基于CAViaR模型的沪深300股指期货隔夜风险研究

期货隔夜风险的防范历来是投资者关注的热点,本文以沪深300股指期货为研究对象,采用CAViaR模型对普通隔夜风险进行度量,同时还采用新建的CAViaR-EVT模型对极端隔夜风险进行预测,全面地分析了多头VaR和空头VaR在不同分位数的动态变化特征,最后采用Kupiec似然比检验和动态分位数检验对模型进行后测检验。实证结果表明,隔夜收益序列具有右偏、无长期记忆性和尖峰厚尾等典型特征;CAViaR模型对股指期货的普通隔夜风险具有优异的预测能力,其中AS模型的预测效果最好;加入极值理论后,CAViaR-EVT模型同样能很好地刻画极端分位数下隔夜风险的动态演化过程,且其预测结果比EVT和GARCH-EVT模型要更合理。     

大数据下分位数回归通讯有效算法及其应用

考虑风险度量中常见的分位数回归模型，给出在超大容量数据且复杂数据类型下的几类快速分布式算法.虽然仅考虑分位数回归模型，但本文提供的算法大多数可以应用到其它更一般的模型中.由于分位数回归模型的目标函数为非光滑函数，通常的分块集成法和光滑函数高效通讯算法并不适用.本文首先针对完整观测数据，给出了分位数回归模型参数估计的等度连续法，光滑函数逼近法和改进的数萃(Meta)方法三种分布式通讯有效算法.进一步，考虑了非平衡半监督数据，分别针对无标签数据样本量较小和较大两种情形，提出了加权损失函数法和改进的数萃方法两种数据融合方法.所提出的方法可以把分散在不同机器上的半监督数据进行数据融合，从而实现不同数据类型和不同样本量情形下的高效通讯分布式计算，提高算法的精度和参数估计的效率.本文通过大量仿真模拟研究了所提出的算法在有限样本下的表现，并将其应用到了洛杉矶流浪人口数的实际数据分析中，发现其均具有较好的准确性.     

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CPFR的需求预测新方法——分位数回归预测法

本文引入计量经济学前沿预测研究方法-指数加权分位数回归预测,并建立需求预测模型.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.在此基础上建立基于CPFR的供应链系统成本模型,对比分析表明指数加权分位数回归方法的预测精度较高.     

我国金融机构的系统性金融风险评估——基于极端分位数回归技术的风险度量

本文将极值理论引入到系统性金融风险度量中,通过极端分位数回归技术估计我国33家上市金融机构对金融系统整体的风险贡献,并识别出我国系统重要性金融机构。研究结果表明,我国金融机构的市场价值总资产收益率呈现明显的非正态分布特征,使用极端分位数回归技术可以更准确的度量尾部的风险联动性;银行类金融机构的系统性风险贡献水平最高且波动变化最大,系统性风险贡献排名前十的金融机构基本为银行类机构;证券类、保险类、信托类金融机构的风险贡献水平相对较低;通过与其他研究的对比发现,考虑到极端情形下的尾部风险联动性时,股份制商业银行对金融系统的风险贡献上升。本文的研究为系统重要性金融机构的宏观审慎监管提供了实证依据。     

基于滚动时间窗的碳市场价格分解集成预测研究

提高碳市场价格预测准确性对于交易风险监测以及碳市场平稳发展具有重要价值。针对复杂的、非线性碳市场价格数据的短期预测误差偏大、分解过程易产生数据泄露问题，提出了基于滚动时间窗的SSA-SVR分解集成预测框架。首先，选取时间窗数据，继而借助奇异谱分析将时间窗内碳价序列分解重构为高、低频序列；然后，使用支持向量回归方法对高、低频序列分别进行预测；最后，加和集成预测结果，得到下一时刻的碳市场价格预测值。通过不断更新时间窗的数据内容，动态执行“分解-预测-集成”过程，实现碳市场价格的实时预测。研究结果表明，本文所提出框架表现出优异且稳定的预测性能，在碳市场价格预测研究中具有良好的适用性和有效性。     

基于CVaR风险计量指标的投资组合策略及模型

本文以在条件风险（cvaR）模型的框架下,建立了三个以Worst—CaseCVaR．CWCVaR．）为风险测量指标的投资组合模型。依据深圳证券市场的股票数据,运用Matlab工具葙提供的求解优化问题的算法进行了模拟计算,验证了模型的有效性。     

基于CVaR两步核估计量的投资组合管理

在不做任何分布假设的条件下,利用非参数核估计方法对风险度量条件风险价值(conditional value-at-risk,CVaR)进行估计,得到CVaR的两步核估计公式.然后用估计出来的CVaR代替理论上的CVaR建立均值-CVaR模型,实现对风险估计与投资组合优化同时进行,并基于迭代思想设计求解该模型的简单算法.蒙特卡洛模拟结果表明基于两步核估计方法的投资组合优化模型和算法比现有的方法更加有效,估计出来的组合边界误差更小.引入无风险资产后,文中的模型和算法同样适用.最后,为说明其应用价值,采用中国A股市场的日收益率数据进行了实例分析.     

考虑投资者情绪的中国股市自激发效应研究

本文在极值理论中引入行为金融学，结合标值自激发点过程（MSEPP）刻画股指收益率极端值序列的集聚性、短期相依性，并将传统的超阈值模型所描述的齐次泊松过程拓展为非齐次泊松过程，探讨投资者情绪对极端收益率的冲击。运用风险偏好指数的方法，基于沪深300指数成份股合成中国投资者情绪指数（EMSI），进一步构建MSEPP-EMSI模型预测沪深300指数、上证综合指数及深圳成分指数的极端风险爆发概率，并对其进行动态ES风险测度。实证结果表明，沪深股市在短期内股指连续暴跌现象时有发生，投资者极度负面情绪会加剧股市的剧烈动荡，当考虑投资者情绪对极端风险的冲击时，MSEPP-EMSI模型能有效的提高对极端风险的概率预测精度及ES预测精度。     

基于非对称主动风险测度的增强型指数追踪模型及应用

本文以下方追踪误差测度非对称主动风险，构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型，给出了求解模型的广义最小角度回归（generalized least angle regression，简称GLARS）算法，并基于上证50进行了实证。GLARS算法可以给出超额收益在合理区间变化时，使得下方追踪误差最小的组合系数解路径，刻画投资组合的"超额收益—下方追踪误差"有效前沿。将模型应用于中国证券市场上证50指数，与基于"超额收益—追踪误差"的增强型指数追踪模型相比，得到如下实证结论：控制组合股票支数，本文组合的超额收益、单位风险收益更高，在承担相同风险的情况下，得到了更高的平均收益补偿；正下方离差中位数、最大回撤更小，右偏程度更高，表现出"守住下限，放开上限"的特质。本文组合在稀疏性要求下，样本外可以获得高于基准指数的累积收益，对机构和个人投资者具有参考价值，丰富了现有指数追踪研究。     

我国行业风险敞口与行业网络结构的相关性研究

基于皮尔逊相关系数和格兰杰因果检验,分别构建行业无向和有向网络,采用CoVaR模型计算我国行业风险,并借助分位数回归探索行业风险与网络结构的相互关系;使用网络模块分析探究不同极端事件下行业网络的集聚情况,以及风险在各模块间的传染路径,同时考察网络结构对行业风险的影响效应。研究结果表明：两种行业网络结构均表明,金融行业有成为网络中心的趋势,采用格兰杰因果检验构建的有向网络更能解释行业风险;金融市场冲击会对行业网络结构产生影响,不同极端事件下行业风险在网络中的传播方式不同;同时,网络结构对行业风险存在显著影响,网络聚类系数和全局效率的降低以及介数中心性的提升,均能降低行业风险。研究结论对金融风险防范和产业结构优化升级具有一定的参考价值。     

嵌入网络舆情指数的中国金融机构系统性风险传染效应研究

首先基于文本挖掘技术构建反映投资者情绪的网络舆情指数,然后将所构建的网络舆情指数嵌入到系统性风险传染效应度量模型,得到修正的单指标非对称CoVaR模型,并运用线性分位数LASSO算法与局部多项式估计方法进行参数估计,以此为基础构建金融有向网络,进而对中国金融机构系统性风险传染效应进行实证分析。实证研究表明：(1)以单指标非对称CoVaR为代表的金融机构风险指标与网络舆情的协同变化趋势明显;(2)证券类和银行类金融机构对外部风险非常敏感,极易受到其他金融机构的影响,也极易影响其他金融机构;(3)非银行类机构在风险积累阶段占据重要位置,银行在风险爆发时刻占据重要位置;(4)相对于非银行类金融机构,银行类机构具有较强的传染能力。     

基于零膨胀分位数两部模型的银行贷款违约预测研究

贷款信用风险评估是银行风控的重要内容。贷款逾期天数作为常见的风险度量指标,具有典型的零膨胀特征。对于零膨胀数据,传统的线性回归不再适用,两部模型是常用的代表方法。考虑到贷款数据具有偏态分布特征,本文构建了一个分位数两部模型—logit-quantile模型。该模型由Logistic回归和分位数回归构成,为了进行风险因素的选择,在模型的两个回归中添加了Lasso惩罚。为了求解模型,本文采用了坐标下降法和线性规划法相结合的迭代算法。模拟分析显示,对比逐步法和常用的logit-linear两部模型,新模型表现出了最好的变量选择效果,尤其在零膨胀比例为80%及高维情形时,该模型的表现仍然最优。最后对某银行的贷款数据实证分析显示,新模型具有更精简的结构,采用交叉验证技术进行预测显示新模型的预测和分类表现最好。     

金融业上市公司系统性风险度量研究——基于A股数据的分析

本文选取2011—2020年度66家上市金融机构的股票数据,采用条件在险价值法（CoVaR）度量金融业上市公司系统性风险,建立分位数回归模型计算CoVaR。通过对近十年来我国金融业上市公司的系统性风险变化趋势的研究,发现我国金融业上市公司系统性风险近十年来整体在可控范围内,并通过近几年的改革逐步降低。期望本研究能为我国下一步的金融风险控制提供参考。     

季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题，基于“分解-集成”的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架。首先，基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别，继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend Decomposition Procedure Based on Loess，STL)模型实现季节性分量提取。然后，采用Holt-Winters模型对获得的季节性分量进行预测，并以支持向量回归模型(Support Vector Regression，SVR)预测分解获得的其他分量。最后，通过对各个分量预测结果的线性求和以得到最终的预测结果。实证结果表明，提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求，且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定。     

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。     

比例数据基于Tobit分位数回归模型的贝叶斯变量选择

针对家庭商业健康保险参保比例在[0,1]闭区间上取值的特点,本文基于Tobit模型给出了比例响应数据的贝叶斯分位数回归建模方法。通过引入回归系数的“Spike-and-slab”先验分布,应用EM算法我们提出了基于门限规则的贝叶斯变量选择方法。大量数值模拟研究验证了所提的贝叶斯变量选择方法的有效性,且具有易操作、计算量小等优点。最后,将此方法应用到家庭商业健康保险数据的实证分析,研究不同分位数水平下家庭健康保险参保比例的影响因素,得到了许多有意义的研究结果。     

石油期货收益率的分位数建模及其影响因素分析

石油期货收益率的分位数反映了收益率分布特征和石油市场风险特征,有必要建模考察分位数的变化模式与影响因素。针对现有研究在模型方法和分析角度上的不足,本文考虑分位数受市场冲击影响而产生的非线性自回归特征,提出门限CAViaR模型并用以分析石油期货收益率的分位数及其影响因素。基于1998-2009年布伦特原油期货价格的研究表明,石油期货收益率的分位数具有自回归特征并受前期油价涨跌的不对称影响,且油价下跌的作用更强。左尾分位数受油价涨跌的共同影响,而右尾分位数仅受油价下跌的影响,二者呈现不同特征。此外,本文通过考察分位数的动态变化模式揭示了油价风险特征,具有重要的风险管理作用。     

中国燃油期货市场的VaR与ES风险度量

近年来,我国燃油期货市场取得快速发展,但有关该市场波动特征和风险状况的研究却非常缺乏。以上海期货交易所燃油期货价格指数为例,分别在多头和空头两种头寸状况以及5种不同分位数水平下,运用条件覆盖检验、非条件覆盖检验等后验分析方法,实证对比了不同风险测度模型对VaR和ES两种不同风险指标估计的精度差异。研究结果表明:在我国燃油期货市场的风险测度估计中考虑国际燃油价格波动因素有助于获得更为精准的风险测度精度;在综合考虑了模型对价格变化动力学的刻画效果以及对极端风险的测度精度等因素后,FIGARCH_CST-SST模型是一个相对合理的风险测度模型选择。     

基于最优反应均衡的渠道数量折扣模型及实验分析

最优反应均衡是在有限理性条件下对纳什均衡的发展,传统对渠道协调的研究关注契约设计,数量折扣是理论研究较多的机制,但在实践中的结果与理论有所偏差。基于此,将最优反应均衡引入到渠道协调数量折扣的模型中,建立依据反应函数的策略概率选择分析框架,修正对零售商理性程度的认识。通过理论分析重新求解数量折扣形式,发现随着博弈者理性程度的不同,契约形式发生变化;通过实验证明数量折扣机制协调渠道的有效性,发现实验数据与最优反应均衡模型更加吻合,重新对契约机制具体参数进行制定,估计出零售商的理性程度系数,在该系数下的渠道协调机制不同于传统的理论预测结果,进而为更加合理的制定渠道协调的机制契约提供理论和实证基础。