基于GARCH-VaR的股指期货保证金模型

文章以收益率的正态性检验、集群性检验和平稳性检验为基础,用GARCH方法计算VaR,将VaR作为保证金比率,建立了基于GARCH-VaR的股指期货保证金模型,对沪深300指数进行了实证研究.研究表明沪深300指数的收益率不服从正态分布,其收益分布具有明显的厚尾特征和丛集效应;通过与EWMA和风险价格系数法进行对比,发现GARCH-VaR模型能更好地捕捉收益分布特征,得到的保证金水平能更好地覆盖风险.     

基于混频已实现GARCH模型的波动预测与VaR度量

本文将Hansen等（2012）的Realized GARCH模型扩展为包含日内收益率、日收益率以及已实现波动率的混频已实现GARCH模型（M-Realized GARCH模型）。该模型将日内交易分为前后两段,引入了混频均值方程,并对混频均值方程的残差分别建立条件波动率方程和已实现日波动率方程。本文采用2013-2016年沪深300指数混频数据,分别在扰动项服从正态分布、t分布和广义误差分布的假设下,采用损失函数、SPA检验、kupiec检验和动态分位数检验法,对GARCH、Realized GARCH和M-Realized GARCH模型的波动率预测和VaR度量效果对比研究,得出M-Realized GARCH模型能提高预测精度,且VaR实际失败率与理论失败率一致,失败发生之间不相关。最后,本文利用Block bootstrap方法抽样得到混频数据,模拟证明了M-Realized GARCH模型比Realized GARCH模型具有更高的预测精度。     

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.     

沪深300指数统计特征研究

文章以2005年4月8日至2007年10月30日沪深300指数日收盘价格序列为样本,以复合收益率为研究对象,通过对股市收益率非正态性检验,分析了沪深300指数的一些典型统计特征,验证了沪深300指数收益率"尖峰厚尾"的特性。因此有必要寻找一种更合适的模型,以便更准确地反映沪深300指数收益的真实分布。最后对其进行了GARCH效应的检验,结果表明沪深300指数收益率的波动存在着显著的GARCH效应。     

含有超越时间与相关收益率强度的极值风险度量

为研究不同市场状态下沪深300指数高频收益率的GARCH族期望波动率与极值风险之间的关系,采用非齐次的含有超越时间与相关收益率强度的二元极值方法分析系统性金融风险的VaR度量,结果表明:期望波动率的引入修正了齐次模型中GPD模型普遍退化的问题;预期波动率对尾部形状参数的正向影响在市场上升阶段比市场下降阶段更为明显,前一期期望波动率越高,则下一期单位期望波动率的变化对VaR的解释作用越小。     

基于GARCH和EVT的金融资产风险价值度量方法

本文主要根据极值理论(EVT)适合描述金融资产收益的厚尾分布和GARCH模型适合描述金融资产收益时间序列动态变化特性的优点,建立一种基于GARCH模型和EVT模型的风险价值度量方法。并通过中国证券市场实际数据对本文建立的模型进行验证。     

中国股市动态VaR计量模型分析

风险测量是现代金融活动的中心。近年来,新兴的VaR测量方法已成为国际上风险管理的主流方法。文章介绍了利用GARCH模型的VaR计算方法,并比较了基于不同分布假设的4种GARCH模型计算的VaR值,并得出以下结论:证券市场收益率具有强烈的GARCH效应和非正态分布性;基于GARCH-T的VaR估计值在给定的显著性水平下能够有效地度量金融资产的风险。     

沪深300股指期货对现货市场影响的实证研究

文章采用事件研究的方法,系统考察了沪深300股指期货上市交易一年以来对于现货市场的影响程度及方向。通过使用市场模型和GARCH系列模型对沪深300股指的贝塔值以及波动率进行的实证研究,结果发现:沪深300指数期货的引入,很好发挥了期货交易管理风险和降低波动的作用,同时买空卖空的套期保值交易还降低了不对称信息对于现货市场的冲击,但是要警惕股指期货带来的系统性风险的提高。     

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.     

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.     

CVaR-EVT和BMM在极端金融风险管理中的应用研究

随着风险度量一致性原则的提出,研究发现金融机构广泛采用的VaR模型存在严重不足,尤其针对分布具有厚尾特征的极端金融风险无法有效度量。本文采用极值理论（EVT）解决VaR方法的尾部度量不足问题,利用CVaR-EVT和BMM模型分析美国、香港股票市场和我国沪深两市指数18年的日收益数据,研究发现：（1）在95％置信区间及点估计中,分位数为99%的CVaR-EVT所揭示的极端风险优于VaR的估计值;且BMM方法为实施长期极端风险管理提供了有力决策依据,其回报率受分段时区的影响,期间越长,风险估计值越高;（2）模型采用ML和BS方法统计估值显示,我国股票市场极端风险尾部估计值高于香港和美国市场;但是,国内市场逐步稳定,并呈现出跟进国际市场且差距缩小的发展趋势。     

利用ETF类基金进行股指期货套利的方法研究

文章研究了利用ETF类基金进行股指期货套利的一种方法.首先选择基于A股市场投资组合的ETF类基金模拟股指期货标的指数沪深300指数,在确定ETF基金组合的基础上使用GARCH(1,1)拟合模拟沪深300指数的收益率;其次,基于中国金融期货交易所的沪深300指数期货仿真交易合约进行套利分析,分别讨论了ETF的一级市场套利和二级市场套利;最后,定义了套利收益率并选择广义极值分布对其进行拟合,给出了相关分布参数的估计值.     

基于已实现和极差波动率标准的沪深300指数波动率模型研究

对波动率预测模型的研究备受学术界的关注,文章以沪深300指数的5分钟高频真实交易数据为研究对象,利用8个损失函数和Diebold Marinao检验较为全面的探讨评价了GARCH族模型对其预测能力。结果发现长记忆性模型的预测效果普遍好于短记忆性GARCH模型,且FIEGARCH是长记忆性模型中预测效果较好的,这对学术界和实务界进行风险测度及对我国资本市场的风险控制都具有现实意义。     

股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算

风险管理的基础和核心是对风险的定量分析和评估,即风险测量。VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法。本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较。通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的显著性水平下更能有效地度量股市的风险。     

基于相同方差下降比的最优时变套期保值比率探讨

文章以华夏ETF300基金净值和沪深300指数为研究对象,充分考虑了两个资产的相互关系以及收益率的分布特征.在VaR最小化的目标下,以基于风险承受程度相同时的套期保值交易成本和收益率下降比为套期保值效果的衡量标准,综合对比了动态套期保值比率模型tCopula-DCC-GARCH和时变套期保值比率模型RLS-EWMA-GARCH的套期保值效果.结果表明:RLS-EWMA-GARCH模型在交易成本和收益率下降比两方面均优于tCopula-DCC-GARCH模型.     

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.     

基于神经网络模型的沪深300指数预测

文章对选取沪深300指数收盘价序列进行了正态性检验和Hurst指数的计算,得出价格序列的非正态和长记忆性特征.随后选择了适当的结构建立Elman神经网络模型,结合技术分析中的K线图理论,对沪深300指数隔夜开盘价进行了预测.经过求解和趋势检验,以及与相同输入输出结构线性模型的比较,发现该模型取得了良好的预测效果.     

沪深300股指期货风险规避策略

文章首先利用最小二乘回归模型、VAR模型、VECM模型和GARCH模型对最优套期保值比率进行了估计,再用沪深300股指期货模拟交易的数据基于风险收益的方法进行了套期保值有效性的比较和验证.结论表明:用传统的最小二乘回归模型估计的套期保值比率效果最好.     

同一过程下不同计量模型的比较

文章简单介绍了VaR的含义和计算方法,并且将分住教回归和GARCH模型分别应用于VaR的计算,进行上证综指的实证研究,得到了分住数回归这种没有事先假定分布的半参数估计方法更具有准确性、VaR可以更贴切地反应金融市场的风险水平的结论.     

交易间隔、超高频波动率与VaR ——利用日内信息预测金融市场风险

 金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测,这必然会损失部分日内信息。本文尝试使用中国股市日内分笔超高频数据,在分析日内波动特性的基础上,通过UHF-GARCH模型对交易间隔等日内信息建模,得到超高频波动率UHFV。本文用ARFIMA模型对超高频波动率UHFV建模,应用到风险价值VaR的预测中,并同基于日数据的GARCH类模型的VaR预测能力进行比较。VaR似然比和动态分位数等回测检验的结果显示,超高频数据波动率UHFV模型的预测能力强于采用日数据的GARCH类模型。