VaR方法及其在股市风险分析中的应用初探

本文讨论了度量投资风险的VaR方法的概念和计算方法,在股票价格随机游动的假设下计算了深圳股市在不同置信水平下的风险值,并与实际投资收益做了对比。在算例分析的基础上,对VaR方法在我国股票投资中的应用进行了初步探讨。     

可违约零息债券风险综合度量Monte Carlo方法

可违约零息债券同时面临着违约风险和市场风险(利率风险)这两类主要风险.相对于传统的不同类风险独立度量方法,也不同于割裂两类风险再进行加总或通过Copula函数关联,本文在信用风险强度定价模型的基础上,同时考虑信用风险、市场风险和两类风险之间的相关关系,建立了计算可违约零息债券综合风险VaR的Monte Carlo方法,得出同一个风险计算期下反映两类风险的损失分布和同一个某置信度的损失分布的分位点,进而能求得风险综合VaR值,这样可在同一个框架下同时捕捉可违约零息债券的两类风险,这里,给出了MonteCarlo模拟方法具体技术细节,包括违约时间和基础状态向量过程的模拟.最后运用本文的风险综合度量模型对短期融资券的综合风险进行计算,得出风险综合VaR值,并与利率风险独立度量VaR值和信用风险独立度量VaR值进行比较分析.     

极值风险E—VaR及深圳成指实证研究

由于极端事件及政策性调整，中国股市出现了剧烈波动。鉴于当前各种VaR模型在较高置信水平时(≥0．99)会高估或低估VaR值，本文提出把E—VaR作为一种辅助的VaR度量方法．对新兴的中国股票市场进行风险调控与度量。通过POT方法建模与Boostrap模拟参数置信区间检验，深圳成指的实证结果表明，在极端市场条件下，E—VaR是令人满意的。     

一致性风险价值及其在中国证券市场的应用研究

本文分析了VaR做为风险度量工具本身具有的缺点;行为金融理论要求风险度量必须度量下偏风险,要与投资者对信息的非线性反应相符;而收益率分布的实证研究要求风险度量要考虑收益率的尖峰厚尾现象.本文上将双曲分布用来模拟收益率实际分布,在此基础上计算CVaR,及其CVaR在中国证券市场中的应用.     

“吃鱼理论”的定量分析

本文将VaR值应用到具体某只股票的风险度量上,并将股票价格波动带来的风险分为多头风险和空头风险,结合苏宁电器的具体走势数据,使用历史模拟法（HS法）,计算出了多头VaR值和空头VaR值,并试探性的使用这些数据来寻找“吃鱼理论”中的鱼头和鱼尾,得出了有一定参考价值的结论。     

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。     

基于Markov决策过程的离散过程风险度量

针对静态风险度量方法无法实现多阶段投资风险度量需要的缺陷,根据动态风险度量过程的特点,提出时间持续性概念以及推论,通过简单算例证明目前静态风险度量方法VaR、CVaR和ES由于不满足时间持续性而无法实现多阶段风险度量的不合理现状,建立基于离散时间状态和Markov决策过程的多阶段风险度量.     

稳健非参数VaR建模及风险量化研究

参数VaR模型被广泛应用于风险测量中,然而需要给出具体的结构形式,这就容易发生模型错误设定的灾难,使风险计量的精确性易于产生较大偏差。针对参数VaR模型的设定误差问题,本文构建了SQ-ARCH和Nop-Quantile两个非参数VaR模型,诣在提高传统风险计量模型的灵活性、稳定性和准确性。采用稳健的分位数回归方法,得到了计算这两个VaR模型的具体表达式并给出了模型估计的算法和步骤。Monte Carlo模拟发现无论模型正确还是错误设定非参数VaR模型比参数ARCH类VaR模型更稳健。此外,把这两个稳健非参数VaR模型应用于我国股票市场风险量化的实证分析中。研究结果表明稳健非参数VaR模型比参数ARCH类VaR模型度量风险更准确。     

极端情况下对我国股市风险的实证研究

准确地度量风险是对风险进行有效管理的前提也是投资者做出合理的投资决策的基础,然而在极端事件频繁发生的情况下,传统的VaR计算方法难以准确地度量股市风险,极值理论却可以很好地解决这一问题。本文特别关注了由2007年美国"次贷" 危机所引发的全球金融危机爆发时我国股市的风险度量问题,考虑到全球股市间极端事件的联动效应,利用基于极值理论的POT模型对上证综指日收益率的尾部数据直接建模拟合分布,进而计算出风险值VaR和CVaR,通过比较危机前后的风险值,发现随着金融危机的到来,我国股市的风险有了一定程度的释放。     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

基于非参数方法的银行操作风险度量

金融业全球化竞争和金融管制放松,导致商业银行面临的操作风险不断增加,操作风险已成为金融监管的焦点.因此,对商业银行和其它金融机构来说,可靠的操作风险度量正变得越来越重要.文章采用基于厚尾分布的非参数方法度量我国商业银行操作风险,给出了VaR的点估计方法和3种区间估计方法(正态近似法NA,经验似然法EL,数据倾斜法DT).此方法的优点在于不用假设操作风险损失分布,这样可以消除参数化模型设定差异而带来的估计偏差.同时,根据厚尾分布的特征,提出了新的厚尾分布样本均值求法,调整后均值更注重对尾部的描述和刻画.实证结果表明:调整后的厚尾分布样本均值大于简单算术平均值,更符合右偏厚尾的分布特征;非参数方法得到的VaR点估计和区间估计考虑了厚尾的因素,解决了传统VaR低估风险的问题,更接近真实情况;VaR 3种区间估计的方法能够提升对风险衡量的准确性,其中DT方法所得到的区间估计最为准确.     

基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型--基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。     

VaR与CVaR的敏感性凸性及其核估计

风险价值（VaR）和条件风险价值（CVaR）是目前两大主流风险度量工具,如何准确地对它们进行估计是风险管理实践中首要而核心的问题。近年来非参数核估计方法因模型设定灵活、方便处理变量相依结构等优点备受关注。在本文,我们在核估计的框架内讨论VaR和CVaR估计量的性质;给出投资组合VaR和CVaR对组合头寸的一阶导数向量和二阶导数矩阵的核估计公式,并用它们来讨论组合VaR和CVaR对组合头寸的敏感性和凸性。最后,我们利用中国外汇市场的实际数据做实证分析。     

非理性条件下的风险偏好与投资选择研究

对投资者风险偏好的度量，是投资者进行投资选择过程中的重要环节。然而，经典的风险偏好度量方法，例如均方效用函数度量法，是建立在传统的理性假设之上，与现实经常不符。本文通过考察VaR计算模型中的逆问题．提出并论证了一种不再依赖于传统理性的风险偏好度量方法；然后，借助于该法．对非传统理性条件下投资者的风险偏好以及基于其上的投资选择行为进行分析、比较，以确定投资者的最佳投资选择。作为应用．我们选取了1997年至2001年间我国三大金融投资领域：股票、债券和银行存款的有关数据．对在我国三大金融投资领域中的最优投资选择问题进行了实证分析。     

中国股市风险CAViaR建模的稳定性分析

VaR能够方便地度量金融市场的风险水平,已成为众多银行和金融机构监管与防范市场风险的标准工具。VaR模型是否稳定是实际使用者所关注的十分重要的问题。本文介绍了诺贝尔经济学奖得主Engle及合作者Manganelli于1999年最新提出的条件自回归VaR模型（简记CAViaR模型)的理论及实际意义．并采用Chow检验方法重点探讨了中国股市风险CAViaR建模的稳定性问题。通过对上证综合指数与B股指数及深圳成指的实证研究,我们发现．由于中国股市的结构性变化。Engle及Manganelli所力荐的四个参数CAViaR模型用于中国股市风险建模是相当不稳定的．不能很好地适合现实的中国股票市场。忽略中国股市的结构性变化而度量市场风险会低估或高估模型的解释能力。     

基于VaR模型的开放式基金流动性风险研究

本文从流动性的基本定义出发,根据我国证券市场的特征,设计了一个流动性度量指标,并将该指标纳入VaR风险度量体系。并进行了实证研究,分析了基金流动性风险及其实际意义。     

基于ARCH-Expectile方法的VaR和ES尾部风险测量

甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容。近十年,下端风险越来越受到关注,在险价值（Value at Risk,VaR）和预期不足（Expected Shortfall,ES）是资产组合风险管理中两个常用的风险度量工具。Kuan等^[1]在一类条件自回归模型（CARE）下提出了基于expectile的VaR度量-EVaR。本文扩展了Kuan等^[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小。同时给出了参数的两步估计算法,并建立了参数估计的大样本理论。最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的。     

基于极值理论的风险价值度量

精确度量风险价值(Value-at-Risk,VaR)和以及由此衍生的Expected Shortfall (ES)是对风险管理者的挑战.广泛应用的正态分布不足以描述金融收益的厚尾特征,尤其是风险管理者最为关心的99%或95%分位数.极值理论可以准确地描述分布尾部的分位数.本文利用极值理论计算VaR和ES,并给出它们的误差分析,然后利用深成指数据进行返回检验.两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和ES.     

AEPD、AST和ALD分布下金融资产收益率典型事实描述与VaR度量

金融资产收益率分布具有"尖峰"、"肥尾"、"有偏"、"非对称"等典型事实,传统的正态分布、t分布、SKST分布无法完全描述这些特征,影响了以收益率分布设定为基础之一的参数法VaR模型度量的效果。近年来,理论界提出了AEPD、AST、ALD等分布来改善对金融资产收益率分布的描述。本文以沪深300指数为例,比较和分析了这些分布对金融资产收益率典型事实特征的描述及其在VaR度量效果上的差异。研究表明并非捕捉金融资产收益率分布典型事实越多的模型测度风险的效果越好:AEPD、 AST、ALD分布能较好地描述金融资产收益率的典型特征,但是在风险度量效果上却只能证明AEPD、AST分布绝对优于正态分布,而与SKST分布相比无明显差异; ALD分布在度量空头VaR时效果甚至比正态分布更差,但在计算低分位水平下的多头VaR值时却明显优于其他分布。     

Adjexpectile风险测度的性质、优化及资产配置的应用

金融风险的度量和识别是风险管理的重要内容,常用的风险度量工具是标准差、VaR、ES,但存在很多缺陷,expectile的提出弥补了这些不足,在理论界得到广泛的讨论和应用。本文扩展了expectile进行资产配置,提出Adjexpectile的概念,并讨论和分析了Adjexpectile的一致性风险度量、随机占优性、凸性,与标准差、VaR、shortfall的关系,风险贡献及风险分解的性质。通过对六个资产指数：上证国债指数、上证企业债指数、上证180指数、深圳100指数、深成长40p指数和黄金现货指数的复合周收益率数据进行组合优化配置,发现Adjexpectile在非对称性收益数据、组合前沿、风险分散方面具有一定的优越性。