应用极值理论度量金融市场风险

极值理论在风险管理中扮演着重要的角色,它是关于市场极端风险的建模和量化的一种主要方法,通过极值理论中POT模型来估计用来度量市场风险的工具VaR和ES,并以中国股市作实证分析,结果发现沪市的投资风险要小于深市。     

应用极值理论度量金融风险价值——用VaR测度认识J．P．morgan的巨额亏损

极值理论EVT是统计学的一个重要分支,它主要关注于极端事件的概率分布及其性质。极值理论现今广泛的应用于破产理论,保险理论、资产分配和风险度量等现在金融理论中。本文旨在通过使用极值理论基于SAS和Matlab编程计算摩根大通（CJ．P．nlor-gan）的风险价值（Value at Risk）并以此来认识摩根大通因交易员操作失误带来的巨大亏损的现象,从而在理论和实际操作上掌握风险价值度的相关知识。     

基于极值理论的金融风险研究

运用极值理论的POT模型,并结合描述金融产品收益率的尾部分布更加精确的GPD分布,计算出了基于极值理论的风险估计。与传统方法相比,极值理论方法能更好的利用已知历史数据,并能在计算高置信度VaR时克服传统方法中误差较大的缺点。     

香港离岸人民币同业拆借利率风险度量研究——基于AR-GARCH-POT方法的分析

本文将极值理论和AR-GARCH模型相结合,度量不同期限香港离岸人民币同业拆借利率的风险值,同时对比研究伦敦欧洲美元同业拆借利率市场对应期限的风险,并且以此推演香港离岸人民币同业拆借利率的未来发展趋势.研究结果表明,香港离岸人民币同业拆借市场正处于国际货币离岸市场发展的初始阶段,未来其总体风险将减少并且风险值会随着期限的延长而增加.最后,本文针对上述现象提出了发展香港离岸人民币市场的政策建议.     

POT模型在商业银行信用风险度量中的应用

由于银行信用风险的损失分布具有鲜明的厚尾性,所以应用一般的风险计算方法往往会低估银行信用风险、而应用极值理论计算风险时能更有效地捕捉可能导致银行重大损失的尾部风险。所以把极值理论应用于银行信用风险量化分析不失为一种比较理想的方法。     

基于FIGARCH-EVT模型的极端风险度量

多项实证研究表明多数金融资产的收益率序列呈现尖峰厚尾的非正态分布,波动率具有聚集性和持续性等特点,因此传统的基于正态分布的VaR和ES模型无法有效捕捉收益率序列的尾部信息,忽视了波动的时变性,从而低估金融资产存在的风险。考虑到金融资产收益序列的时变性和尖峰厚尾的特点,本文采用FIGARCH模型与极值理论中的EVT模型相结合的方法来研究我国证券市场存在的市场风险,并进行有效合理的度量。通过比较分析与返回检验发现,基于FIGARCH-EVT模型的风险度量方法要明显优于传统的纯极值理论方法和GARCH-EVT模型。     

基于异方差极值理论的基金风险度量及绩效评价

VaR是度量金融资产面临风险大小的指标,也是基金绩效评价的依据之一。本文以ETF50和ETF180基金作为研究对象,首先利用ARMA-GARCH模型捕获金融时间序列的自相关性和条件异方差性,过滤获得近似独立同分布的残差序列,再采用极值理论对残差序列进行处理,以刻画收益序列的尾部特征,从而估计ETF50和ETF180基金的动态风险VaR值,并利用该值计算基金绩效评价指标RAROC值。实证分析表明,相比于GARCH模型,结合了异方差极值理论模型的风险度量方法能更准确预测基金所面临的市场风险,而在基金绩效评价中,ETF180的RAROC值高于ETF50,因而更值得投资。     

基于极值谱风险测度的金融市场风险度量

如何准确度量金融市场风险将是金融学研究的永恒话题.既考虑金融市场的实时波动,又关注投资者的风险态度,应是科学度量风险的方法.文章基于极值理论的POT模型,采用谱风险度量方法对上证综合指数、香港恒生指数和美国道琼斯指数进行了风险度量.实证结果表明,相对于忽视投资者风险态度的和值,考虑投资者风险厌恶态度的极值谱风险能够比较准确地度量金融市场的实际风险.     

沪深300股指期货市场风险研究

我国即将推出以沪深300股票指数作为标的的股指期货，因为股指期货具有期货的杠杆效应，风险性极大，所以有必要对股指期货的市场风险进行合理的度量。目前对股指期货市场风险的研究是一个热点也是难点问题。利用近年来专家学者常用的极值理论计算沪深300指数的全尾、左尾（多头）和右尾（空头）的VaR和ES，可以有效的度量沪深300股指期货的市场风险。     

基于极值理论的人民币汇率风险测度

为了克服传统VaR计算方法在处理厚尾分布时的缺陷,本文引入极值理论中的阈值模型建模,对人民币/欧元汇率风险进行测度,然后对使用极值理论方法计算VaR的效果作了返回测试,最后对金融机构和企业的汇率风险管理工作提出了政策建议。     

基于极值理论的沪深股市VaR和CVaR分析

将VaR和CVaR结合起来能全面描述金融时间序列与尾部相关的风险。考虑沪深股指收益序列胖尾特性,极值理论方法能够对沪深股市VaR和CVaR进行较好估计,运用基于Boot strap和极大似然估计方法解决极值理论数据不足的缺陷,从而给出对VaR和CVaR的点估计和区间估计。     

基于极值理论的可转债在险价值动态预测研究

在对可转换债券指数统计特性分析的基础上,针对其收益率的左偏及尖峰现象,利用极值分布GPD对其尾部有效拟合,充分考虑极端值对VaR估计的影响,并利用滑动窗口方法进行VaR动态预测。采用kupiec的失败频率检验法进行VaR样本内和样本外检验,发现基于极值理论的可转债VaR方法,其估计和动态预测结果都明显优于基于偏t分布的Risk Metrics方法的测试结果,控制风险的能力适合可转债市场的要求。     

基于COPULA-EVT的利率衍生品风险管理

监管层提出对＂系统重要性银行＂和＂非系统重要性银行＂进行分类管理的思路,表明在强化宏观审慎监管过程中,微观个体宏观审慎经营行为仍然起着重要的作用。新巴塞尔协议对于银行信用风险的监控和计量有了更加严格的规定,然而对于涉及到衍生品的市场风险只是强调银行要根据自身的交易业务进行合理评估,这样便使得衍生品的市场风险成为了银行整体风险中最不稳定的因素。本文基于极值分布、Copula连接函数和蒙特卡洛模拟理论,获得商业银行包括利率期货、利率期权、利率互换在内的单个利率衍生品的风险度量指标,如VaR,CVaR,EVA,RAROC,EC,并得到衍生品组合的风险度量指标,这些指标可以帮助商业银行更加清晰地了解自身的潜在风险。同时,商业银行在给定风险容忍度VaR下能得到各种衍生产品的最优配置,从而为银行的投资决策提供参考。     

基于极值理论的沪综指尾部风险度量

以沪综指为实证研究对象,利用AR-GARCH模型捕获沪综指对数收益序列中的自相关和异方差现象,获得近似独立同分布的残差序列,再利用极值理论中的POT方法对残差序列进行极值分析,并采用给出了极值分布的各参数极大似然估计,进一步计算置信水平下的VaR值,结果表明,根据AR-GARCH-POT方法所得的VaR对沪综指实际损失风险的刻画准确。而基于所得的VaR序列分析沪综指收益率的系统性风险历史波动趋势,结果发现系统性风险历史趋势存在先高后低,且自2006年后逐年升高的特征,目前阶段的总体性风险处于较高水平。     

金融风险度量的主要问题及解决

金融风险度量理论、资产组合理论和资本定价理论奠定了现代金融管理理论的基石,其中风险度量理论更是基石中的基石。随着世界范围内金融市场的不断繁荣和金融环境不稳定性的加剧为金融风险的准确、及时有效的度量提出了迫切要求。本文在介绍金融风险度量的理论研究背景和理论用于实际的具体情况后重点围绕金融资产回报的分布问题及解决问题的方法进行了深入分析,它包括金融资产回报分布的厚尾问题,极值分布的条件,分布的完整性,组合资产回报极值分布。     

我国铜现货风险度量研究

面对铜价的剧烈波动,有效度量铜现货风险对市场参与者而言至关重要。本文比较了受金融危机影响市场环境变化前后两个时期——震荡时期和下行时期,历史模拟法HS、正态分布ND、广义条件异方差GARCH、随机分布SV和极值分布EV五种模型对铜现货对数收益率日VaR和ES的估计效果。结果表明,投资者适宜运用GARCH模型预测铜现货市场风险波动剧烈时期的风险价值VaR,运用EV模型预测铜现货风险的尾部损失的均值。     

实施三级价格歧视的策略研究

本文运用极值方法确定了三级价格歧视的定价规则,结合市场理论和企业的定价实践,提出了实施三级价格歧视分割市场的若干策略。     

基于EVT的金融资产动态风险度量方法

实证研究发现,大多数金融资产具有厚尾特征。根据极值理论（EVT）适合描述金融资产收益厚尾分布这一特点,把它和金融资产的动态风险度量模型相结合,建立了GARCH--GEV动态风险度量模型．并通过深证综指对其进行了实证分析,给风险防范提供了一定的参考。     

危机背景下汇率市场与股市之间的风险传染效应研究

运用ARMA-GJR模型对两市场风险因子进行滤波,并运用基于GPD的全参数极值模型对具有有偏胖尾分布特征的风险因子的尾部进行建模,进而运用时变SJC-Copula模型考察中国汇率市场与股票市场之间的风险传染情况。实证结果表明,中国股票市场与汇率市场之间更倾向于具有对称性的相依性,在尾部风险传染上具有非对称效应,且下尾的传染效应强于上尾的传染效应。     

我国近期股市VaR计算与分析

本文应用极值理论和经济计量方法对上证指数收益率VAR进行估计和分析,通过对上证指数突变前后股市VAR大小的比较指出其存在的差异与原因,实证结果表明随着股市价格下跌其存在的风险值也越大但风险值的增长率远小于股市价格下跌率。