基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

操作风险经济资本的度量方法与实证

文章用极值理论对金融机构的操作风险所需的经济资本进行度量。通过变点理论来定位Hill估计曲线的变点位置,进而精确地计算出阈值。同时,文章采用一种稳健的方法一平方误差积分法来对POT模型中的参数进行估计,以确保误差更小、更稳定。结果表明,改进后的POT模型能得到较理想的结果,能为度量操作风险所需的经济资本提供有效的方法支持。     

深成指GPD分布尾部拟合与VaR、ES风险度量

文章首先使用GARCH模型对深成指对数收益率时间序列的自相关和异方差特性进行弱化,之后运用POT方法对GARCH模型所得的残差序列进行拟合,使用极大似然方法估计了GPD分布各参数,进一步计算出收益率序列的VaR和ES值,通过后验测试比较各种估计方法优劣。     

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.     

POT模型在巨灾损失预测中的应用——基于MCMC方法的估计

极值统计学主要研究随机事件极端情况的统计规律性。运用POT模型拟合中国暴雨损失数据,确定损失超出量的分布形式。实证分析表明,借助POT模型对巨灾风险损失分布进行估计是较为合理的,但当数据量较小时,使用基于Gibbs抽样的MCMC方法估计POT模型的参数,可以解决样本数据不足导致的极大似然估计中误差增大的问题。     

平稳序列的GPD模型在风险测度中的应用

文章旨在运用极值理论提高VaR的适用性和估计的精确度.VaR技术作为一种统计方法常用来测度金融市场风险,极值理论则是研究随机变量或过程的极端情形的统计规律性.然而,经典的极值模型要求金融时序服从独立同分布条件.考虑满足平稳性条件下的金融时序,针对序列相关引致的极值成串现象,引入极值指标来刻画极值数据间的相关结构,采用除串技术过滤数据的相关性,进而得到渐进独立的同分布序列,再构建GPD模型来测度VaR.实证分析和回测检验表明:改进的GPD阈值模型具有对风险测度的有效性和精确性.     

尾相关Copula在操作风险计量中的应用

新巴塞尔协议明确地提出,把商业银行操作风险纳入风险量化和监管领域.针对操作风险损失数据所具有的厚尾性及不同损失类型之间的相关性,文章应用尾相关Copula函数分析我国商业银行各类操作风险之间的相关性结构,运用极值理论的POT模型有效地捕捉损失的厚尾性,进而构建计算操作风险总体VaR值的尾相关Copula模型.研究表明,与传统计量模型对所有损失的VaR值进行简单加总相比,该模型能够有效地降低VaR,且降幅为1O％以上,这让银行有效地降低了计提的监管资本,增加了资金的流动性.     

基于蒙特卡罗模拟的几种VaR模型度量效果比较

文章通过蒙特卡罗模拟产生误差项服从标准正态分布、t分布的GARCH过程敷据,在其基础上利用真实分位数和估计分位敷之间的误差评价了几种VaR模型的度量效果.结果显示,基于这两个过程,误差项服从t分布的GARCH模型优于误差项服从标准正态分布的GAARCH模型,而相对复杂的极值理论略微优于效果最差的历史模拟法:从而实证研究中,由于极值理论的度量效果不一定较好,应该尝试多种VaR模型,从中选择最适合的模型.     

基于熵最大原则的GPD估计与中国股市极值风险测度

POT极值模型参数的准确估计是计算金融资产回报市场风险的关键。根据最大化熵原则（POME）得到POT模型中GPD参数估计方程组,通过回归模型的可决系数法选取阈值,最后将其应用到中国两个时段股市金融风险测度的实证研究中。结果表明：第1、2时段,最优阈值分别为0．01799、0．01801,γ、ξ和β的估计值分别为18．53467、0．14871、0．00802和2．93172、0．03649、0．01258,并得到不同显著性水平下的VaR和ES值,为GPD参数估计找到了一个更科学有效的方法,更为准确计算金融资产回报市场风险提供了新思路,同时也测算了本次国际金融危机对中国股市风险的影响。     

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.     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。     

基于Tsallis熵最大化的VaR模型

统计物理学中的Beck模型具有很好地描述变量的长期记忆和厚尾的特点,文章利用Beck模型和Tsallis熵的最大化理论,对沪市股票指数进行了研究,首先,给出了在Tsallis熵最大化条件下的分布函数,然后,对沪市股票指数数据进行了实证分析,并通过最大似然估计估计出其参数,最后,利用该厚尾分布计算了沪市综合指数的VaR.     

基于点过程的极值VaR研究

风险无时不有、无处不在,风险本身并不可怕,金融机构就是通过承担风险、管理风险来获得收益的。真正可怕的是极值风险,即稀少或极端事件的发生给经济主体带来巨额损失的风险。因此对极值风险的建模就成为风险管理的重中之重。极值理论为极端事件的统计建模和极值风险测度的计算提供了坚实的理论基础,故有必要通过介绍和比较传统极值事件的建模,基于点过程构建极值风险的一般模型,并利用外汇市场的日数据和VaR的估计与检验进行实证分析。     

基于GARCHS模型的市场风险测度

文章在使用GARCHS模型对条件偏度进行动态建模的基础上,提出了基于条件偏度的VaR估计方法.通过对我国上证综指的实证研究表明,上证综指的条件偏度时变特征明显,其收益存在明显的有偏特征.对上证综指VaR估计的后验比较表明,考虑条件偏度的VaR估计方法能够提高有偏分布下VaR的估计精度.     

金融市场风险的极值模型及实证分析

风险值(VaR)是金融市场风险的度量指标,选择好的计算方法十分重要。文章主要应用极值理论中的门限模型来研究风险值,并对2000年以来深圳综指和上证指数的日对数收益率计算风险值和期望亏损,最后对两市的风险进行了比较。     

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。     

基于极值理论的地震巨灾债券定价

文章利用极值理论对损失尾部风险的良好估计能力,将极值理论运用到巨灾债券的定价之中.在分析1990-2006年间我国大陆发生的直接经济损失超过1000万元的地震损失数据的基础上,运用蒙特卡罗模拟和极值理论中的BMM方法为地震巨灾债券进行了定价;为巨灾债券在我国的运用提供了参考.     

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.     

一种改进的非参数方法对金融价值风险的估计

文章对利用波动率计算价值风险VaR的方法进行了改进,提出了非参数波动率结合非参数条件核密度条件分位数方法来计算VaR,此非参数方法克服了模型误设的问题,不受波动率模型具体形式的限制,不受新息项分布函数的限制,是一种稳健的适应性方法.同时将此方法应用到中小板综指与创业版指进行实证分析,与相应的半参数及参数方法进行比较,发现文中提出的方法在某种程度上比较稳定可靠.