基于AEPD分布和ALD分布的VaR模型

本文以成熟市场和新兴市场的六个主要的市场指数为例,将更精确反映金融资产收益率典型事实的AEPD分布和ALD分布运用于股票市场VaR的度量。并与其它常见的非参、半参和参数法VaR模型进行全面比较。实证表明,对于参数法模型,误差项服从ALD分布和正态分布的GARCH族模型分别当且仅当在度量低分位数和高分位数水平下的VaR值时表现优异;而误差项服从AEPD分布的GARCH族模型在度量各种分位数水平下的VaR值时均取得不错的效果。另外对于CAViaR模型,它们在度量VaR时与参数法中表现最好的AR-GJR-GARCH-AEPD(ALD)两个模型效果相当。     

基于GARCH模型的极值VaR风险的动态区间估计模型

为了更准确地度量在险值的估计精度及弥补现有极值VaR测算模型的不足,文章基于GARCH方法推导了极值VaR的动态置信区间估计模型,论述了风险资产的极值VaR假设检验方法及基于GARCH方法的置信区间求法,最后用中信(中信标普300)指数对中国股市风险情况作了区间估计及显著性检验的实证分析。结果表明提出的方法较参数法置信区间有更好的估计精度,且能较为敏感地捕捉收益的动态性。     

基于GARCH类模型的权证时变VaR值估计

由于权证收益率分布具有尖峰厚尾和非对称性的特征，其市场风险的估算运用GARCH类模型比较合适。本文选取包钢JTB1的日收盘价格序列为样本，分别用EGARCH、TGARCH模型估计样本期间内日VaR值，并进行了比较。结果表明，EGARCH模型较好地预测了损失结果，而TGARCH模型则低估了风险。因此，基于EGARCH模型对VaR值的计算能更好地反映权证收益率的波动特征和准确预计损失，可以为权证的风险管理提供较为可靠的风险度量工具。     

不同分布下GARCH模型的我国基金风险探究

由于我国的金融市场还不完善,基金行业机制尚不健全,我国开放式基金面临着多种风险。文章针对我国开放式基金的特点采用定量分析为主的方式,应用计量分析方法建立不同分布下的GARCH模型,同时将VaR方法引入基金的风险度量中。经过比较分析发现,T分布下的模型比正态分布能更好地衡量我国开放式基金的风险,同时发现不同类型开放式基金的风险存在着一定的差异,成长类和价值类的基金风险比平衡类和指数类基金大。希望利用T分布下的VaR—GARCH模型更好地指导投资者和基金管理人员实现对基金的风险控制和预测工作。     

VaR模型在金融证券市场的应用

我国金融市场发展前景越来越受人瞩目,存在的风险越来越受人关注,为了测算风险,人们提出了很多方法,而VaR模型自诞生至今已经成为国外度量市场风险的主流方法.本文以深证综指数据为例,基于GARCH模型,得出VaR模型的适用性,从而VaR模型在实际的市场风险度量中起一定的指导作用.     

基于动态VaR模型的我国银行间拆借市场风险度量研究

本文介绍了一种基于GARCH和非参数法的动态VaR模型——L_VaR模型,用来度量市场风险与流动性风险两者综合风险的大小。并通过采样我国银行间隔夜拆借的高频交易数据,以及SAS软件的数据处理分析发现,GARCH（1,1）模型能较好地拟合隔夜拆借利率的波动情况,而非参数估计法（Boot- strap）能较准确地估计拆借市场流动性的波动水平。实证结果表明。基于动态VaR模型对于市场风险与流动性风险两者综合风险的短期预测效果较为理想。     

基于极值分布理论的VaR与ES度量

本文应用极值分布理论对金融收益序列的尾部进行估计,计算收益序列的在险价值VaR和预期不足ES来度量市场风险。通过伪最大似然估计方法估计的GARCH模型对收益数据进行拟合,应用极值理论中的GPD对新息分布的尾部建模,得到了基于尾部估计产生收益序列的VaR和ES值。采用上证指数日对数收益数据为样本,得到了度量条件极值和无条件极值下VaR和ES的结果。实证研究表明:在置信水平很高(如99%)的条件下,采用极值方法度量风险值效果更好。而置信水平在95%下,其他方法和极值方法结合效果会很好。用ES度量风险能够使我们了解不利情况发生时风险的可能情况。     

SWARCH模型下的VaR估计

本文将状态转换下的ARCH模型（SWARCH）引入到估计金融资产VaR中，以上证股票指数为例进行实证分析，并与传统GARCH（1，1）模型中正态分布、t分布、GED分布估计的结果进行了比较，实证显示含有状态转换的VaR具有较好的估计效果。     

波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理

在比较分析已实现波动率（RV）、双幂变差已实现波动率（BPV）、截断双幂变差已实现波动率（TBPV）、两尺度已实现波动率（TRSV）以及已实现核波动率（RKV）五种高频数据波动率度量方法的理论性质基础上，结合异质自回归已实现波动率（HAR RV）和GJR GARCH思想，本文构建LHAR RV EVT模型对VaR进行预测，并使用上证指数1分钟数据进行实证分析，结果表明LHAR RV EVT能够较为准确地预测VaR、TBPV和BPV优于其他三种波动率度量方法。     

分位数回归的金融风险度量理论及实证

金融风险度量指标VaR是风险管理的重要内容。本文研究了不同的分位数回归模型在估计该指标时的表现,并选取标准普尔500指数、日经225指数、上证综指、深证成指进行了实证检验。在递归形式的分位数回归CAViaR模型中,本文的研究发现,SAV-CAViaR模型被拒绝的概率最高。而后验测试表明,IGARCH-CAViaR模型更适合刻画相对成熟的美国和日本金融市场风险的演化过程,而分位数回归的GARCH模型(QGARCH)在国内金融市场有良好表现,尤其是用于估计市场指数收益的1%VaR。