基于状态转换的风险分解VaR模型研究

VaR的度量涉及到资产组合的未来市场因素分布、波动性以及定价三个方面。针对传统CAPM和GARCH方法的不足,作者提出了市场指数及证券(组合)分别服从独立的马尔科夫状态转换过程下的风险分解VaR模型——SSRM模型。模型能够分别呈现市场的系统风险和个股特有风险,在方法上允许市场指数、证券(组合)分别存在波动性的突然跳跃。凸出特点是既综合考虑了市场和特定资产的关系,又考虑了资产和市场风险的时变性特征。实证显示模型较经典的GARCH-β模型在VaR估计方面有显著优势。     

基于Copula-GARCH模型的黄金、股票与债券投资组合风险分析

由于金融危机影响,国际金价强势攀升,黄金已经与股票、债券一样,成为一种非常重要的投资工具。因此,本文基于Copula函数和GARCH模型,先建立Copula-GARCH-t模型对黄金、股票以及债券的投资组合风险进行实证研究分析。结果表明,Copula-GARCH-t模型对数据描述较为准确,因而在刻画投资组合风险方面效果较好。再运用蒙特卡洛模拟法,在风险最小情况下,计算出三种资产的投资比例,并计算出资产组合的VaR。     

中国股市风格资产组合市场风险测度——基于EVT-t-Copula模型的实证研究

针对传统线性计量模型无法充分刻画中国股市风格资产收益系列存在"自相关"、"尖峰"、"厚尾"等非正态分布特征以及风格资产间存在复杂的非线性相关结构的局限。本文首先采用AR(1)-GJR(1,1)模型来刻画中国股市风格资产的边缘分布,接着结合各边缘分布的残差系列,引入Copula函数来分析这六种风格资产之间的相关结构,并结合极值理论和蒙特卡罗模拟方法来模拟大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值这六种股市风格资产投资组合的联合收益率分布函数,在此基础上求出各我国股市风格资产组合的市场风险(VaR与CVaR)。研究结果表明,根据极值理论得到的广义帕累托分布能够较好拟合风格资产日收益率序列的尾部特征,相比其他计算方法的VaR和CVaR值,基于EVT-t-Copula模型能够更准确度量中国股市风格资产组合的市场风险。因此,EVT-t-Copula模型有助于提高中国股市投资组合的风险管理效率。     

流动性与风险管理：一个基于二元t分布GARCH估计方法的L_VaR模型

VaR已是风险管理领域金融机构量化风险的主流方法,但传统的VaR模型一直未很好地将流动性风险纳入其考量范围。文章通过引入非流动性指标,构建了一个简单的经流动性风险调整的VaR模型,VaR估计方法采用二元t分布GARCH模型。对我国股市实际数据计算发现,流动性因素对VaR值的影响较大,而且持仓规模越大,影响越大。该模型对风险管理具有很好的参考价值。     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发,考虑基于GARCH类模型和基于非参数模型的VaR估计.对于前者进行筛选以后,采用EGARCH(1,1)模型来估计资产或资产组合未来收益率的波动,后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数,并用这两个模型对上海股市进行了实证研究,结果表明后者不失为一种值得考虑的方法.     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发，考虑基于GARCH类模型和基于非参数模型的VaR估计．对于前者进行筛选以后，采用EGARCH(1，1)模型来估计资产或资产组合未来收益率的波动，后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数，并用这两个模型对上海股市进行了实证研究，结果表明后者不失为一种值得考虑的方法。     

Mean-CVaR模型下的两基金分离定理

简要介绍了CVaR风险度量方法,并基于CVaR风险度量方法研究了风险资产组合以及含有无风险资产的资产组合服从多元T分布情形下资产组合的Mean-CVaR模型,分别得到了此模型下两种资产组合的两基金分离定理。     

商业银行汇率风险的VaR-GARCH(1,1)模型计量

采用VaR-GARCH(1,1)模型,选取2003年至2009年人民币对四种外汇的交易数据度量了商业银行外汇资产组合的风险。研究发现,外汇收益率具有尖峰特征,且欧元和日元收益率服从正态分布。从GARCH模型的估计和检验来看,外汇收益率序列具有波动集聚性特点,因此GARCH(1,1)模型能够有效模拟收益率序列。在99.9%置信水平下,用VaR-GARCH(1,1)估计的欧元和日元外汇资产组合的最大潜在损失约为上一交易日市场价值的0.05%,以此度量了商业银行的汇率风险。     

基于Copula理论的VaR算法与实证分析

针对在金融市场中资产收益的非正态分布以及资产组合中不同的风险资产的非线性相关,将Copula理论应用于资产组合的VaR估计之中。上证指数和深证综合指数的算例表明,由于Copula方法允许去选择更恰当的边际分布,并且Copu-la理论对相关性分析特别是尾部的相关性分析有特殊优势,可以跟更广泛的捕获各风险资产的相关信息,基于Copula理论的VaR在估算的精度方面优于传统的方法。     

金融控股公司的风险度量研究——基于Copula-VaR分析

混业经营是一种趋势,金融控股公司的风险度量已是一个难题。本文运用VaR和Copulas函数等方法构建计算混业经营金融控股公司的风险度量模型Copula-VaR,对金融控股公司混业经营风险进行度量;并对几种风险度量VaR方法进行了比较,并得出多样化经营的优势。