关于风险管理中VaR方法的文献综述

随着金融全球化的发展,金融市场、金融交易规模日趋扩大,金融资产价格的波动性随之变大,对金融市场风险的分析研究变得尤其重要.VaR方法是目前对市场风险进行测度和管理的一种重要工具和主流方法.文章总结了国内外将VaR方法用于风险管理的不同计算方法和发展历程,以期在今后的实际中得到更好的应用.     

金融市场风险量化方法的演进

金融市场风险量化作为金融风险管理的基础，在过去的几十年里得到了巨大的发展。本文以风险测度方法演变为线对金融市场风险量化方法进行了综述，简要介绍了期望一方差法、敏感性分析法、波动分析法以及VaR及其改进方法，并对其未来发展作了展望。     

商业银行信贷组合信用风险VaR估计技术研究

信贷组合的信用风险测度是商业银行风险管理中的难点.本文以信贷组合信用风险水平最终衡量指标VaR的估计技术为研究对象,系统地对给定单一债权违约概率、违约风险暴露及违约损失率条件下的三种VaR估计技术进行数理阐述,这三种技术分别是损失分布函数估计法、Monte Carlo损失分布模拟法和Creditrisk+损失分布模拟法.通过比较论述信贷组合信用风险VaR估计技术为国内商业银行建立内部评级系统提供理论参考和技术支持.     

全国社保基金股票投资组合风险测度分析

本文以2008年3月31日到2010年9月30日所持有的社保基金十大重仓股为研究对象,分别运用历史模拟法和Delta-正态法两种VaR计算方法,实证分析了全国社保基金所承担的风险,研究结论表明股票投资组合面临着大于市场组合的风险。最后利用边际VaR方法对资产组合配置的最优选择进行了讨论。     

基于分位数回归的油轮运价指数VaR风险研究

原油是全球最主要的贸易商品,对于油轮运输市场来说,了解油轮运价与原油价格之间的关系有助于企业的决策和在实践中的操作和管理。为了用数量描述市场投资的风险,用VaR值表示,文章采用分位数自回归模型对油轮运价指数的风险价值进行研究,得出油价确实对运价指数有着显著影响,并与最小二乘估计比较,将国际油价考虑在内的分位数自回归模型对油轮运输市场风险控制具有良好的表现,并计算出VaR。最后,将模型预测值与实际值比较,发现分位数自回归模型有着较低的失误率,为测度油轮运价指数的投资风险提供了新方法。     

开放式LOF基金风险度量的实证研究——基于GARCH-VaR模型的方法

风险度量是金融市场风险管理的核心,VaR风险管理办法作为目前最普遍流行的风险管理工具,被广泛应用在各种金融资产风险管理中.本文运用GARCH-VaR方法实证研究了开放式基金在收益率序列分别服从三种分布假设下,股票型基金和债券型基金的VaR值,并进行了后测检验.结果表明,GARCH-VaR方法比传统静态VaR方法更适合描述基金风险程度,基于GED分布假设计算的VaR相比较正态分布和t分布所计算的VaR更能真实反应基金风险.股票型基金风险大于债券型基金风险,不同的基金类型在不同假设下的风险不尽相同.     

信用风险与市场风险相关性的度量研究

相关性是商业银行风险度量中的核心问题。当前主流的风险度量技术是分别度量市场风险和信用风险的VaR值。然而如果直接将二者相加,由此得到的VaR加总值并不是真实的VaR,而是市场风险和信用风险同时处于最不利情形下的VaR之和。已有实证证据表明,在商业周期的各个阶段,市场风险与信用风险通常呈现负向的相关性。本文的研究结果表明,可以借助宏观经济计量模型度量信用风险与市场风险的相关性。     

中国黄金市场的风险价值研究——基于参数法和非参数法的实证

上海黄金交易所的黄金AU99.99既是现货市场,同时T+D等特殊交易机制使其类似于黄金期货,具有套期保值的特点,当然也具有潜在巨大风险。投资者越来越重视黄金的投资,而风险价值(VaR)作为风险管理的新的标准方法也越来越受到投资者的青睐。因此,本文以上海黄金交易所的黄金AU99.99日数据为样本,并且根据利好与利空信息对市场波动性的不对称影响及收益率非高斯分布,分别采用参数法(EGARCH-VaR模型)和非参数模型(MC-EGARCH-VaR模型)度量我国黄金市场的VaR。实证结果表明两种模型都能较好的拟合上涨VaR,但是,拟合下跌VaR中,非参数法较参数法效果更优,研究结论为投资者根据模型所估算的VaR调整仓位,有效管理风险提供了参考。     

基于VaR-GARCH模型的中国商品期货动态保证金水平的设定

本文通过对中国大连商品交易所以及上海期货交易所黄豆、铜两种主要期货品种收益率的研究,论证了其时间序列存在ARCH效应;借助VaR风险价值法,运用GARCH模型,建立VaR-GARCH模型,计算出两合约每个交易日VaR风险预测值;计算黄豆0809合约和铜0809合约日涨跌停的绝对值,将其与VaR预测值进行比较,设定保证金水平,确定保证金率并与交易所规定的保证金率进行比较,为交易所制定更合理的期货保证金率提供依据。     

基于非参数方法的条件VaR计算及实证研究

在现实的金融领域中,各种风险是相互作用的、相互扩散的,需要研究某个变量对某种风险度量的影响。在某种条件下的条件风险(条件VaR),可以描述风险和某些变量之间的关系。为此,本文研究了流动性风险条件下,市场指数收益率的条件VaR。应用非参数方法建立了基于预测意义下的计算时变条件VaR的模型。并对我国股市的两种指数在流动性风险条件下的条件VaR进行了实证分析和比较。     

An intraday-return-based Value-at-Risk model driven by dynamic conditional score with censored generalized Pareto distribution

Encouraged by the literary fact that high-frequency data such as intraday returns contribute to estimating the tail risk of daily returns, we propose an intraday-return-based Value-at-Risk (VaR) model driven by dynamic conditional score with censored generalized Pareto distribution (hence, Censored GP-DCS-VaR model), which is a novel parametric VaR approach based on dynamic score-driven model and can incorporate intraday information into daily VaR forecast. This model helps present the dynamic evolution of intraday return distribution and well capture its tail feature. Applying bootstrap or a parametric method, we are allowed to form the daily return distribution in light of intraday data and thus can calculate VaR directly. Empirical analysis using the data of the Chinese stock market shows that our model gain an advantage in the risk estimation of extreme returns, proved by the comparison of out-of-sample forecasts between the Censored GP-DCS-VaR and the realized-GARCH-VaR.     

VaR、CVaR在基金RAROC绩效评价上的应用比较——以科创主题基金为例

选取2020年8支科创主题基金为样本,基于基金收益率的尖峰厚尾特点,运用POT模型度量VaR、CVaR风险,比较基于VaR、CVaR的RAROC指标在基金绩效评价上的效果.实证结果发现:基于极值理论POT模型计算的VaR、CVaR可以很好地体现基金收益率的尾部风险;结合经验法与图示法选择的POT模型最佳门限能够得出有效的VaR、CVaR;基于CVaR的RAROC指标在基金绩效评价方面比基于VaR的RAROC指标表现更稳定,效果更佳,具有正向反映基金收益、规避风险的优点.     

我国证券投资基金风险的实证研究

根据证券投资基金收益率序列的尖峰厚尾特征,建立估计基金风险的VaR-GARCH模型。在正态分布、t分布及GED分布三种不同的分布假设下,对基金的VaR值进行估计,并应用Kupiec失败频率检验方法对VaR模型的准确性进行了返回检验。研究结果表明,相比之下,基于GED分布的GARCH模型计算的VaR值最能真实地反映基金风险。     

基于VaR-GARCH模型对证券投资基金风险的实证研究

根据证券投资基金收益率序列的尖峰厚尾特征,建立估计基金风险的VaR—GARCH模型。在正态分布、t分布及GED分布三种不同的分布假设下,对基金的VaR值进行估计,并应用Kupiec失败频率检验方法对VaR模型的准确性进行了返回检验。研究结果表明,相比之下,基于GED分布的GARCH模型计算的VaR值最能真实地反映基金风险。     

基于极值理论的我国期货市场保证金设置研究——经流动性风险调整后的优化设置

传统的期货VaR风险度量模型缺乏对流动性风险的考虑。本文以变现成本为依据构建期货流动性指标，将流动性风险纳入VaR模型的研究，并结合中国期货市场实际特点。以上海金属铜、郑州硬麦和大连大豆为样本运用极值理论进行了实证研究，结果表明，农产品期货硬麦、大豆的流动性风险大于工业品金属铜期货的流动性风险；并且在衡量我国期货保证金设定时发现，对于我国期货市场，流动性风险是一个不可忽略的风险组成部分。为此。通过建立流动性风险调整后的保证金优化设置模型，使所设置的保证金水平能够涵盖整个期货市场的价格风险与流动性风险。     

基于VaR—GARCH的基金风险研究

各种基金的投资理念和操作方式各有特点，其业绩和风险也大不相同。因此，有必要对投资基金的风险和收益进行评价。文章利用VaR—GARCH模型以及RAROC方法，基于65只样本基金2004年初至2006年底的数据，定量研究基金的风险。文章的研究结果表明：各个基金的VaR值即使在同一考察期内也存在较大的差异。RAROC综合考虑了风险与收益两方面的因素。从总体上对基金的经营能力做出了评价，建议使用绝对VaR和RAROC指标综合考察基金的风险和收益。     

Empirical Analyses of Extreme Value Models for the South African Mining Index

While the classical normality assumption is simple to implement, it is well known to underestimate the leptokurtic behaviour demonstrated in most financial data. After examining properties of the Johannesburg Stock Exchange Mining Index returns, we propose two extreme value models to fit its negative tail with a higher degree of accuracy. The generalised extreme value distribution (GEVD) is fitted using the block maxima approach, while the generalised Pareto distribution (GPD) is fitted using the peaks‐over‐threshold method. Numerical assessment of value‐at‐risk (VaR) estimates indicates that both GEVD and GPD increasingly outperform the normal distribution as we move further into the lower tail. In addition, GEVD produces lower estimates relative to that of the historical VaR, and GPD provides slightly more conservative estimates for adequate capitalisation.     

Shibor的波动特征和动态风险分析——基于AR—TARCH—EVT模型的实证研究

短端shibor已在中国市场发挥基准利率作用,越来越多与之挂钩的金融产品被开发和交易,有效度量和管理shibor风险,对微观金融主体非常重要。本文运用AR（2）-TARCH（1,1）模型成功解释和过滤了Shibor收益率存在的序列相关和非对称性条件异方差现象,运用EvT方法得到动态的V水和CVaR并验证它们是有效的。通过对历史趋势的分析,发现Shibor风险表现出先波动下降后波动上升再波动下降的特征,且央行频繁上调基准利率的阶段风险放大,而央行频繁下周基准利率的阶段风险缩小。     

IMPLEMENTING A ROBUST RISK MODEL FOR SOUTH AFRICAN EQUITY MARKETS: A PEAK‐OVER‐THRESHOLD APPROACH

This paper implements a market risk model for the South African equity market using daily returns of the Johannesburg Stock Exchange All Share Index. Firstly, we separate positive returns from negative returns and model them using the peak‐over‐threshold (POT) method in order to compute the downside as well as upside risk measures separately. We thereafter compute the value‐at‐risk (VAR) and the expected shortfall (ES) estimates corresponding to upside and downside risks. We bootstrap these risk measures and compute their standard errors and confidence intervals (CIs) to see whether they fall inside these CIs. Secondly, we compute out‐sample forecasts of VAR estimates using the POT method and the generalised autogressive conditional heteroscedasticity process. Three backtesting methodologies are employed: the unconditional and conditional coverage tests and the counting of number of exceptions according to Basel II green zone. We find that all our VAR and ES estimates are well inside their CIs and that at lower quantiles, parametric ES estimates are equal to POT‐ES estimates, although the difference between the two is more pronounced at higher quantiles (99% or higher). Furthermore, our market risk model falls into the Basel II green zone, as it produces fewer exceptions in out‐sample space.     

EXTREME VALUE AT RISK: A SCENARIO FOR RISK MANAGEMENT

This paper uses the generalised extreme value (GEV) distribution to model the extreme losses that are likely to occur during market crashes, in the case of an investor who has long positions in stocks and currencies. The null hypothesis – which tests for normality of asset returns – is rejected due to asymmetry of these returns. We assume that the asymmetric behaviour and volatility of the returns are captured by the shape and scale parameters, respectively, of a GEV distribution. The data set includes stock indices for the United States, Japan, the United Kingdom, Germany, France and South Africa, and the South African rand exchange rates against the US dollar observed from 3 January 2005 to 30 December 2009. In addition, we divide this sample period into two periods: the pre‐crisis period, from 3 January 2005 to 31 December 2007 and the crisis period, from 1 January 2008 to 30 December 2009. We compared the estimates of value at risk (VaR) using an extreme value theory (EVT) model, with the estimates derived from the traditional variance–covariance method and found that during the crisis the 99% extreme VaR estimates are more reliable as they lie within the Basel II green zone. These results suggest that, at higher quintiles, the VaR estimates based on EVT are reliable and more accurate than estimates from the traditional method.