基于ARCH-Expectile方法的VaR和ES尾部风险测量

甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容。近十年,下端风险越来越受到关注,在险价值（Value at Risk,VaR）和预期不足（Expected Shortfall,ES）是资产组合风险管理中两个常用的风险度量工具。Kuan等^[1]在一类条件自回归模型（CARE）下提出了基于expectile的VaR度量-EVaR。本文扩展了Kuan等^[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小。同时给出了参数的两步估计算法,并建立了参数估计的大样本理论。最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的。     

可违约零息债券风险综合度量Monte Carlo方法

可违约零息债券同时面临着违约风险和市场风险(利率风险)这两类主要风险.相对于传统的不同类风险独立度量方法,也不同于割裂两类风险再进行加总或通过Copula函数关联,本文在信用风险强度定价模型的基础上,同时考虑信用风险、市场风险和两类风险之间的相关关系,建立了计算可违约零息债券综合风险VaR的Monte Carlo方法,得出同一个风险计算期下反映两类风险的损失分布和同一个某置信度的损失分布的分位点,进而能求得风险综合VaR值,这样可在同一个框架下同时捕捉可违约零息债券的两类风险,这里,给出了MonteCarlo模拟方法具体技术细节,包括违约时间和基础状态向量过程的模拟.最后运用本文的风险综合度量模型对短期融资券的综合风险进行计算,得出风险综合VaR值,并与利率风险独立度量VaR值和信用风险独立度量VaR值进行比较分析.     

基于非参数方法的银行操作风险度量

金融业全球化竞争和金融管制放松,导致商业银行面临的操作风险不断增加,操作风险已成为金融监管的焦点.因此,对商业银行和其它金融机构来说,可靠的操作风险度量正变得越来越重要.文章采用基于厚尾分布的非参数方法度量我国商业银行操作风险,给出了VaR的点估计方法和3种区间估计方法(正态近似法NA,经验似然法EL,数据倾斜法DT).此方法的优点在于不用假设操作风险损失分布,这样可以消除参数化模型设定差异而带来的估计偏差.同时,根据厚尾分布的特征,提出了新的厚尾分布样本均值求法,调整后均值更注重对尾部的描述和刻画.实证结果表明:调整后的厚尾分布样本均值大于简单算术平均值,更符合右偏厚尾的分布特征;非参数方法得到的VaR点估计和区间估计考虑了厚尾的因素,解决了传统VaR低估风险的问题,更接近真实情况;VaR 3种区间估计的方法能够提升对风险衡量的准确性,其中DT方法所得到的区间估计最为准确.     

基于广义谱和MCS检验的VaR模型预测绩效评估

件VaR模型的正确设定检验等价于检验均值化的“撞击序列”是否服从鞅差分序列,然而通常的反馈检验方法只检验了该序列的部分性质。采用对该鞅差分性质进行直接检验的广义谱检验方法,全面考察中国股票市场(香港恒生指数、上证综合指数和台湾加权指数)上各参数、非参数和半参数共22个VaR模型在采用滚动窗口预测机制时的样本外预测绩效。鉴于条件VaR模型正确设定检验无法反映超过某VaR水平的尾部风险信息,为避免极端损失的发生以及增加结果的稳健性,同时采用模型置信集检验方法。研究结果表明,采用通常的反馈检验方法常会得出错误的结论;在1%和5%置信水平,与历史模拟法、极值理论模型、CAViaR模型和CARE模型相比,误差项为t分布的GARCH模型族在金融危机期间具有较好的样本外预测绩效;涨跌停板制度对于选取预测绩效最优的VaR模型具有重要影响。     

VaR与CVaR的敏感性凸性及其核估计

风险价值（VaR）和条件风险价值（CVaR）是目前两大主流风险度量工具,如何准确地对它们进行估计是风险管理实践中首要而核心的问题。近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们在核估计的框架内讨论VaR和CVaR估计量的性质;给出投资组合VaR和CVaR对组合头寸的一阶导数向量和二阶导数矩阵的核估计公式,并用它们来讨论组合VaR和CVaR对组合头寸的敏感性和凸性。最后,我们利用中国外汇市场的实际数据做实证分析。     

非正态ARCH族模型的预测绩效和VaR度量研究

本文以上海证券综合指数为样本,在残差项服从正态和非正态假设下,分别进行ARCH建模,比较正态残差项和非正态残差项ARCH族模型对波动率的预测绩效和VaR度量效果,以揭示分布假设对GARCH模型预测能力和风险度量的影响.     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR的含义及计算方法,指出推测市场因子的波动情况是计算VaR的关键.通过对比GARCH和SV模型,得出SV模型更能刻画金融市场的实际特征.将随机波动SV模型应用于VaR的计算,最后作实证研究.通过与GARCH模型下的结果对比,说明基于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.     

基于GARCH模型和SV模型的VaR 比较

简单介绍了VaR 的含义及计算方法,指出推测市场因子的波动情况是计算VaR 的关 键. 通过对比GARCH 和SV 模型,得出SV 模型更能刻画金融市场的实际特征. 将随机波动SV 模型应用于VaR 的计算,最后作实证研究. 通过与GARCH 模型下的结果对比,说明基于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     

投资组合VaR及其分解

本文在简要介绍投资组合VaR的概念及计算方法后对组合VaR进行了具体的分解。在阐述了边际VaR、成分VaR和增量VaR之间相互关系的基础上给出了资产收益率为正态和非正态分布假设下这三种类型VaR的计算方法,从而为资产组合管理者提供了更多有关投资组合市场风险的信息。     

基于非线性分位数回归模型的多期VaR风险测度

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。     

基于非参数与L-Moment估计的股市动态极值ES风险测度研究

通过运用带宽非参数方法、AR-GARCH模型对时间序列的条件均值、条件波动性进行建模估计出标准残差序列,再运用L-Moment与MLE(maximum Likelihood estimation)估计标准残差的尾部的GPD参数,进而运用实验方法测度出风险VaR(value at Risk)及ES(ExpectedShortfall),最后运用Back-Testing方法检验测度准确性。结果表明,基于带宽的非参数估计模型比GARCH簇模型在测度ES上具有更高的可靠性;基于非参数模型与L-Moment的风险测度模型能够有效测度沪深股市的动态VaR与ES。     

Estimating Semiparametric ARCH(∞) Models by Kernel Smoothing Methods1

We investigate a class of semiparametric ARCH(∞) models that includes as a special case the partially nonparametric (PNP) model introduced by Engle and Ng (1993) and which allows for both flexible dynamics and flexible function form with regard to the “news impact” function. We show that the functional part of the model satisfies a type II linear integral equation and give simple conditions under which there is a unique solution. We propose an estimation method that is based on kernel smoothing and profiled likelihood. We establish the distribution theory of the parametric components and the pointwise distribution of the nonparametric component of the model. We also discuss efficiency of both the parametric part and the nonparametric part. We investigate the performance of our procedures on simulated data and on a sample of S&P500 index returns. We find evidence of asymmetric news impact functions, consistent with the parametric analysis.     

中国燃油期货市场的VaR与ES风险度量

近年来,我国燃油期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏。以上海期货交易所燃油期货价格指数为例,分别在多头和空头两种头寸状况以及5种不同分位数水平下,运用条件覆盖检验、非条件覆盖检验等后验分析方法,实证对比了不同风险测度模型对VaR和ES两种不同风险指标估计的精度差异。研究结果表明:在我国燃油期货市场的风险测度估计中考虑国际燃油价格波动因素有助于获得更为精准的风险测度精度;在综合考虑了模型对价格变化动力学的刻画效果以及对极端风险的测度精度等因素后,FIGARCH_CST-SST模型是一个相对合理的风险测度模型选择。     

Estimating Upper Confidence Limits for Extra Risk in Quantal Multistage Models

Multistage models are frequently applied in carcinogenic risk assessment. In their simplest form, these models relate the probability of tumor presence to some measure of dose. These models are then used to project the excess risk of tumor occurrence at doses frequently well below the lowest experimental dose. Upper confidence limits on the excess risk associated with exposures at these doses are then determined. A likelihood-based method is commonly used to determine these limits. We compare this method to two computationally intensive "bootstrap" methods for determining the 95% upper confidence limit on extra risk. The coverage probabilities and bias of likelihood-based and bootstrap estimates are examined in a simulation study of carcinogenicity experiments. The coverage probabilities of the nonparametric bootstrap method fell below 95% more frequently and by wider margins than the better-performing parametric bootstrap and likelihood-based methods. The relative bias of all estimators are seen to be affected by the amount of curvature in the true underlying dose-response function. In general, the likelihood-based method has the best coverage probability properties while the parametric bootstrap is less biased and less variable than the likelihood-based method. Ultimately, neither method is entirely satisfactory for highly curved dose-response patterns.     

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。     

风险价值方法及其实证研究

本文详细讨论了风险价值模型,并提出了两种新的计算方法即完全参数方法和半参数方法,它们本质上是历史模拟方法或参数方法和极值理论的结合运用。通过实证研究,表明该方法优于目前流行的RiskMetrics方法。     

Adjexpectile风险测度的性质、优化及资产配置的应用

金融风险的度量和识别是风险管理的重要内容,常用的风险度量工具是标准差、VaR、ES,但存在很多缺陷,expectile的提出弥补了这些不足,在理论界得到广泛的讨论和应用。本文扩展了expectile进行资产配置,提出Adjexpectile的概念,并讨论和分析了Adjexpectile的一致性风险度量、随机占优性、凸性,与标准差、VaR、shortfall的关系,风险贡献及风险分解的性质。通过对六个资产指数：上证国债指数、上证企业债指数、上证180指数、深圳100指数、深成长40p指数和黄金现货指数的复合周收益率数据进行组合优化配置,发现Adjexpectile在非对称性收益数据、组合前沿、风险分散方面具有一定的优越性。