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.     

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。     

基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

基于g-h分布的极值风险度量研究

依据ARMA-GJR模型构造标准残差序列,利用EVT模型拟合标准残差序列的尾部特征,进而确定样本阀值,最后结合g-h分布建立一种新的金融风险度量模型———基于ARMA-GJR-EVT-g-h的动态VaR模型。用该模型对上证综指进行实证分析,结果表明,该模型能够更合理有效地管理上证综指收益的风险,并且在高的置信水平上表现更好。     

基于Cox过程的操作风险度量方法

文章讨论了操作风险的度量问题,将操作风险事件的发生假定为Cox过程--一种比Poisson过程更一般的计数过程,损失分布为广义帕累托分布(GPD),各风险事件的相关性由Copula来描述;分析了金融机构整体操作风险的度量.文章还讨论了模型中参数的设定与估计问题,为了使得模型可以在实际中应用,Monce Carlo模拟也给与了考虑.     

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.     

我国证券市场的风险度量

金融资产收益率序列具有典型的尖峰厚尾特征,影响着人们对极端事件的判断与预测,这种现象已引起越来越多学者的重视,而描述这种特性需以合适的概率分布函数为基础,因此,寻求更好的概率分布函数对风险度量具有十分重要的意义,文章将广义双曲线分布及其子类应用到中国证券市场,采用VaR、ES和Omega三个风险度量指标计算其尾部特征,得到了较好的拟合结果.     

关于国际原油价格风险价值的分析与计算

分别将GAKCH模型与极值理论(EVT)中的两种模型基于极值指标改进Hill估计的半参数模型和基于广义帕累托分布的完全参数模型相结合,对国际原油价格进行分析与计算,得到动态VaR,并进行检验,经过检验可知,基于极值指标的改进Hill估计的半参数方法效果更好.     

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。     

人民币汇率风险的测度

文章引入极值理论对欧元/人民币和日元/人民币的收益序列尾部进行估计,发现收益序列尾部与广义Pareto分布拟舍得非常好;实证结果表明:期望损失(ES)在某些情况下能弥补在险价值(VaR)所具有的尾部风险.由返回检验的结果知,与历史模拟法和方差-协方差法计算的VaR相比,基于极值理论的VaR能更准确地度量欧元/人民币和日元/人民币的风险.     

非寿险精算中的数据尾部拟合与保费厘定

文章讨论了极值分布对非寿险精算中损失数据尾部的拟合和保费厘定方法,并进行了实例计算。研究表明:必须对应用极值分布的条件进行检验;对门限值确定的三种方法中自适应选择算法是较好方法;广义帕累托分布参数MLE估计能得到比较精确的估计结果。文章还给出了非寿险损失的超赔再保险纯保费的计算方法。     

基于MCMC方法的GARCH模型参数估计

参数GARCH模型是最常用的度量金融市场波动性的模型.运用马尔科夫蒙特卡罗(MCMC)方法对残差基于正态分布的GARCH(1,1)的参数进行估计,由沪市股指收益率数据的实证分析结果表明:基于马尔科夫蒙特卡罗(MCMC)方法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力.     

广义Pareto分布尾部厚度的分析与应用

极端值模型是准确估计"厚尾"分布金融资产回报市场风险的有力工具.主要有分块样本极大值模型(BMM)和阈顶点模型(POT).文章对阈顶点模型中广义Pareto分布尾部厚度和应用进行分析.结果表明,当0<ε≤1时,分布的尾部厚度为"厚尾"且随着形状参数的增加而变厚,此时最适合于金融资产时间序列"厚尾"分布建模.     

上海银行间同业拆放利率ES风险度量研究

随着基准利率地位的不断变化,上海银行间同行业拆放利率（SHIBOR）市场风险管理对金融机构将会越来越重要。然而同正态分布相比而言,SHIBOR收益率变量具有偏态等特征。提出采用广义双曲线分布来拟合收益率序列。为了解决参数估计难的问题,提出利用强有力的EM算法对于解决像包含Bessel函数这样复杂、具有大量局部最优解的优化问题,具有很现实的意义,同时利用蒙特卡罗模拟方法来计算广义双曲线分布下的VaR值、ES值,最后讨论广义双曲线分布在SHIBOR市场风险度量中的应用。     

股票收益率波动和极值关系研究

一、引言股票价格的巨幅波动一直是国家监管部门、金融理论研究者和投资者关注的热点,而股价的波动又和股票收益率分布的尾部密切相关。已有许多学者从事有关收益率尾行为的研究,但是大多数采用的是统计极值理论方法,在利用这种统计方法分析处理收益率数据的过程中,存在几个方面的缺陷:(1)仅仅对超越一定门限的收益率数据(极端收益率)拟合广义帕雷托分布,对于其他数据弃之不用,因而对于研究收益率的波动来说,损失了样本数据中有用的信息,则基于该方法对股票收益率波动的统计推断具有很大的不确定性[1-3];(2)没有考虑股票收益率时间序列的相…     

比特币市场风险测度的实证研究

文章通过实证分析提出比特币市场价格风险测度体系,从比特币收益率序列的分布、波动性以及是否存在杠杆效应方面着手,在t分布和GED分布假设下,建立Garch(1,1)模型、Egarch(1,1)模型、Tarch(1,1)模型和Parch(1,1)模型,选择合适的模型估算99％和95％置信水平下的比特币风险的VaR值,并采用Kupiec方法对VaR模型进行了返回检验.结果显示,比特币市场价格波动剧烈,具有尖峰后尾特征,不存在杠杆效应,而GED分布的Garch模型是计算比特币市场风险的最合适模型.     

基于APARCH-Laplace模型的VaR和CVaR方法

针对我国证券市场收益率分布所表现出来的尖峰厚尾性,文章采Laplace分布刻画收益率分布,建立一种新的风险度量模型:APARCH-Laplace,并用实证分析证明了Laplace分布与正态分布相比,拟合数据较好。模型准确性检验表明用Laplace分布刻画收益率分布所计算的风险度量更有效。     

金融市场中幂率分布特性研究

在金融市场的风险管理中,VaR(value-at-Risk)已经成为最重要并广泛应用的风险度量工具之一,VaR与收益率分布的尾部密切相关.在有效市场理论下,收益率成正态分布.……     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。     

金融资产极端日收益率数据的统计极值研究

一、极端收益率数学模型1.极端收益率数据的广义Pareto分布拟合定理假设)Xn,是独立同分布随机变量序列,