基于GARCHS模型的市场风险测度

文章在使用GARCHS模型对条件偏度进行动态建模的基础上,提出了基于条件偏度的VaR估计方法.通过对我国上证综指的实证研究表明,上证综指的条件偏度时变特征明显,其收益存在明显的有偏特征.对上证综指VaR估计的后验比较表明,考虑条件偏度的VaR估计方法能够提高有偏分布下VaR的估计精度.     

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.     

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。     

应用Bootstrap模拟技术的VaR计算与分析研究

比较估计VaR的方差一协方差方法、历史模拟法和MonteCarlo模拟方法，提出估计VaR的新模型和新方法。新模型把随机收益率分解成刻画收益率二阶矩特征的部分和刻画随机均值的正态部分。新方法使用Bootstrap模拟技术和MonteCarlo模拟技术计算VaR。实证分析表明，新方法计算的VaR在传统方法计算的VaR参考范围内。     

考虑基差非对称效应的期货VaR估计方法研究

文章研究了基差对期货回报率波动性影响的非对称效应及其在期货VaR估计中的应用.以沪铜期货为例的实证结果表明,基差对期货的回报的波动性的影响存在显著的非对称效应,其中负基差对波动性的影响要明显大于正基差.通过与GARCH模型和未考虑非对称效应的SEGARCH模型对VaR估计的效果比较表明,考虑基差非对称效应的AE-GARCH模型更能提高VaR的估计精度.     

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。     

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.     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。     

基于非参数核估计的股市风险理论及应用研究

根据中国股市非市场化特点与股权分置改革的影响等问题,在股票市场价格严重失真情况下,运用非参数核估计方法,拟合了股市的理论收益率指标,通过对比股市实际收益率指标显著性偏离关系,提出了中国股市风险理论的独特含义与计量方法。实证显示：非参数核估计能够很好估计股市理论收益率指标,准确地计量中国股市风险动态变化情况。     

基于Pearson Ⅳ分布的VaR与CVaR估计

基于GARCH模型,用Pearson Ⅳ分布拟合标准残差,给出一种更为精确的VaR和CVaR计算方法.重点研究在Norm-GARCH、t-GARCH与GED-GARCH模型下,用原分布和Pearson Ⅳ分布计算VaR的比较,结果表明,用Pearson Ⅳ分布计算VaR都能得到比原分布更小的失败率,且在三种模型之下用Pearson Ⅳ分布计算VaR结果很接近,都能通过检验,所以选择最简单的Norm-GARCH模型就可以;基于此,研究在Norm-GARCH模型下,用正态分布和Pearson Ⅳ分布计算CVaR,并与VaR进行比较,结果表明,用Pearson Ⅳ分布计算VaR和CVaR的失败率都远远小于由正态分布所得到的失败率,特别在VaR估计失效的交易日里,用Pearson Ⅳ分布得到的CVaR均值与实际损失均值非常接近.因此,Pearson Ⅳ分布能很好地刻画金融数据的特征,相对其他分布而言是一个很好的选择.     

基于卡尔曼滤波的投资组合时变风险估计

本文采用状态空间表示式,提出了一个具有时变的系统风险系数β的条件CAPM,然后利用卡尔曼滤波递归算法来估计时变β系数,最后通过夏普的对角线模型计算投资组合的VaR并进行返回检验.结果表明,该模型能够捕捉到金融市场的波动,而且对计算起到简化作用,特别适合对大投资组合的VaR估计.     

中国股指期货与股票市场波动性关系的实证分析

使用修正的EGARCH模型与VaR方法检验股指期货的推出对中国股票市场波动性所产生的影响。采用的数据为沪深300指数,样本数据分为股指期货推出前,股指期货推出后的短期、中期和长期与样本数据全体五个时间段。研究表明,从股指期货推出的短期与中期来看,市场对信息的反应比较混乱。从长期来看,股指期货的推出加速了信息的传递速度并且弱化了非对称效应,并没有加大股市的波动性。VaR方法检验表明,股指期货的推出有效降低了股市风险,使A股市场更加成熟和完善。     

基于Copula-GARCH方法的投资组合VaR计算

VaR 方法是金融市场风险测量的主流方法.Copula函数广泛的应用于风险管理、投资组合选择、资产定价等金融领域.文章选取五种代表性的Copula并结合带正态分布和学生t分布的GARCH模型描述金融数据,通过Monte Carlo模拟计算投资组合的VaR,并对各种模型的计算能力做了对比,发现Clayton Copula结合GARCH(1,1)-T的模型对VaR的估计最好.     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

利用Bootstrap与核密度估计的方法计算VaR

根据历史数据估计收益率的分布来计算VaR是一种常用的方法.然而,过多的历史数据所构成的时间序列可能不独立同分布.文章选择离预测时间较近且相对较少的历史数据,使其通过BDS检验,再对其进行Bootsrap抽样,得到足够的样本,选择适当的核密度分布函数,从而算出VaR.经比较发现,这种方法算出的VaR比传统方法更准确.     

市场风险资产损失服从Pareto分布的VaR计量

目前VaR模型是测量和管理商业银行市场风险的主流方法.运用VaR的计算原理,利用Pareto分布描述风险资产损失的尖峰厚尾特征,得到市场风险资产VaR计算公式,并且分析了VaR的影响因素,最后利用历史数据进行VaR的实例计算.     

VaR估计中的概率分布设定风险与改进

 在金融风险管理中,金融风险的事先判断具有极其重要的意义,然而金融机构金融决策事前支持技术的缺陷常常被忽略,在金融投资收益率概率分布估计方法尚未建立以前,将样本数据特征纳入风险度量的计算则不失为一种改进风险判断的有效途径。本文选择度量金融风险的主流方法—VaR技术来讨论概率分布设定风险,探讨依据数据特征改进和扩展VaR计算方法,通过对Delta-正态方法与Delta-Gamma-Cornish-Fisher扩展方法估计VaR值的比较,从实证分析角度论证了扩展方法在VaR估计中的有效性与稳健性。     

股权分置改革前后市场风险价值的变化

随着股权分置改革进程的顺利接近尾声,股改对股市的影响日益显现出来.文章以具有代表性的50家股改公司为研究样本,运用条件异方差模型和Comlsh-Fisher方法计算出每只股票股改前后的市场风险价值(VaR),然后用曼-惠特尼(Mann-Whitney)检验和平方秩检验两种非参数方法对股改前后的VaR值进行比较分析.实证分析发现,股改后的VaR值不但有上升的趋势,而且其波动性也变大了.     

分位数回归在风险管理中的应用

VaR已经成为金融风险度量的重要工具之一,近几年获得了重大的发展,计算VaR常用的方法主要有3种:历史模拟法HS(Historical Simulation)、方差-协方差法(Variance-Covariance Method)和蒙特卡罗模拟法MC(Monte CarloSimulation).分位数回归模型是针对解释变量的条件分位数来建模的,而资产组合的VaR实质上就是分位数,所以我们采用分位数回归模型来对VaR进行估计.     

从众行为影响我国股票市场波动性的计量研究

文章使用2000年以来我国股市10年的数据,采用状态空间模型卡尔曼滤波估计方法,估计和分析了我国股票市场的从众行为度,同时使用GARCH模型对我国股票市场的波动性进行了测度,并且将从众行为度与我国股市波动性进行了相关分析,结果发现我国股市的从众行为度与市场波动性存在显著的正相关关系.因此本文认为我国股市较严重的从众行为是加剧我国股市波动性的直接动因之一.