风险测量方法VaR及其修正模型

VaR由于其概念简单易于理解,成为目前市场上通用的衡量市场风险的指标.文章介绍了风险度量指标VaR的概念及方法,指出了VaR的两大缺陷;还介绍了它的两个修正模型CVaR和CDaR的概念及其计算方法,并比较了它们的优缺点.     

我国证券市场风险的度量——基于VaR方法的实证研究

VaR方法是目前国际上评价市场风险的重要方法,用该方法研究我国的股票市场,可以为投资者控制市场风险提供有效的参考指标.文章运用VaR的基本方法对我国沪市十只股票进行了实证分析,同时对这十只股票构成的投资组合的市场风险也做了进一步的测算.     

VaR原理及其在风险管理中的应用

风险价值(VaR)作为一种测定市场风险的工具,受到了国际金融界的广泛支持和认可.根据VaR的基本原理,介绍了计算VaR的历史模拟法、蒙特卡洛模拟法、参数法及半参数法,比较了各种计算方法的优缺点及适用条件,最后指出应用VaR衡量市场风险时需注意的问题.将VaR方法引入中国金融风险管理领域,能为金融机构和投资人提供一种行之有效的市场风险管理工具,也能为金融监管部门提供一个风险管理的标准,对我国的金融市场建设有着重大的现实意义.     

市场风险与流动性风险整合风险度量研究

整合市场风险与流动性风险有利于投资者全面管理风险,度量交易时所面临的风险。针对市场风险与流动性风险的时变性、异方差性和尾部特点,利用GARCH-EVT 方法进行建模。在此基础上利用三类二元阿基米德Copula 函数对两类风险的相关结构进行考察。结果表明:中国股票市场中个股的市场风险与流动性风险在上尾与下尾相关性加强,并具有对称性。基于上述相关结构特点对两类风险进行整合并利用VaR 模型进行度量,结果显示:该度量模型优于传统VaR 模型和不考虑两类风险相关结构的VaR 模型。     

金融市场风险与VaR方法

随着全球金融一体化、自由化进程加速,金融资产市场化、可交易化程度不断加深,金融市场风险逐渐成 为金融机构和其他经济主体面对的主要风险之一。基于VaR方法的市场风险测量理论和技术,为测量金融市场风 险提供了统一的框架和指标,成为金融市场风险管理的主流方法。本文遵循VaR方法的基本框架,对利用VaR进 行金融市场风险测量、管理所涉及的基本理论和实证问题,展开研究和讨论。     

基于厚尾分布的市场风险测度

20世纪70年代以后,以布雷顿森林体系为标志的固定价格体系的崩溃,以衍生金融工具的爆炸性增长为标志的金融创新,以及金融市场全球化使得金融市场的波动性日益加剧,市场风险己经成为金融风险最主要的形式。市场风险管理技能已成为金融机构获取竞争优势的核心能力之一。而VaR模型这样一种对市场风险的定量工具。传统的VaR计算假定收益率服从正态分布,而实证研究表明收益率具有尖峰厚尾性。在此研究的就是具有尖峰厚尾特征的分布的VaR计算。本文分为五章:第1章介绍金融风险、金融风险管理的基本概念和基本理论。第2章介绍风险价值(VaR)模型。简述了VaR产生的历史背景、VaR的计算原理和VaR的三类方法。第3章对中国股市的尖锋厚尾性进行实证分析。第4章研究具有尖锋厚尾性的分布的VaR计算。本章介绍了修正威布尔分布,通过中国股市的实证研究,得出了基本可以认为收益率服从修正的威布尔分布,并在此基础上构建基于修正威布尔分布的VaR计算方法。第5章对全文结论进行总结,并对今后研究进行了展望。     

基于GARCH模型的VaR度量证券投资基金风险实证研究

相对于度量金融资产风险的各种波动性方法和灵敏度方法,VaR方法以其概念简单易懂、关注下行风险和可计算复杂投资组合的风险等优点成为国际上广泛采用的先进风险度量方法。但计算VaR有许多不同的方法,针对不同的资产或资产组合找到合适的VaR计算方法是应用VaR的关键问题。分析证券投资基金的统计特征和风险特性,采用厚尾分布和GARCH模型来计算其VaR值,通过比较得出GED分布假设下的GARCH模型方法是所分析的几种VaR计算方法中的最优方法。     

流动性与风险管理：一个基于二元t分布GARCH估计方法的L_VaR模型

VaR已是风险管理领域金融机构量化风险的主流方法,但传统的VaR模型一直未很好地将流动性风险纳入其考量范围。文章通过引入非流动性指标,构建了一个简单的经流动性风险调整的VaR模型,VaR估计方法采用二元t分布GARCH模型。对我国股市实际数据计算发现,流动性因素对VaR值的影响较大,而且持仓规模越大,影响越大。该模型对风险管理具有很好的参考价值。     

VaR方法及其在中国股票市场的风险度量研究

近年来,国际金融市场利率与汇率动荡起伏,科学技术的迅猛发展以及金融管制的放松导致银行面临着前所未有的市场风险,风险管理已经成为重要内容.在各种衡量金融风险大小的方法中,VaR(Value at Risk,风险价值)法最受金融界的重视.VaR模型结果一目了然,能够提供管理者一个确定的量化指标,并且计算方法较简单.具有极强的可操作性.它不仅用于银行自身市场风险的防范,还可以协助银行监管机构进行监管和测量资本充足率.     

基于状态转换的风险分解VaR模型研究

VaR的度量涉及到资产组合的未来市场因素分布、波动性以及定价三个方面。针对传统CAPM和GARCH方法的不足,作者提出了市场指数及证券(组合)分别服从独立的马尔科夫状态转换过程下的风险分解VaR模型——SSRM模型。模型能够分别呈现市场的系统风险和个股特有风险,在方法上允许市场指数、证券(组合)分别存在波动性的突然跳跃。凸出特点是既综合考虑了市场和特定资产的关系,又考虑了资产和市场风险的时变性特征。实证显示模型较经典的GARCH-β模型在VaR估计方面有显著优势。