基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

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.     

基于极值理论的静态和动态风险度量模型的比较

文章运用极值理论建立了静态和动态的和风险度量模型.静态模型运用广义帕累托分布拟合收益率序列的尾部分布.动态模型首先运用AR(1)-GARCH(1,1)模型对收益率序列进行拟合,然后用广义帕累托分布对新息分布的尾部建模.采用上证综指和标准普尔500指数的对数收益率为样本,对静态和动态模型进行了比较研究.研究结果表明:对于VaR的度量,在置信水平较低时(如小于99%),静态风险度量模型更准确,在置信水平较高时,动态模型更好;对于ES的度量,动态模型具有通用性和优越性.     

沪、深股市收益率风险的极值VaR测度研究

资产组合的ＶａＲ是指在某一置信水平下 ,该资产组合可能遭受的最大损失 ,或者说 ,ＶａＲ即资产组合收益率损失分布函数的某一分位点。由于传统的方差 协方差法、历史模拟法、蒙特卡洛模拟法在估计金融资产收益率的ＶａＲ值上的低效 ①,ＦｒａｎｃｏｉｓＬｏｎｇｉｎ等学者便将统计极值理论引入到估测ＶａＲ的研究中来 ② 。本文将运用近年发展起来的这些极值ＶａＲ方法来测度沪、深股市收益率的市场风险 ,同时也对极值方法、半参数方法 ③ 以及传统ＶａＲ方法的测度效果进行比较。　　一、估测ＶａＲ的极值方法通常有两类估测ＶａＲ的极值…     

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.     

基于Bayes统计推断的极值风险测度模型

极值分布的参数估计是计算极值风险的关键。文章运用Bayes方法,研究了极值分布的参数估计问题,得到了极值数据的后验分布。作为一个应用,对某水文观测站的年最高水位数据进行了分析,并用极大似然估计和Bayes估计得到极值风险的测量值,解读两者之间差别。研究结果表明,Bayes参数估计方法更有效。     

中国教育收益率统计估计与分析 ——基于参数和半参数估计方法的比较

 本文分别运用参数和半参数估计方法,就如何更准确有效测度中国教育收益率作深入探讨。利用CHNS数据对我国1989年至2006年的教育收益率进行估计,并采用Hausman检验法对两种估计方法结果进行检验。结果表明,从估计效率看,前者比后者的效率更高;但从估计效果看,后者才是一致性估计。而且我们发现虽然教育收益率整体呈逐渐增加趋势,但与实物资本收益率相比仍偏低。中国的教育和劳动力市场亟需加大投资和改革力度。     

非寿险精算中的数据尾部拟合与保费厘定

文章讨论了极值分布对非寿险精算中损失数据尾部的拟合和保费厘定方法,并进行了实例计算。研究表明:必须对应用极值分布的条件进行检验;对门限值确定的三种方法中自适应选择算法是较好方法;广义帕累托分布参数MLE估计能得到比较精确的估计结果。文章还给出了非寿险损失的超赔再保险纯保费的计算方法。     

中国股市收益率和波动率的长记忆性检验

运用修正R/S和V/S两种分析方法,选取两大盘指数(上证综指和深证成指)以及20只个股为样本,对其收益率和收益波动率序列的长记忆性进行大范围的比较研究.结果表明:对于收益率序列两大盘指数存在长记忆性,且深市强于沪市,而个股普遍不具有长记忆性;对于收益波动率序列,无论是大盘指数还是个股均存在显著的长记忆性,并且,三个收益波动率序列的长记忆性由强到弱依次为修正对数平方收益率、绝对收益率和平方收益率.     

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.     

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EVT-POT-SV模型的极值风险度量

金融市场常受各种因素的影响造成剧烈波动,资产收益也会因此产生异常变化。针对金融资产收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法,对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与随机波动模型相结合,建立了基于EVT-POT-SV的动态VaR模型。通过对上证综指收益做实证分析,结果表明：该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面更加合理而有效。     

二项—Gumbel复合极值分布的参数估计

在金融风险评估、事故预测、保险索赔等领域的研究中,极值理论已发展成为一种重要的统计学方法.Gumbel分布是一种常用的极值分布函数,并逐渐成为了对于随机变量极端变异性建模的重要工具.文章将二项分布与Gumbel分布函数复合,提出了一种新的复合极值分布函数即二项-Gumbel分布.重点介绍了极值理论以及二项分布与Gumbel分布复合函数,运用极大似然估计(MLE)对二项-Gumbel复合分布的各种参数进行估计,并通过计算机模拟得KS检验统计量的临界值.     

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。     

对证券组合投资收益率与风险的统计分析

文章运用统计分析方法 ,论述了证券组合投资的积极意义 ,并用实例对风险和收益率进行了测度。     

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。     

上证指数收益率的ARCH族模型的实证分析

文章利用ARCH族模型,选取2005～2009年的上证综指日收益率作为对象对我国沪市波动情况进行了实证研究.研究结果表明,我国沪市日收益率序列具有明显的聚集性、波动性、尖峰厚尾的特征,ARCH族模型较好的拟合了上证指数收益率序列.     

Poisson-Gumbel复合极值分布的参数估计

本文对Poisson-Gumbel复合极值分布的现实意义进行了拓展,分别应用极大似然法(MLE)、复合矩法(CME)和概率权矩法(PWM)对Poisson-Gumbel复合极值分布中的参数进行估计,并在理论上运用蒙特卡洛方法模拟,对三种参数估计方法的统计性质进行讨论,最后给出在汇率分析中的一个应用实例。结果表明:三种方法中,极大似然法效果最好且表现最稳定。     

VaR-GARCH类模型在股市风险度量中的比较研究

金融市场风险管理的核心是对风险的度量,度量风险最流行的方法是VaR方法。文章选取1998年1月5日～2006年11月6日的上证综指日收盘价指数共计2129个数据实证分析了GARCH、EGARCH、TARCH和PARCH四种模型在正态分布、t分布以及GED分布下预测的VaR值的准确程度。实证分析结果表明,正态分布下估计的VaR值在靠近左尾时存在低估现象;与正态分布和t分布相比,GED分布能较好地反映股市收益率回报序列的厚尾特征,使用GARCH类模型预测VaR值时,E-GARCH和PARCH模型要优于其他模型。     

分层线性模型的最大后验估计

最大后验估计（MAPE）和最大似然估计（MLE）都是重要的参数点估计方法。在介绍一般分层线性模型（HLM）MAPE方法的基础上,给出这种方法的期望最大化算法（EM）的具体步骤,运用对数似然函数的二阶导数推导了MAPE估计的方差估计量。同时运用数据模拟比较了EM算法下的MAPE和MLE。对于固定效应的估计,两种方法得到的估计量是一致的。当组数较少时,EM计算的MAPE的方差协方差成分比MLE的更靠近真实值,而且MAPE的迭代次数明显小于MLE。