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.     

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.     

基于稳定分布的风险价值(VaR)研究与实证

文章首先对上证指数收益率进行正态分布的拟合优度检验,然后对上证指数收益率进行了稳定分布拟合及稳定分布拟合优度检验.在此基础上,文章研究了基于稳定分布的VaR模型,并在实证研究中同历史模拟法、分析法计算VaR值进行比较,验证了稳定分布分析法的可行性与可靠性.     

基于Buhlmann信度理论的投资组合VAR度量

随着VaR体系的不断改进,其也被被越来越多的监管机构和金融机构用作风险管理工具.文章将Buhlmann信度理论引入VaR体系中,将Buhlmann信度方法融入VaR历史模拟法中,通过实证分析得到该方法可以较大幅度的减小VaR值的计算误差,优化计算结果.     

基于核密度估计对VaR值计算方法的改进

文章从VaR方法的定义出发,首先对VaR值的两种基本计算方法进行阐述,进而基于核密度估计,提出一种改进的VaR值计算方法.该改进方法将蒙特卡罗模拟法引入到核密度估计规则,并且考虑四分位距来构造核密度估计的窗宽,对股市收益率的变异性以及高峰厚尾现象进行了更好地刻画.实证验证了改进的VaR值计算方法的有效性及优越性.     

基于VaR-GARCH模型的机场货运量数据实证研究

机场货运量一直是机场各种数据预测中最难以预测的一种。该数据预测结果的准确性直接影响到机场高层决策者决策的效果,对管理者日常经营活动的安排也至关重要。文章将广泛应用于金融风险管理中的VaR方法,引入到非金融领域,以上海机场为应用背景,对机场货运量波动情况分析预测问题进行了讨论。使用GARCH模型对机场货运量数据波动性进行检验。将计算所得的VaR值与利用ARMA模型计算出的预测值相结合得出机场货运量的最大波动预测区间。经过采用配对样本差异性t检验过程对机场货运量的真实值和预测值进行检验,得出货运量的预测值与真实值不存在显著性差异,说明采用本方法得出的预测结果合理可靠。     

VaR理论在证券风险评价上的应用

本文分析了目前测量市场风险的主流模型-VaR,用现金流映射法模拟运算了一笔政府债券的VaR值,用参数法计算了一些股票的VaR值和外汇的VaR值.     

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.     

偏态t分布下FIGARCH模型的动态VaR计算

针对金融时间序列多是有偏分布和"长记忆性"的特征,讨论偏态t分布下分数维GARCH模型的动态VaR测算问题.在分析正态分布、学生t分布、广义误差分布下和偏态t分布的基础上估计模型参数,得出了动态VaR,并进行了失败率检验.实证结果表明:基于偏态t分布下的FIGARCH模型测算的动态VaR值克服了其他分布假设上的不足,能够较好地反映金融收益率的实际风险,并在该分布下的Pearson吻合度检验也证实了模型分布选择的正确性.     

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。     

因子GARCH-M模型在VaR中的应用

一、因子GARCH-M模型和VaR(Value at Risk)的计算 本文中我们采用因子GARCH-M模型来研究风险价值VaR值.这种方法吸取了因子模型(Factor model)和条件异方差模型(ARCH)的优点.     

基于RiskMetrics模型的单个期货合约保证金比例设计

为了规避价格波动风险,期货交易所应该采取动态保证金设置方式。本文对单个期货合约的日收益序列建立了基于RiskMetrics的VaR模型,用滚动样本预测下一交易日的VaR值,而LR检验表明所建立的VaR模型能较好地测度价格波动风险。因此,下一交易日保证金比例可以设置为预测的VaR值和所规定的涨跌停板率的最小值,这样就能以相应的概率抵御该交易日价格波动带来的风险。     

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.     

基于Coupla函数的IPO定价研究

文章通过分析我国公司IPO最常用的理论定价方法,结合我国股票市场的特殊性,以行业平均市盈率为基础,在定价的过程中,引入VaR(Value at risk)理论,并结合Copula函数和Monte carlo模拟计算可比公司VaR;在公司IPO的理论定价模型中,参考可比公司VaR值,对理论模型进行了一定程度的改进。     

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GARCH族模型的VaR与CVaR值的实证与应用

文章以港交所H股指数期货的收盘价格数据作为实证载体,研究在正态分布、T分布和广义误差分布下GARCH、EGARCH及PARCH模型的VaR值和CVaR值,经过比较和检验,其结果显示:一、三种分布对结果拟合最好的是广义误差分布GED;二、在VaR值预测失效的时候,CVaR值仍然能够比较准确的预测结果,对CVaR值的测量效果最佳的是基于GED分布的PARCH模型。     

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.     

股权分置改革前后上海股市动态特征的路径转变

文章主要对股改前后上海股市收益率序列的动态特征的路径进行分析,研究股权分置改革对上海股市动态特征的影响。文章首先对股权分置改革进行了简单介绍,说明股权分置改革的意义以及对股市的影响。为了能够对股改的影响进行深入分析,选择了股改前后两个时间段的上海股市收益率序列,通过实证研究的方法得出股权分置改革前后上海股市收益率的动态特征确实发生了重要转变。     

基于拟蒙特卡罗方法的可转债VaR和ES风险度量

文章通过使用随机Faure序列和方差减小技术并结合Moro算法,提出了基于Faure序列和Moro算法的拟蒙特卡罗(FMQMC)方法。基于该方法,给出了中国可转债的风险值VaR和ES的度量模型。最后,选取了燕京可转债进行了实证分析,从可转债的VaR和ES估计值、方差以及计算效率几个方面将该方法与普通蒙特卡罗方法(PMC)进行了比较,结果显示FMQMC方法在计算燕京可转债的风险值VaR和ES时不仅方差更小,计算效率更高,而且其估计值也更加接近实际损失。     

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.