基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究

本文引入FIAPARCH模型刻画金融价格条件波动率特征,引入有偏学生t分布捕获收益率有偏特征,并以此来测度金融市场动态风险VaR;进而运用返回测试和动态分位数回归方法对风险测度模型准确性进行实证检验.结果表明,RiskMetrics和GARCH-N测度金融市场的风险的可靠性差;有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征,具有更高的风险测度能力;FIAPARCH-SKST展示出比其它模型具有绝对优越的风险测度效果.     

胖尾分布及长记忆下的动态 EVT-VaR 测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用 FIGARCH 对条件波动率建模、极值理论( extreme value theory,EVT) 对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试( back-testing) 技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验． 实证研究结果表明,无论是中国新兴市场,还是西方成熟发达市场,金融收益与标准收益均呈现出明显的有偏胖尾分布特征; 金融收益条件波动率均展现出长记忆性特征; EVT 与 FIGARCH 模型相结合的动态极值风险测度模型不仅在样本内表现出优越的风险测度能力,而且在样本外同样具有可靠的预测推广能力．     

金融资产收益非对称性的多标度分形测度及其在VaR计算中的应用

通过提炼多标度分形分析过程中所产生的对描述金融资产收益非对称特征有益的统计信息,提出了一种新的资产收益非对称测度--多标度分形非对称测度(Multifractal asymmetry measurement)Δf,并以沪深300指数长达7年左右的5分钟高频数据为实证样本,通过两种不同的VaR后验分析(Backtesting analysis)方法,实证对比了Δf测度和传统的偏度系数(Coefficient of skewness)测度在市场风险计算准确性方面的差异。实证结果表明:基于Δf测度的市场风险计算模型的VaR计算精度优于基于偏度系数测度的对应模型,Δf测度具有较偏度系数测度更为优异的对金融资产收益非对称特征的刻画能力。     

基于Asymmetric Laplace分布的金融风险度量

金融资产的损益分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些风险特征,给出了市场风险VaR和CVaR度量的AL参数法和AL-MC法。选取上证指数、日经225指数及S&P500指数为研究对象,结合各股市的风险特征,给出了VaR和CVaR度量及其返回检验和准确性评价。结果表明,基于AL分布的风险度量模型具有其合理性和适用性,能很好地度量市场风险。     

股票市场的极值风险测度及后验分析研究

通过对上证综指和世界股市若干重要指数的实证研究发现,无论是在成熟资本市场还是新兴资本市场当中,极值理论(EVT)及其工具都能更加准确地刻画实际市场的极端波动和风险状况.详细说明了不同收益分布假定下风险价值(VaR)的计算方法及其后验分析(Back-testing)过程,证明了与非条件和条件正态分布以及条件t分布等主流金融理论的收益分布假定相比,条件EVT分布在测度极端市场风险时所表现出的优越性,同时说明了在不同概率水平下各种收益分布假定的精确度和适用范围.     

基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究

本文针对金融市场的典型事实特征,运用自回归分数移动平均(Fractional Integrated Autoregressive Moving Average,ARFIMA)模型与双曲线记忆广义自回归条件异方差模型(Hyperbolic Memory Generalized Autoregressive Conditional Heteroscedasticity,HYGARCH)模型、分数协整非对称自回归条件异方差(Fractional Integrated Asymmetric Power Autoregressive Conditional Heteroscedasticity,FIAPARCH)模型和分数协整指数广义自回归条件异方差(Fractional Integrated Exponential Generalized Autoregressive Conditional Heteroscedasticity,FIEGARCH)模型结合,并运用有偏学生t分布(Skew Student t Distribution,SKST)来捕获金融收益分布形态,以此开展动态风险测度研究,进而运用返回测试(Back-Testing)中的似然比率测试(Likelihood Ratio Test,LRT)和动态分位数回归(Dynamic Quantile Regression,DQR)方法对风险模型的准确性与精度进行联合检验。通过实证研究,得到了一些非常有价值的实证结论:ARFIMA(1,d,1)-FIAPARCH(1,d,1)-SKST模型与ARFIMA(1,d,1)-HYGARCH(1,d,1)-SKST模型均表现出卓越的风险测度能力,但没有绝对优劣之分;ARFIMA(1,d,1)-FIEGARCH(1,d,1)-SKST模型在成熟市场的表现能力差强人意;本文引入的所有风险模型在中国大陆沪、深股市表现优越且没有实质性差异。     

基于SV-M模型的股票市场风险溢价与波动关系研究

资产收益的风险溢价是金融经济学研究的基本问题。在深入考察现有的两种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,以新兴股票市场中的上证综指和成熟股票市场中的标准普尔500指数为例,运用更具理论优势的SV-M模型,实证考察了两种类型市场中风险溢价与波动率之间关系的不同状况。研究结果显示,上证综指的波动率对其风险溢价有负向影响,而标准普尔500指数的波动率对其风险溢价有正向影响;但无论影响方向正负,波动率对风险溢价的影响都是非常微弱的。论文结合两种市场中的不同波动状况对实证结果进行了解释。     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

欧债危机环境中资产组合ES模型比较研究

本文以中国上证综指、德国法兰克福DAX指数、美国S&P500指数为研究对象,分别运用DCC-GARCH及时变Copula-EVT模型建模,探讨了欧债危机爆发后股市间相依关系的变化状况。在此基础上,将三个股指收益两两组合,分别建立了各类模型假定下的资产组合预期损失ES模型,并通过后验分析方法,探讨了危机爆发后,各类ES风险模型测度精度的变化状况及对比结果。实证研究表明：欧债危机爆发后,时变Copula-EVT-ES的风险测度准确度明显高于DCC-GARCH-ES模型;边缘分布模型的选择对于时变Copula-EVT-ES模型的测度精度具有重要影响。综合对比分析发现,在金融市场极端波动的状况下,能够捕捉杠杆效应且善于刻画厚尾特征的时变t-Copula-AR（1）-GJR（1,1）-EVT-ES模型能够取得相对较好的风险测度效果。     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

考虑成分股联跳与宏观信息发布的沪深300指数已实现波动率模型研究

利用日内高频数据计算的已实现波动率较好度量了金融资产的风险,因此对其预测模型的研究具有重要意义。考虑到指数成分股的联跳可能蕴含指数跳跃所未能反映的信息,提出运用非参数方法识别指数成分股的联跳,采用自回归条件风险模型估计成分股联跳强度,并将其引入指数的已实现波动率异质自回归（HAR-RV-CJ）模型中,分析模型预测性能的改进。进一步的,考虑到宏观信息公告的发布可能对股市产生整体性影响,相应影响成分股联跳的几率;因此,在成分股联跳的自回归条件风险模型中引入居民消费价格指数、国内生产总值、贸易差额等宏观信息公告变量,并分析对联跳强度估计以及指数已实现波动率预测的影响。采用2011年1月4日至2013年7月11日沪深300指数及其成分股高频数据的实证表明,指数成分股联跳与指数跳跃具有不同的特征;用成分股联跳强度代替HAR-RV-CJ模型中的跳跃构建的HAR-RV-CI模型,较原始的HAR-RV-CJ模型,以及同时考虑指数跳跃与成分股联跳强度的HAR-RV-CJI模型,具有明显较优的样本内拟合与样本外预测性能。引入宏观信息公告变量可以改进联跳强度自回归条件风险模型的拟合效果,并提高指数已实现波动率模型的样本内拟合能力,但对于指数已实现波动率的样本外预测性能并无明显的帮助。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

基于非线性分位数回归模型的多期VaR风险测度

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。