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.     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

胖尾分布及长记忆下的动态 EVT-VaR 测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用 FIGARCH 对条件波动率建模、极值理论( extreme value theory,EVT) 对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试( back-testing) 技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验． 实证研究结果表明,无论是中国新兴市场,还是西方成熟发达市场,金融收益与标准收益均呈现出明显的有偏胖尾分布特征; 金融收益条件波动率均展现出长记忆性特征; EVT 与 FIGARCH 模型相结合的动态极值风险测度模型不仅在样本内表现出优越的风险测度能力,而且在样本外同样具有可靠的预测推广能力．     

Realized GAS-GARCH 及其在VaR预测中的应用

在线供应链金融业务发展迅猛,银电合作已成主流模式。以电子订单融资为例,基于道德风险识别和防范的视角,采用委托代理理论和博弈论对银行与B2B平台的激励契约进行研究。在联合授信和委托授信两种合作模式下,分别构建道德危害模型,推导并给出银行与B2B平台二者的最优收益分配契约,以防范B2B台隐藏行动(授信审查过程中努力程度低)的道德风险。在委托授信下,构建银行与B2B平台的博弈得益矩阵,分别给出不同情形下银行对B2B平台的激励策略,以防范B2B平台隐藏信息(向银行推荐低信用融资企业)的道德风险。研究结果表明,委托授信下银行的最优收益分配比例不超过联合授信下的最优收益分配比例,且与联合授信下B2B平台的工作效率和工作有效性趋近于无穷大时的分配比例相等,是银行收益分配的最低水平,揭示了未来大数据时代和数据质押融资背景下,在线供应链金融业务中银行和B2B平台二者主导权的演变规律以及当下中国商业银行纷纷自建B2B平台的内在缘由。委托授信下,当隐瞒信息获得融资企业回扣小于隐瞒行为的成本时,选择推荐高信用融资企业且不隐瞒是B2B平台的占优策略;反之,银行应通过严格控制收益分配比例上限的方式激励B2B平台推荐高信用企业,或通过与供应链核心企业签订回购合约、严格控制质押率上限等方式,提高对融资企业的担保水平,以确保自身收益不受B2B平台隐瞒行为的影响。最后,通过数值模拟对相关结论进行验证。