LOF流动性风险度量与实证研究

文章从投资者实际投资时所面临的价格冲击入手,提出了流动性风险的概念,并定义了LOF(Listed Open-end Fund)流动性风险指标L,并利用VaR(Value at Risk)、ES(Expected Shortfall)对流动性风险进行度量。针对L序列厚尾分布的特征,采用极值理论的POT(Peaks Over Threshold)模型对其尾部数据进行建模,能更准确地估计度量流动性风险的工具VaR、ES的值,从而更有效地捕捉投资者所面临的流动性风险。最后利用LOF的1小时交易数据进行了实证研究。     

股票流动性对股市尾部风险的影响——基于POT模型的实证研究

针对在险价值模型正态假设的不合理性,利用基于广义帕累托分布的POT模型对我国股票市场尾部风险进行了度量,并且通过对样本数据按照流动性分组探究股票流动性对我国股票市场尾部风险的影响.将统计理论中的斜率变点理论引入到传统阈值选取方法中,有效避免了最优阈值确定时的主观性问题.研究结果表明:对于股市尾部风险的度量,95％置信水平下的VaR值比90％置信水平下VaR值的估计结果更可信,且估计值显示尾部风险与流动性呈反向变化,即股票流动性越小,市场尾部风险越大.     

基于结构突变的存货流动性风险实证研究——以中国东方丝绸市场交易所坯布动产为例

引入非参数ICSS结构变点检测算法,以中国东方丝绸坯布市场为例,研究了存货质物商品市场的结构突变和流动性风险模型,并分析了结构突变和不同持有期的存货流动性风险。研究发现：（1）对存货质物进行风险度量时加入流动性风险可以更准确刻画商品市场的总风险,且流动性风险占总风险的比重与持有期限呈反比;（2）存货商品市场的波动性、流动性风险有着显著区制转换特征,且不能忽略。考虑结构突变可以更准确刻画市场风险和流动性风险。     

风险测量方法VaR及其修正模型

VaR由于其概念简单易于理解，成为目前市场上通用的衡量市场风险的指标．文章介绍了风险度量指标VaR的概念及方法，指出了VaR的两大缺陷；还介绍了它的两个修正模型CVaR和CDaR的概念及其计算方法，并比较了它们的优缺点。     

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。     

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CVaR方法的循环经济项目期权风险度量

CVaR是在VaR的基础上发展起来的一种期权风险度量方法。为研究CVaR方法在循环经济项目期权风险度量中的适用性及优越性,将循环经济项目期权与金融看涨期权进行对比,借鉴金融看涨期权的CVaR推导过程,推导出循环经济项目期权的VaR和CVaR计算式,并据此计算4个行权期限相近的循环经济投资项目的在险价值。通过结果的对比及对循环经济项目自身特点的分析,最终证明CVaR较VaR更适用于循环经济项目期权风险度量,从而为更准确地度量循环经济项目期权及其他类型期权的风险提供依据。     

世界原油价格风险度量——基于EGARCH-EVT-t Copula模型

从原油现货市场收益率的特征分析入手,为了更好地描述原油现货市场收益率的尖峰厚尾、偏态和波动集聚等特征,运用EGARCH 对条件波动率进行建模,进而运用极值理论对标准残差序列的尾部分布进行建模,刻画原油现货市场极值风险,同时结合Copula函数和Monte Carlo模拟技术来度量不同持有期相应的VaR值.实证结果表明:原油市场随着置信度的提高和持有期的延长,VaR的绝对值在增大.同时,回测检验结果表明基于EGARCH-EVT-t Copula的模型能够精确有效地度量原油现货市场极端风险.     

基于时变Copula的La-VaR测度研究

目前关于流动性调整的市场风险测度研究,主要是静态模型。针对此,文章提出经流动性风险调整的市场风险动态测度的时变Copula方法。该方法使用连接函数构建流动性风险和市场风险的联合分布,能够兼顾这两种风险的非正态特征和它们之间的动态相关结构。基于该方法度量了中国股市经流动性调整的市场风险La-VaR,Kupiec检验表明,基于时变Copula模型预测La-VaR的效果优于基于常相关Copula模型的预测效果,并且时变T-Copula模型优于时变N-Copula模型。     

风险测量方法VaR及其修正模型

VaR由于其概念简单易于理解,成为目前市场上通用的衡量市场风险的指标.文章介绍了风险度量指标VaR的概念及方法,指出了VaR的两大缺陷;还介绍了它的两个修正模型CVaR和CDaR的概念及其计算方法,并比较了它们的优缺点.     

金融风险测度模型及其蕴含的金融风险主观性

金融风险会给个人、组织甚至整个社会带来巨大的损失，而金融风险测度模型则试图对市场风险、信用风险、操作风险、流动性风险等不同类型的金融风险进行评估，期望根据评估结果来管理风险。这些模型虽不同程度反映了金融风险的客观性因素，但实际上均包含了一定的主观因素，即投资人对风险的容忍度。因此，应充分认识各个模型的主观性，以期对模型测度的风险有更合理的理解。     

行业系统性风险的动态特征及其影响因素

现代经济主体间网络关联性越来越强,风险很容易在不同行业间扩散,因此有效识别并分析系统性风险是防范金融危机的关键步骤。基于条件风险价值(CoVaR)和边际期望损失(MES)两个指标,对巨潮行业指数系统性风险的静态和动态特征进行了研究。结果发现,各行业间系统性风险的相关性较强,动态特征显示2009年年初和2016年3月为系统性风险的两个峰值;从分行业来看,材料行业的系统性风险最高,而消费和医药行业的系统性风险最低。采用动态面板模型分析影响行业系统性风险的市场面因素发现,短期涨幅较高、长期涨幅较低及流动性较充分的行业,其系统性风险往往更低。因此,应加强对系统性风险较高行业的监管力度,建立好金融防火墙,防止外部金融风险的过度传染;同时应加强对各行业的实时监控,尤其是关注短期暴涨暴跌及流动性充分与否的监控。     

股指期货风险规避研究

股票指数期货作为创新的金融衍生品工具，为股票市场提供了规避系统性风险的空间。但是，在增强股票市场的流动性和激励效应同时，股票指数期货也给一国的金融市场带来了巨大的风险，包括作为金融衍生品所具有的一般风险，它自身特征所拥有的个别风险以及在我国经济条件下推行股指期货的特殊风险。文章通过对上述风险的分析，提出我国政府和投资者在规避股指期货风险中的可供参考的对策和建议。     

金融市场的流动性过剩与流动性风险分析

金融市场在结构、主体、产品、判断和投资组合等方面过度集中并日益趋于同质化，削弱了市场上的多样性，从而提供了金融流动性风险产生的土壤和机会。通过度量股票交易量与股票收益之间相关性的chi图实证表明，流动性风险正在微观层面上慢慢积累。当国内流动性过剩矛盾日益突出时，人们需要居安思危，高度关注流动性黑洞可能出现的风险。     

经济不确定性（风险）对股票流动性共性的影响

股票流动性共性可用来衡量股市系统流动性风险。双向固定效应的面板数据分析显示:由宏观经济变量的增长比率构建而成的经济不确定性减弱股票流动性共性，经济风险增强流动性共性；不确定性对股票流动性共性的影响并非对称于风险；不确定性（风险）对股票流动性共性的预测比对当期股票流动性共性的影响更为显著。向量自回归的脉冲响应函数分析显示:股票市场流动性共性对经济不确定性的冲击做出负响应，对经济风险的冲击做出正响应；响应的程度在未来一两个月增强，随后减弱。     

净额支付系统流动性风险、信用风险的测量与评估

净额支付系统是银行间支付的重要途径。净额支付系统的运行大大提高了支付的效率,满足了金融资金流动的需要,然而净额支付系统在提高支付效率的同时,也使整个金融系统面临严重的流动性风险和信用风险。面对以上风险,若要制定合理、有效的防范措施,对风险的定量分析必不可少。我国支付系统建成不久,风险防范措施还不完善,尤其缺乏在风险测量和评估方面的研究。在对净额支付系统清算规则进行上述分析的基础上,探讨了净额支付系统中流动性风险和信用风险的测量与评估方法。     

开放式基金流动性风险的防范研究

目前中国的开放式基金正经历着一个高速发展时期,开放式基金正成为我国基金业的中坚力量．对整个证券市场也起着举足轻重的作用。开放式基金的流动性是保证整个市场流动性的一个关键因素,因此对开放式基金的流动性风险成因进行分析．提出防范流动性风险的方法：针对投资者的不同需求．设计多种个性化基金及赎回方式。使开放式基金的负债与资产的流动性和收益性相匹配,达到事前有效防范流动性风险的目的。     

上海股票市场流动性风险与市场风险的极值相关分析

本文运用极值理论,分别用宽度和收益代表流动性风险和市场风险,研究了上海股票市场流动性风险和市场风险的极值相关特征。研究表明:在中国股票市场上,投资者面临的流动性风险具有不对称性,在市场大幅下跌时,流动性风险放大,而在市场大幅上涨时,流动性风险未明显增加。