基于分位点回归模型的条件VaR估计以及杠杆效应分析

 在文献中,分析杠杆效应时大多数都是基于ARCH类模型,本文应用分位点回归模型及其变点检测模型分析了“已实现”波动率条件下的CVaR,并尝试从CVaR的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了“已实现”波动率条件下的CVaR估计,并对中国股市的杠杆效应进行了分析。     

基于杠杆效应SV模型和EGARCH模型VaR的比较

文章通过对比EGARCH和杠杆效应SV模型,发现杠杆效应SV模型更能刻画金融市场的实际特征。将杠杆效应的随机波动SV模型应用于VaR的计算,并作实证研究。通过与EGARCH模型下的结果对比,得到基于杠杆效应SV模型计算的VaR更具有动态性和准确性,VaR更贴切地反映了金融市场的风险水平。     

基于点过程的极值VaR研究

风险无时不有、无处不在,风险本身并不可怕,金融机构就是通过承担风险、管理风险来获得收益的。真正可怕的是极值风险,即稀少或极端事件的发生给经济主体带来巨额损失的风险。因此对极值风险的建模就成为风险管理的重中之重。极值理论为极端事件的统计建模和极值风险测度的计算提供了坚实的理论基础,故有必要通过介绍和比较传统极值事件的建模,基于点过程构建极值风险的一般模型,并利用外汇市场的日数据和VaR的估计与检验进行实证分析。     

基于VaR风险控制的半log-最优资产组合模型

通过建立基于VaR风险控制下的单周期半log-最优资产组合数学模型,证明了最优解的存在性与唯一性。利用遗传算法对半log-最优资产组合模型进行了实例计算与分析,并与log-最优资产组合模型进行了比较,结果表明半log-最优资产组合模型具有计算方便的特征。     

资产相对价值的VaR和CVaR风险

1VaR和CVaR简介本节将先给出原有的V aR和CVaR的定义,再引出风险资产相对价值这种非负指标的VaR和CVaR的新定义,然后两相比较说明新定义的合理性,最后给出了新定义下两种风险的性质。在现有介绍VaR和CV aR的文献中,我们了解到风险资产的VaR和CV aR可以从收益和损失两方面来定义     

静态条件下的银行资本优化模型

本文从银行清偿力分析入手,建立了静态条件下基于VaR的银行资本优化模型,该模型虑及了银行的交易费用、银行经营策略和风险偏好对银行资本管理的影响.模型分析表明,银行管理部门在一定的风险期限内设置的置信水平在严格的银行模型假设条件下,基于VaR的最佳银行资本要求依赖于银行的资产负债政策和市场因素.     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

供应链管理中的组合风险决策

本文针对供应链管理中的组合风险决策问题,建立了类似Markowitz均值-方差模型,实现了在不同期望收益率水平下的多供货源企业的优化组合.     

度量银行操作风险的POT幂律模型及其应用

本文在极值理论的POT模型基础上,建立了基于分维的POT幂律模型,给出了POT模型的阈值选择的理论解释,还给出了满足尾部分布适合幂律的条件.分析表明,此模型较已有方法能更方便地估计尾部参数,对小样本情形研究厚尾问题提供了新的思路.此外,为计算操作风险损失和的在险价值(VaR)问题,本文引入保险理论里的随机和模型,并给出了计算操作风险在险值的简化公式.     

Realized GAS-GARCH及其在VaR预测中的应用

论文提出了新的波动率模型Realized GAS-GARCH,并推导了该模型的QMLE参数估计.该模型结合了Generalized Autoregressive Score (GAS)模型的基本思路,把Realized GARCH 模型扩展到包含厚尾分布的情形,并采用了与厚尾分布参数相依的冲击响应函数.与简单的厚尾分布扩展模型相比,这种设定对于回报率中的极端值更加稳健.在基于沪深300指数高频数据的实证结果中,使用GAS冲击响应函数的模型对“在险价值”VaR的预测能力显著的超过了传统的厚尾Realized GARCH模型.