均值尾部相关系数及其在金融领域的应用

传统尾部相关系数用于刻画变量之间的极值相关性,但这种相关系数存在对相关性信息刻画不完全的问题。为能够捕获更多的非极值相关性信息,本文提出均值尾部相关系数的概念,研究了均值尾部系数同Copula理论之间的关系,并以t Copula为例分析了四种均值尾部相关系数的变化特征。通过将均值尾部相关系数和传统尾部相关系数分别应用于沪深股市的相关性研究,从实证角度验证了这种相关系数的实用价值。     

典型事实、混合Copula函数与金融市场相依结构研究

运用ARFIMA-FIAPARCH-skst模型对沪深300指数和香港恒生指数建立收益-波动模型, 然后结合估计的参数对模型进行修正以确立最终模型, 排除金融市场典型事实对相依关系的影响, 进而运用由Clayton、Frank和Gumbel组成的混合copula模型对相依结构进行建模。研究结果表明:内地市场和香港市场均未观察到显著的杠杆效应;由Clayton、Frank和Gumbel组成的混合Copula模型能够准确地描述两个市场之间的相依结构, 且两个市场下尾相依关系要强于上尾的相依关系, 通过动态混合copula也验证了这一明显的非对称关系。     

基于copula的追随者银行的企业项目总体风险评价模型

基于追随者银行的企业项目总体风险评价问题是指当有银行作为先行者介入一个项目时,后续的其它另一个银行作为追随者银行需要将先行者银行的信用风险和所要参与投资的企业项目风险综合加以考虑、从而独立判断项目投资的总体风险大小并进行投资决策。由于任何一家银行都只能熟悉某一些领域、某一些地区、某一些国家的项目,这就导致追随者银行在无法充分掌握项目信息时,需要以先行者银行的信用风险大小为参照物之一来推断企业项目的总体风险,这不仅仅对投资和贷款业务开展较晚的例如中国邮政储蓄银行这样的商业银行有着重要现实意义,而且对所有商业银行的投资活动都有重要的指导意义。通过先行者银行信用风险与项目风险反映企业项目总体风险,本研究建立了基于Copula函数的追随者银行的企业项目总体风险评价模型。本文主要的创新与特色是通过确定先行者银行的信用风险R_F与项目风险R_p的函数关系,进而确定企业项目总体风险R_T,解决了追随者银行所要测算企业项目风险的问题。总体风险模型的稳定性检验表明,在95%的置信水平下,对追随者银行来说,不论多大样本,其所要投资项目的总体风险中的先行者银行信用风险R_F与所要投资的项目风险R_p的重要程度分别为W₁=0.428、W₂=0.572。     

旱灾对粮食生产影响的非线性动态效应评估

自然灾害严重威胁粮食安全,因此科学地理解和认识自然灾害与粮食产量之间的关系至为重要。基于时变Copula函数方法的实证研究结果表明,水稻、小麦、玉米在低产时和旱灾的尾部相关系数分别为0.52、0.15、0.58,但是水稻、玉米在高产时和旱灾比率的尾部相关系数近似为0,小麦在高产时和旱灾的尾部相关系数仅为0？06,这意味着粮食单产与旱灾的关联性表现出非对称性。旱灾对粮食产量影响的时变性也因不同作物而异。对于水稻而言,随着技术水平的提高,旱灾与水稻单产的关联性存在显著的下降趋势;但是,旱灾与小麦、玉米单产的关联性并没有表现出随时间推移而下降的趋势。     

基于变参数模型的流动性与上证综指收益率关系研究

研究了流动性与上证综合指数收益率之间的时间序列动态关系,并利用状态空间模型对流动性与上证综指收益率的动态关系进行了变参数分析。结论是:上证综指收益率对宏观流动性变动的时变弹性系数在近几年流动性过剩的背景下,呈现上升趋势。其中,能源、钢铁和金融行业时变弹性系数波动比较剧烈,而医药行业的时变弹性系数波动较小。证券市场(微观)流动性变动的时变弹性系数随着我国股票市场发展的逐步健全、完善而趋于平稳。     

风险相关性下的信用风险、市场风险和操作风险集成度量

商业银行各种风险之间相关性的存在,对其整体风险的度量产生重要影响。本文针对商业银行的信用风险、市场风险和操作风险这三类主要风险,在考虑相关性基础上给出了风险集成过程,通过copula函数和蒙特卡洛模拟方法计算了商业银行的整体风险,同时研究了风险分散化效应和在不同copula函数下整体风险的变化情况。最后以主流文献中的数据做了实证分析,结果显示本文提出方法能够很好的描述风险损失之间的相关性,同时在能够抵御相同风险的情况下考虑相关性下的在险值与简单相加得到的在险值相比要小,这能为银行业提高资金利用率提供了一定的理论和方法依据。     

基于状态空间模型的动态基金业绩评价研究

本文在基金整体业绩评价研究领域对以往经典基金业绩评价指标詹森alpha指数以及基金资产投资的系统风险指标beta的估计方法进行了修正和改良。以往的詹森指数和beta值的估计是将其视为常系数,然而实际中基金的詹森指数和系统风险beta具备时变性。在对常系数下詹森alpha和系统风险beta值的分解式中,本文证明了传统估计值由詹森alpha和系统风险beta的期望值与一系列协方差项组成。随后本文构建了反映动态指标变化的SSM模型,并利用Particle EM算法来估计动态詹森alpha和系统风险beta在各期的估计值,并以此来计算基金在评价时期内平均詹森指数水平和系统风险水平。此外由于获取了各期的系统风险beta,根据择时能力的定义本文构建了反映基金在时期内的择时能力指标。     

基于极值理论和多元Copula函数的商业银行操作风险计量研究

基于操作风险呈厚尾分布的特征,本文按照巴塞尔协议的要求,采用POT极值模型分别估计了多个操作风险单元的边缘分布,然后用多元Copula函数来刻画这些操作风险单元之间的关联性并计算在险价值。通过对中国商业银行1990-2010年操作风险数据的实证分析表明,Clayton Copula能更好地反映各操作风险单元之间的相关性结构,且采用Copula考虑操作风险相关性下的VaR值要比简单加总下的VaR值减少约32.3%。因此,应用Copula函数计量操作风险相关性,不仅可以提高估计的准确性,还能够达到资产组合的风险分散化效应,减少操作风险资本要求,为商业银行提升盈利能力创造条件。     

样本数据正态性转换时变VaR

虽然摒弃估测VaR值的正态分布假设已成为当今金融学研究的一个重要方面及其热点问题,但利用正态性转换先处理样本数据,然后再利用基于正态分布假定下的VaR估测方法来修正VaR的估值则是精准化VaR计算的一条有效途径。本文试图在考虑收益率分布时变性特征的情况下,利用正态性转换处理样本数据这一思想来细化和改善我国证券市场不同运行阶段的VaR估测。相应的经验分析表明：我国证券市场收益率分布不仅存在时变性特征,而且牛熊市期间的VaR值存在显著的差异。Johnson转换函数之SU型适宜作为样本数据正态性转换函数,经转换样本数据估测的VaR值既提高了VaR估值的准确性,又改善了VaR估测精细化的有效性。     

Beta系数跨期时变与公司估值

从理论上剖析Beta系数跨期时变、时间要素设定差异对系统性风险度量及公司估值结果的影响,并以2005年1月1日至2014年12月31日为样本周期,以有色、钢铁、石化、房地产、银行等5个周期性行业板块收益率及市场平均收益率的周数据和月数据为研究样本,对理论分析结论进行实证检验。研究发现：（1）时间要素设定差异会显著影响Beta系数稳定性;（2）时间要素设定差异对系统性风险度量及公司估值结果影响显著;（3）审慎设定时间要素,有利于提高Beta系数稳定性,同时降低系统性风险度量及公司估值误差。其中,“5～10年”是更为可取的Beta系数估计时段,并应优先选择以“周”为单位的收益率度量时限,其次是以“月”为单位。