国际股票市场大跌至2008年11月14日的日度数据,运用基于GED分布的GARCH模型估计了这些市场5%和10%风险水平下的指数下跌的条件VaR,并利用Hong(2001)提出的风险-Granger因果检验方法分析了相对应市场之间的风险溢出效应.实证结果表明,期货市场是股票指数主要的信息来源,起着重要的价格决定作用.     

基于GED-GARCH模型的中国粮食价格波动特征研究

文章建立ARCH族模型分析了2000年1月至2013年7月的粮食价格波动特征,对GED分布、t分布和正态分布下的ARCH族模型估计结果进行对比,研究表明:粮食价格具有明显的"尖峰肥尾、非正态"的特征;假设价格收益率均值方程的残差序列服从正态分布时的AIC、SC值最大,而在GED分布条件下AIC、SC值最小,估计出来的GED参数值小于2,验证了残差序列有典型的"尖峰肥尾"特征;大米价格和大豆价格具有明显的波动聚集性,小麦和玉米价格则没有明显的ARCH效应;大豆市场存在高风险高回报的特征,同时存在明显的非对称性特征,相比于价格下跌信息的冲击,价格上涨信息带来的冲击要大得多.大米市场既不存在高风险高回报的特征,也不存在"杠杆效应".     

VaR和GARCH类模型在证券投资基金风险计量中的应用研究

本文将当前金融领域刻画条件异方差最典型的GARCH模型及其衍生模型TARCH，EGARCH，PARCH等，引入VaR的计算，分别在正态分布、t-分布和广义误差分布（GED）假设下，进行了实证研究，刻画了基金波动的焦聚性、杠杆效应、尖峰及厚尾特征，有效度量了基金风险。结果表明该方法具有重要的经济应用价值。     

参数法、半参数法的动态VaR模型风险度量

文章采用参数法和半参数法,分别考虑标准化收益在GED、SGT、GPD分布下以及FSH方法下的GARCH模型、EGARCH模型和PGARCH模型的风险测度的准确性,据此组建了12种风险测度的动态VaR模型,并采用道琼斯股票市场指数和上证指数进行实证分析.对收益率进行基本统计分析发现两个股票市场的收益率都不服从一般的正态分布.运用后验测试的方法,对所有模型的样本外预测动态VaR值采用LR、LR.和DQ三种方法综合检验,并由损失函数值可以看出:GARCH模型的风险度量能力最弱,在置信水平99.5％下,EGARCH模型最准确,在置信水平95％下,PGARCH模型最准确;GED分布描述市场的准确程度相对最弱,在较高的置信水平下,半参数模型能更好地度量市场的风险,在较低的置信水平下,参数模型能更好地度量股票市场的风险.     

股指期货操作的风险度量及管理策略

文章利用VaR-GARCH模型分别时SP500指数期货和恒生指数期货操作面临的风险进行了研究.分别运用基于GED分布和T分布的GARCH模型估计了两个市场95%和99%置信水平下的上涨和下跌的条件VaR.研究发现,对于SP500指数期货和恒生指数期货基于GED分布和T分布的VaR-GARCH模型都是充分的:股指期货市场在不同的时期面临的风险水平不同,仍存在因波动率阶段性差异产生的系统性风险:多空双方的风险暴露不对等,空头头寸的交易结算保证全水平通常要高于多头头寸持有者,这是由于双方的交易方向不同造成的.     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

基于杠杆效应SV模型和EGARCH模型VaR的比较

文章通过对比EGARCH和杠杆效应SV模型,发现杠杆效应SV模型更能刻画金融市场的实际特征。将杠杆效应的随机波动SV模型应用于VaR的计算,并作实证研究。通过与EGARCH模型下的结果对比,得到基于杠杆效应SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平。     

杠杆效应与沪市在险价值（VaR）的计算—基于GARCH-t、EGARCH-t和TGARCH-t模型的比较

通过比较EGARCH-t、TGARCH-t、GARCH-t模型计算沪市在险价值的效果,得到：1、沪市存在杠杆效应,并对沪市在险价值的产生重要的影响,忽略杠杠效应,就会低估沪市的风险;2、仅通过拟合分布特征不能准确地计算沪市的VaR,为了准确计算VaR,还必须考虑沪市的杠杆效应;3、EGARCH-t模型不仅具有较好的分布拟合能力,而且能够有效地刻画杠杆效应,因而更适合于沪市在险价值的计算,且计算出的VaR也比较准确、可靠。     

质押存货长期价格风险测度模型的构建

文章描述了金融时间序列的一般特征,分析了质押存货市场收益率统计特征,从收益的波动性与分布出发,组建了计算长期时变风险价值的VaR-GARCH族模型。以场外现货交易为主的钢材(φ16HRB335)日数据为例,数值实验对比了t分布、GED分布下GARCH(1,1)模型对波动率的刻画能力。通过失效率检验法则对模拟质押期内多风险窗口的风险值进行回测,对比分析了基于独立正态分布假设Risk metrics模型与厚尾分布下的VaR-GARCH(1,1)模型。     

中国股票市场收益率与波动性的阶段性研究

本文以上海综合指数和深圳成分指数为研究对象,用GARCH(1,1)-M模型对两市的波动性与市场报酬之间的关系进行了分阶段研究,同时分析了涨跌停板交易制度对波动性的影响.通过TARCH(1,1)模型来检验我国股市是否存在"杠杆效应",结果表明,沪深两市均存在显著的"杠杆效应",即报酬与波动呈负相关.     

证券组合SGHD-EGARCH模型和VaR估计分析

文章在基于对称的广义双曲线分布计算VaR时与EGARCH模型结合在一起。在考虑收益的波动性的同时,对VaR残差的正态分布、t、GED、SGHD分布假设进行了比较研究,实证结果显示与正态分布、t、GED分布的结果进行了对比。SGHD能较好地拟合波动,准确估计和把握风险。     

基于广义双曲线SV模型的极值风险度量研究

在金融风险的度量中,拟合分布的选取直接影响到风险度量的精度问题。针对金融收益序列的动态变化,在SV模型中引入广义双曲线学生偏t分布(SV-GHSKt)拟合金融收益序列的尖峰厚尾、不对称以及杠杆效应等特征,通过马尔科夫蒙特卡洛模拟的方法将收益率序列转化为标准残差序列,然后用极值理论的POT模型拟合标准残差序列尾部分布,进而建立一种新的金融风险度量模型———基于SV-GHSKt-POT的动态VaR模型。用该模型对上证综合指数做实证研究,结果表明,SV-GHSKt-POT的动态VaR模型能很好地模拟金融收益序列的尖峰厚尾性、波动集聚性及杠杆效应,并且能够合理有效地提高风险测度的精度,尤其在高的置信水平下表现更好。     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

中国西部大城市商品房价格下方风险的测度

文章运用在险值(VaR)理论的三种模型方法,以重庆、成都为典型城市,采用2005-2012年两市商品房价格指数数据估计重庆、成都两市的商品房市场价格下方风险的在险值水平.研究发现,重庆、成都两市的商品房价格指数收益率具有一定的地域同步效应;整体而言,重庆市的商品房市场价格下方风险要略高于成都市的下方风险;回溯测试结果表明,面对市场极端变化值,并不存在完美的在险值计算模型.     

激进型投连险收益率波动特征及投资风格研判

文章以特定激进型投连险账户为研究样本,基于2004~2014年间的日交易数据,运用GARCH族模型对其收益率波动特征进行检验,并对其投资风格进行研判。研究发现,GED分布设定下的ARMA(1,1)-GARCH(1,1)模型拟合效果最佳;该收益率具有波动聚集、高风险高收益以及长记忆等特征,与我国股票市场具有杠杆效应特征不同,杠杆效应特征并不显著;此外,通过建立DCC-GARCH模型对其投资风格进行研判,发现该收益率与上证综合指数收益率的动态条件相关系数为正且较高,这印证了其激进型的投资风格。     

中国农业生产资料价格的波动特征研究——基于GED分布下EGARCH-M模型

运用X12-ARIMA模型、HP滤波法和基于GED分布下的EGARCH-M模型对中国农资价格波动的一些主要统计特征进行了拟合分析,结果表明:农资价格波动存在显著的季节效应;考察期间农资价格呈现出5个波动性周期,平均周期长度在48个月左右;农资价格波动还存在显著聚集性和非对称性,但其市场并没有表现出高风险高回报的特征;相较于正态分布,GED分布能更好地对模型进行估计和描述中国农资价格的波动特征。     

中国行业指数收益率与人民币汇率动态联系实证分析

本文在控制了Fama-French三因素以及流动性风险因素基础上。通过人民币汇率与股价的Threshold-GARCH效应检验及基于广义残差GED模型的建立，从行业的角度实证分析中国股市与汇率波动的关系；实证结果表明样本期部分行业存在汇市到股市的价格溢出效应，但价格溢出效应不能反映行业进、出口依存度等特征；同时还检验到行业股指收益存在显著ARCH与GARCH效应，并且具有很强的波动持久性；而且部分行业门限系数显著异于0，表明存在显著的杠杆效应。     

基于GARCH族模型的VaR与CVaR值的实证与应用

文章以港交所H股指数期货的收盘价格数据作为实证载体,研究在正态分布、T分布和广义误差分布下GARCH、EGARCH及PARCH模型的VaR值和CVaR值,经过比较和检验,其结果显示:一、三种分布对结果拟合最好的是广义误差分布GED;二、在VaR值预测失效的时候,CVaR值仍然能够比较准确的预测结果,对CVaR值的测量效果最佳的是基于GED分布的PARCH模型。     

基于Copula-GARCH方法的投资组合VaR计算

VaR 方法是金融市场风险测量的主流方法.Copula函数广泛的应用于风险管理、投资组合选择、资产定价等金融领域.文章选取五种代表性的Copula并结合带正态分布和学生t分布的GARCH模型描述金融数据,通过Monte Carlo模拟计算投资组合的VaR,并对各种模型的计算能力做了对比,发现Clayton Copula结合GARCH(1,1)-T的模型对VaR的估计最好.     

中国银行间同业拆借市场利率波动模型研究

利用中国银行间同业拆借市场1996年12月29日至2008年5月30日全部拆借品种每周加权平均利率，对正态分布、t分布和GED分布下的GARCH模型族进行对比分析，构建出衡量利率波动的ARMA—GARCH模型。结果显示中国银行间同业拆借利率（CHIBOR）序列杠杆效应不明确；拆借利率分布对模型拟和结果影响较大。t分布不适合描述中国银行间利率序列的分布状况。GED分布能更好刻画同业拆借利率序列的分布状况，并且在GED分布下，EGARCH模型较GARCH和TARCH模型更适合描述中国银行间同业拆借利率序列。