封闭式基金风险的评估

金融市场风险是封闭式投资基金面临的最大风险.风险价值(Value at Risk,简称VaR)是近年来发展起来的用于测量和控制金融风险的量化模型,是一种利用统计思想对金融风险进行评估的方法.本文首先分析了我国封闭式基金所存在的风险问题,然后系统的介绍了VaR模型在封闭式基金风险评估中的应用,以期对我国封闭式基金风险管理工作有所贡献.     

VaR方法在我国银行风险管理中的应用

VaR方法是目前国际上金融风险管理的主流方法之一,它利用数学工具计算金融市场的风险,可以有效规避市场风险,在金融领域中有着广泛应用.把VaR法引入我国的银行风险管理领域,对于我国的金融市场建设有着重大的现实意义.     

基于广义CoVaR模型的系统重要性银行的风险溢出效应研究

本文基于我国16家上市商业银行的股票日收益率数据,通过分位数回归估计广义CoVaR模型,即将CoVaR模型的条件由q分位点下的收益率等于VaR推广至最多等于VaR.在此基础上分别度量了上市商业银行对整个金融市场体系和上市商业银行对其他上市商业银行的风险溢出效应.结果表明,全国性商业银行的系统性风险普遍高于地方性商业银行,而各个上市商业银行之间的风险溢出效应具有显著的差异.     

中国燃料油期货市场的动态风险评估

期货市场的风险测度是准确评价市场运行效果的前提。中国燃料油期货市场已经运行了5年多,测度其投机风险对于科学的风险管理和建立全面的石油期货市场都具有重要意义。依据中国燃料油期货市场的特点,采用基于t分布和时变方差的动态VaR方法和动态Bayes VaR方法衡量其投机风险。结果表明：燃料油期货市场自运行以来市场内部风险一直处于平稳且略有下降的状态,采用动态方法在测度投机风险时更为稳健和科学。     

长周期VaR的非参数卷积估计

传统的VaR是一种度量短期风险的工具,但有些情况下需要度量长期风险.例如,具有长达一年或者一年以上的投资和预算的公司,具有长期债务的金融机构(如养老基金和人寿保险公司),以及银行和其他金融机构在决定是否要进行长期性的资本性投资时,都需要考虑长期风险.上述所有的这些例子都需要有一个长期风险控制的管理方法.     

全球股指现货和期货市场极端风险溢出检验

文章选取全球范围内七对典型的股票指数及其指数期货自2007年10月8日国际股票市场大跌至2008年11月14日的日度数据,运用基于GED分布的GARCH模型估计了这些市场5%和10%风险水平下的指数下跌的条件VaR,并利用Hong(2001)提出的风险-Granger因果检验方法分析了相对应市场之间的风险溢出效应.实证结果表明,期货市场是股票指数主要的信息来源,起着重要的价格决定作用.     

变革与转型中证券公司风险管理技术体系的构建

本文提出证券公司需要构建以净资本的动态管理为核心,以VaR等为技术手段,适合我国证券公司现状的风险管理技术体系.并运用VaR等技术手段,对市场风险、操作风险的度量方法进行了探讨.     

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.     

动态条件下基于VaR的银行资本优化模型研究

本文建立了动态条件下包括操作风险在内的基于VaR的银行资本优化模型.模型研究表明,银行在VaR报告期末如果出现例外,违约仍然有可能发生并且银行的资本对于覆盖相应的罚金是不充足的.在动态条件下,银行监管当局的力度越大,客观上会促使银行持有更多的资本要求.     

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。     

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。     

基于RiskMetrics模型的单个期货合约保证金比例设计

为了规避价格波动风险,期货交易所应该采取动态保证金设置方式。本文对单个期货合约的日收益序列建立了基于RiskMetrics的VaR模型,用滚动样本预测下一交易日的VaR值,而LR检验表明所建立的VaR模型能较好地测度价格波动风险。因此,下一交易日保证金比例可以设置为预测的VaR值和所规定的涨跌停板率的最小值,这样就能以相应的概率抵御该交易日价格波动带来的风险。     

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.     

基于Copula的资产组合风险价值模拟方法

文章以VaR或CVaR作为度量风险的指标,建立了一种基于Copula函数的资产组合风险价值模拟方法,并对该方法的参数估计和计算过程进行了详细分析.     

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。     

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。     

基于流动性调整的期望损失研究

与传统VaR方法相比,期望损失是一致风险测度,满足次可加性,但忽视了资产的流动性风险.流动性调整在险损失虽然考虑了流动性,但传统VaR方法的不足限制了La-VaR的实际应用范围和效果.鉴于此,基于相对半价差,文章研究了如何将流动性引入期望损失,得到带有流动性调整因素的期望损失模型.并给出了计算La-ES的仿真算法.实证分析表明,一致性风险测度LaES既能够覆盖大部分极端风险,又表现的不太保守,是一种较好的风险度量工具.     

基于极值理论的股票VaR和ES测度

近年来VaR(Value at Risk)和ES(Expected Shortfall)已经成为金融界普遍接受并逐渐广泛应用的风险测度方法.VaR可以定义为:一定的概率水平下,证券组合在未来特定一段时间内的最大可能损失.VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数,较准确测量由不同风险来源及其相互作用而产生的潜在损失,适应了金融市场发展的动态性、复杂性和整合性的趋势.但VaR本身仍存在一些不足,一是没有考虑到尾部风险,即损失超过VaR值的风险;其次,不是一致的风险度量工具.Artzner(1997)提出了Expected Shortfall (ES)的概念,ES度量损失超过VaR的损失期望值,它是一致的风险度量工具.     

基于DCC—MVGARCH模型的证券组合VaR测度与拓展模型

运用多元的DOC-MVGARCH模型方法对股票投资组合进行VaR测度,并与J.P.Morgan银行采用的IGARCH模型计算结果进行对比.结果表明,在测度VaR方面,无论在1%或是5%置信水平下,DCC-MVGARCH模型均优于单变量IGARCH模型.以DCC-MVGARCH模型测度的VaR为基础,把峰度、流动性风险因素纳入VaR模型框架后,发现拓展后的VaR模型预测风险能力显著增强,在所有拓展模型中,同时考虑了内生性、外生性流动性风险的LAVaR3模型表现最优.     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。