排序方式: 共有234条查询结果,搜索用时 31 毫秒
51.
文章根据股票收益率的历史数据建立了相应的ARMA-GARCH模型;利用该模型预测下一阶段股票的收益率和波动率.在此基础上建立了关于最优投资策略的选择均值-VaR模型,即在VaR风险水平限制下最大化期末的期望收益;求解模型得到最优投资策略的解析表达式,并且还得到了最优投资策略下期末的期望收益以及有效边界的表达式. 相似文献
52.
本文利用Copula函数的概念研究了保险投资组合多元金融数据的统计模拟。根据我国保险投资的特殊性,我们选用沪深300指数、基金指数、企债指数和国债指数四种风险资产来模拟保险投资组合中的股票、基金、企债和国债收益。基于模拟的结果分别利用传统近似方法(Add-VaR、N-VaR和H-VaR)和Copula方法计算了投资组合的总风险;相对于Copula-VaR方法,Add-VaR显著高估了风险,N-VaR显著低估了风险,H-VaR对于Copula-VaR的近似效果比较好,但其也高估了风险,即H-VaR相对于Copula-VaR是一种比较保守的方法。另外,我们分析了投资组合权重变化和Copula函数的选择对投资组合总风险的影响。 相似文献
53.
根据历史数据估计收益率的分布来计算VaR是一种常用的方法.然而,过多的历史数据所构成的时间序列可能不独立同分布.文章选择离预测时间较近且相对较少的历史数据,使其通过BDS检验,再对其进行Bootsrap抽样,得到足够的样本,选择适当的核密度分布函数,从而算出VaR.经比较发现,这种方法算出的VaR比传统方法更准确. 相似文献
54.
55.
简单介绍了VaR 的含义及计算方法,指出推测市场因子的波动情况是计算VaR 的关
键. 通过对比GARCH 和SV 模型,得出SV 模型更能刻画金融市场的实际特征. 将随机波动SV
模型应用于VaR 的计算,最后作实证研究. 通过与GARCH 模型下的结果对比,说明基于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 相似文献
56.
金融风险的度量和识别是风险管理的重要内容,常用的风险度量工具是标准差、VaR、ES,但存在很多缺陷,expectile的提出弥补了这些不足,在理论界得到广泛的讨论和应用。本文扩展了expectile进行资产配置,提出Adjexpectile的概念,并讨论和分析了Adjexpectile的一致性风险度量、随机占优性、凸性,与标准差、VaR、shortfall的关系,风险贡献及风险分解的性质。通过对六个资产指数:上证国债指数、上证企业债指数、上证180指数、深圳100指数、深成长40p指数和黄金现货指数的复合周收益率数据进行组合优化配置,发现Adjexpectile在非对称性收益数据、组合前沿、风险分散方面具有一定的优越性。 相似文献
57.
Estimation of market risk is an important problem in finance. Two well-known risk measures, viz., value at risk and median shortfall, turn out to be extreme quantiles of the marginal distribution of asset return. Time series on asset returns are known to exhibit certain stylized facts, such as heavy tails, skewness, volatility clustering, etc. Therefore, estimation of extreme quantiles in the presence of such features in the data seems to be of natural interest. It is difficult to capture most of these stylized facts using one specific time series model. This motivates nonparametric and extreme value theory-based estimation of extreme quantiles that do not require exact specification of the asset return model. We review these quantile estimators and compare their known properties. Their finite sample performance are compared using Monte Carlo simulation. We propose a new estimator that exhibits encouraging finite sample performance while estimating extreme quantile in the right tail region. 相似文献
58.
59.
60.
运用Copula函数代替相关系数表示风险因子之间的依存关系,从风险因子依存性角度探讨投资组合风险值(VaR)计算。采用最大似然估计方法对Copula函数参数进行估计,通过MonteCarlo似然估计投资组合收益风险值,结果表明基于Copula方法估计的投资组合风险值比方差协方差方法估计的投资组合风险值更接近实际数据。 相似文献