改进的阈值模型及其在风险价值中的应用

引言 金融机构面临着多种风险，例如市场风险、信贷风险、流动性风险、操作风险等等。金融机构特别关注不利的市场因素变化对资产价值所造成的影响，即需要估计经过已知时间间隔，资产组合价值可能减少的幅度及发生的可能性，这样就产生了风险价值的概念。风险价值（Value at Risk，简称VaR）的含义是“处于风险中的价值”，是指在市场波动下，某一金融资产或证券组合的最大可能损失，可表示为：     

基于VaR方法的市场风险和信用风险的度量

市场风险和信用风险是金融机构所面临的最主要的两类风险。在金融市场迅猛发展的今天,对两类风险的度量和管理成为了金融机构面对的重大挑战之一。VaR模型最初用来度量市场风险,它以严谨的概率统计理论作为依托,将市场风险高度概括为一个数字。之后,VaR方法被引入到信用风险管理中,其中CreditMetrics模型是一个典型例子。文章最后对综合度量市场风险和信用风险进行了初步探讨。     

金融市场的最大风险与最小风险

文章在VaR风险量度的基础上提出了最大、最小风险的概念,讨论了其计算方法并进行了实例分析。为我国的金融机构和投资者更好地应用VaR与最小风险来控制市场风险及理性投资,提供了具有理论与实用价值的一种新的检验概率分布的算法。     

VaR的不同计算方法的研究

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标。文章研究了VaR的各种计算方法,并利用实际数据对单个资产和投资组合的VaR值作了比较,说明了各种方法的优缺点和适用范围。     

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.     

基于重尾分布的商业银行市场风险VaR计量研究

文章运用具有重尾特征的Weibull分布来描述商业银行风险资产的损失率,根据VaR的计算原理,得到了市场风险VaR的明确计算公式.并且对VaR的影响因素进行敏感性分析,找到了VaR与置信水平和风险资产损失率的尾部之闻的关系.最后结合损失率的历史数据,给出了VaR的计算实例.     

投资组合VaR分解及边际VaR的估计

0引言风险价值VaR(ValueatRisk)能对金融机构所面临的市场风险进行较准确的度量,是一种标准的新风险管理工具,它不仅在理论研究上取得了很大的发展,而且在风险管理中也得到了广泛的应用[1-2]。目前,国内外有许多金融学者投入于VaR方法的理论及应用研究中,并取得了很多成果,但这     

投资组合风险管理中CDaR模型研究

我国的金融市场是一个新兴的市场,随着货币市场的发展、股票市场的活跃及衍生市场的起动,市场风险的管理无论对投资者还是监管者都显得尤为重要.虽然VaR在我国金融机构的风险管理中已经得到了一定的应用,但其在投资管理中的应用还有待深化.本文试图将CDaR风险管理模型引入到中国证券市场投资组合的风险管理系统,并运用均值一CDaR模型进行最优投资头寸的控制,从而为我国的金融机构建立更为有效的风险管理体系提供参考.     

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.     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

统计分布与外汇风险VaR的测度

一、问题的提出VaR(在险价值)方法是风险管理的新方法,其实质就是用标准统计技术估计风险。在运用VaR时,必须对每项金融资产收益的统计分布建模并作具体分析.如何测度外汇风险,从而有效地管理外汇市场风险,是金融机构进行外汇风险管理须解决的首要问题。本文试图用分位图(QQ图)来探讨欧元对美元汇率的     

股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算

风险管理的基础和核心是对风险的定量分析和评估,即风险测量。VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法。本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较。通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的显著性水平下更能有效地度量股市的风险。     

VaR估计中的概率分布设定风险与改进

 在金融风险管理中,金融风险的事先判断具有极其重要的意义,然而金融机构金融决策事前支持技术的缺陷常常被忽略,在金融投资收益率概率分布估计方法尚未建立以前,将样本数据特征纳入风险度量的计算则不失为一种改进风险判断的有效途径。本文选择度量金融风险的主流方法—VaR技术来讨论概率分布设定风险,探讨依据数据特征改进和扩展VaR计算方法,通过对Delta-正态方法与Delta-Gamma-Cornish-Fisher扩展方法估计VaR值的比较,从实证分析角度论证了扩展方法在VaR估计中的有效性与稳健性。     

长周期VaR的非参数卷积估计

传统的VaR是一种度量短期风险的工具,但有些情况下需要度量长期风险.例如,具有长达一年或者一年以上的投资和预算的公司,具有长期债务的金融机构(如养老基金和人寿保险公司),以及银行和其他金融机构在决定是否要进行长期性的资本性投资时,都需要考虑长期风险.上述所有的这些例子都需要有一个长期风险控制的管理方法.     

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…     

变革与转型中证券公司风险管理技术体系的构建

本文提出证券公司需要构建以净资本的动态管理为核心,以VaR等为技术手段,适合我国证券公司现状的风险管理技术体系.并运用VaR等技术手段,对市场风险、操作风险的度量方法进行了探讨.     

基于VaR的财务风险识别与评估

文章在概括地分析了当前几种影响企业财务风险的因素后,引入VaR参量,构建以VaR参量为主要衡量指标的财务风险预测回归模型,并以实际数据为样本,探讨VaR参量对识别企业财务风险的统计影响程度.     

静态条件下的银行资本优化模型

本文从银行清偿力分析入手,建立了静态条件下基于VaR的银行资本优化模型,该模型虑及了银行的交易费用、银行经营策略和风险偏好对银行资本管理的影响.模型分析表明,银行管理部门在一定的风险期限内设置的置信水平在严格的银行模型假设条件下,基于VaR的最佳银行资本要求依赖于银行的资产负债政策和市场因素.     

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.     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。