中国期货市场非交易时段的VaR与ES测度研究

非交易时段累积的金融信息是影响期货市场波动的重要因素。据此,本文利用极值理论对交易当晚、周末假日和中长假日的风险价值及其预期损失进行了估计。研究结果显示：VaR和 ES 模型可以较好地描述期货市场非交易时段的风险价值及其预期损失;各期货市场的交易当晚、周末假日和中长假日的风险价值及其预期损失估计值均呈逐渐递增态势,这意味着我国期货市场非交易时间与非交易风险之间呈正向关系,即非交易时间越长,信息的累积会越多,非交易风险也就越大。总体而言,铜、橡胶和小麦市场的非交易风险较大,铝和大豆市场的非交易风险相对较小。     

投资组合动态VaR预测模型和预测精度评价

采用4种Backtesting检验方法,检验22个常态和时变投资组合动态VaR预测模型的风险预测精度,发现GJR_GPD_TV_Copula具有最高的投资组合风险预测精度,GJR_GPD_Copula的拟合、密度预测和组合风险预测精度都要高于GJR_SKST_Copula,且Copula模型的组合风险预测精度分别与拟合精度和密度预测精度存在较弱的正相关关系.     

LOF流动性风险度量与实证研究

文章从投资者实际投资时所面临的价格冲击入手,提出了流动性风险的概念,并定义了LOF(Listed Open-end Fund)流动性风险指标L,并利用VaR(Value at Risk)、ES(Expected Shortfall)对流动性风险进行度量。针对L序列厚尾分布的特征,采用极值理论的POT(Peaks Over Threshold)模型对其尾部数据进行建模,能更准确地估计度量流动性风险的工具VaR、ES的值,从而更有效地捕捉投资者所面临的流动性风险。最后利用LOF的1小时交易数据进行了实证研究。     

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR（value at risk）的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。     

一个组合分布模型的改进与建立

文章分析并改正了原有组合分布模型中的错误,定义一种新的组合分布并给出了新组合分布模型建立的一般步骤。实例表明,新的组合分布可以更好地反应极端风险。     

复合极值分布参数的概率权矩估计

复合极值分布已经在某些领域得到了应用,但是由于其分布函数的数学表示比较复杂,有关的参数估计问题未能被深入讨论.文章给出了复合极值分布参数λ、α、β的概率权矩,得到了相应的参数估计;并对复合极值分布的两个问题进行了讨论.     

三峡梯级电站日运行容许控制

提出了三峡梯级电站日运行容许控制问题,阐明了其重要性,探讨了此类问题的特点和解决途径。导出了连续模型的时滞Euler方程和广义端点条件,说明了其实际含义;解释了离散模型的合理性并给出了计算实施细节与软件,对数值结果进行了分析,针对有关问题提出了相应建议。     

基于Copula-EVT模型的巨灾再保险定价

基于巨灾损失具有厚尾分布的特征,采用POT极值模型分别估计两个保险标的的边缘分布,并用二元Copula函数刻画这两个标的的关联性,同时应用Monte Carlo模拟方法估算巨灾再保险的纯保费。通过对洪水损失数据的实证分析表明:Clayton Copula函数能较好地反映两标的间的相关结构;起赔点的设定是影响纯保费的重要因素,且起赔点按条件分位点取值更优更合理。研究结果对保险人开发多元保险标的的巨灾再保险具有重要的参考价值。     

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.     

一种新的风险价值（VaR）计算方法及其应用研究

应用格列汶科定理对历史模拟法进行改进,以提高历史模拟法的计算准确性,并利用该方法来确定POT模型中的阈值,以此新方法计算金融市场的风险价值(VaR);然后运用上证指数进行了实证分析,得到了较好的结果。