基于极值理论的股票VaR和ES测度

近年来VaR(Value at Risk)和ES(Expected Shortfall)已经成为金融界普遍接受并逐渐广泛应用的风险测度方法.VaR可以定义为:一定的概率水平下,证券组合在未来特定一段时间内的最大可能损失.VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数,较准确测量由不同风险来源及其相互作用而产生的潜在损失,适应了金融市场发展的动态性、复杂性和整合性的趋势.但VaR本身仍存在一些不足,一是没有考虑到尾部风险,即损失超过VaR值的风险;其次,不是一致的风险度量工具.Artzner(1997)提出了Expected Shortfall (ES)的概念,ES度量损失超过VaR的损失期望值,它是一致的风险度量工具.     

居民家庭金融资产风险与宏观经济波动的协动性关系研究——基于GARCH-M模型的风险度量方法

居民家庭金融资产组合不仅存在风险,而且风险会随着居民持有不同金融资产的比重、家庭外部宏观经济的波动而变动。通过构建GARCH-M模型,引入宏观经济变量(GDP增长率、CPI、利率),并计算在险价值VaR,分析宏观经济指标波动与家庭金融风险的协动性关系。研究认为,家庭金融收益主要受利率影响,家庭金融风险主要受GDP和CPI影响,而且家庭金融风险具有集聚性,并会影响利率的变化。     

分位数回归在风险管理中的应用

VaR已经成为金融风险度量的重要工具之一,近几年获得了重大的发展,计算VaR常用的方法主要有3种:历史模拟法HS(Historical Simulation)、方差-协方差法(Variance-Covariance Method)和蒙特卡罗模拟法MC(Monte CarloSimulation).分位数回归模型是针对解释变量的条件分位数来建模的,而资产组合的VaR实质上就是分位数,所以我们采用分位数回归模型来对VaR进行估计.     

VaR模型后验测试的贝叶斯方法

本文提出了VaR模型后验测试的贝叶斯方法.以二项分布为参数统计模型,选取Beta分布为先验分布,给出了超参数的矩估计法.对于VaR模型的准确性检验,得到了贝叶斯因子和后验机会比的表达式.通过一个投资组合的实证分析,验证了本文所提方法的可行性与合理性.     

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.     

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.     

基于稳定分布下股票收益率的VaR

一、稳定分布下的VaR模型的提出 VaR(Value at Risk)按字面意思就是风险中的价值,它是指在市场正常波动的情形下某一金融资产或证券组合的最大可能的损失.更为确切的是指,在一定的概率水平下(置信度)下某一金融资产或证券组合的最大可能的损失.其数学表达式为:Prob(△P＜VaR)=α其中,Ap为证券组合在持有其△t内的损失;VaR为置信水平α下风险中的价值.     

股权分置改革前后市场风险价值的变化

随着股权分置改革进程的顺利接近尾声,股改对股市的影响日益显现出来.文章以具有代表性的50家股改公司为研究样本,运用条件异方差模型和Comlsh-Fisher方法计算出每只股票股改前后的市场风险价值(VaR),然后用曼-惠特尼(Mann-Whitney)检验和平方秩检验两种非参数方法对股改前后的VaR值进行比较分析.实证分析发现,股改后的VaR值不但有上升的趋势,而且其波动性也变大了.     

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.     

封闭式基金风险的评估

金融市场风险是封闭式投资基金面临的最大风险.风险价值(Value at Risk,简称VaR)是近年来发展起来的用于测量和控制金融风险的量化模型,是一种利用统计思想对金融风险进行评估的方法.本文首先分析了我国封闭式基金所存在的风险问题,然后系统的介绍了VaR模型在封闭式基金风险评估中的应用,以期对我国封闭式基金风险管理工作有所贡献.     

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.     

中国股市的风险度量研究

本文从沪、深股指收益率的基本统计特征入手,用GARCH-GED模型和核估计模型分别估计了其VaR值,并对模型本身及其估计的VaR进行了较为严格的检验.结论显示GARCHGED模型能够反应股市的短期动态特征,而核估计模型估计的VaR反应了股市风险的长期特征,两个模型相互补充.     

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.     

运用GARCH族模型在不同分布下对深证综指的VaR分析

一、VaR方法和GARCH族模型(一)VaR方法简介按照PhilippeJorion的经典定义,VaR是在一定的置信水平下和一定的目标期间内,预期的最大损失。用公式表示就是:Prob(△P相似文献   

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.     

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Pearson Ⅳ分布的VaR与CVaR估计

基于GARCH模型,用Pearson Ⅳ分布拟合标准残差,给出一种更为精确的VaR和CVaR计算方法.重点研究在Norm-GARCH、t-GARCH与GED-GARCH模型下,用原分布和Pearson Ⅳ分布计算VaR的比较,结果表明,用Pearson Ⅳ分布计算VaR都能得到比原分布更小的失败率,且在三种模型之下用Pearson Ⅳ分布计算VaR结果很接近,都能通过检验,所以选择最简单的Norm-GARCH模型就可以;基于此,研究在Norm-GARCH模型下,用正态分布和Pearson Ⅳ分布计算CVaR,并与VaR进行比较,结果表明,用Pearson Ⅳ分布计算VaR和CVaR的失败率都远远小于由正态分布所得到的失败率,特别在VaR估计失效的交易日里,用Pearson Ⅳ分布得到的CVaR均值与实际损失均值非常接近.因此,Pearson Ⅳ分布能很好地刻画金融数据的特征,相对其他分布而言是一个很好的选择.     

基于随机波动率的风险价值计算

在风险价值(VaR)的计算中,通常将市场因子看成是具有固定方差的正态分布,但由于金融市场的时变性,这样得出的结果相当粗糙。GARCH族模型考虑了市场的时变性,但面对金融时间序列的“尖峰厚尾”特征,该类模型也不能很好地对其进行描述。随机波动率模型(SV)在方差表达式中引入新的随机变量,被认为是刻画金     

基于GARCH模型的上证综合指数VaR计算

文章针对用参数法计算VaR时所存在的局限性,探讨了用GARCH模型计算VaR的新方法.并以我国上证综合指数为例,说明新方法计算VaR的基本思路以及对计算出的每日VaR如何进行事后检验.     

VaR方法在我国证券市场中的应用

一、VaR方法的基本原理 VaR(Value at Risk)按字面上理解是"按风险估价",VaR方法的创始人P.Jorion的定义为:"VaR是给定的置信水平和目标时段下预期的最大损失",通俗地说,VaR是一个统计数值,指一家机构面临正常的市场波动时,资产组合在未来某段时间内可能受到的最大损失,即损失超过VaR值的概率为一个很小的值.