HS300指数收益波动性及VaR度量研究

本文分别运用EGARCH和Cornish-Fisher扩展的VaR模型对中国股票市场(以沪深300指数作为代表)的期望收益率以及市场风险进行实证比较研究,发现结合条件异方差的Cornish-Fish-er扩展的VaR模型与仅用波动率描述的VaR计量方法比较具有较好的修正作用。同时对中国股市波动的成因进行初步的探讨,并提出一些建议。     

基于风险价值VaR模型在外汇市场中的实证分析

本文分别运用GARCH和Cornish-Fisher扩展的VaR模型对外汇市场的汇率价格收益率进行实证比较研究,选取具有代表性的欧元对美元和英镑兑美元的汇率作为变量,并对VaR进行预测。实证结果发现,结合异方差的Cornish-Fisher扩展的VaR模型与仅用波动率描述的VaR计量方法相比较具有较好的修正作用,且所得出的VaR值结果存在也有一定的差异。从而分析不同方法下得到的VaR值对于在外汇市场中不同偏好风险管理者的意义,并对外汇市场汇率波动成因进行初步的探讨。     

基于VaR的我国上证股市风险的实证研究

VaR方法的引入使金融资产的风险分析得以量化,其实质是波动率的计算。本文正是基于VaR方法,通过计算不同模型在不同分布下的VaR值,对上海股票市场风险进行比较分析。分析结果表明,GED分布下各模型对风险高估或低估的现象均有所缓解。TARCH模型和EGARCH模型比GARCH模型更能反映我国股市波动情况且前两种模型间并没有绝对的优劣之分,都能较好地反映收益率的风险特性。     

基于标准t（d）分布和Cornish—Fisher扩展的VaR度量研究

本文分别运用标准t（d）分布和Cornish—Fisher扩展的VaR模型,对中国银行类股票的期望收益率与风险进行实证比较研究,具体计算出VaR的时间序列,并论证了应用该时间序列来评估风险大小的方法。对于不同的风险爱好者,在估算股票收益风险时应选择不同的分布才能更准确的估算出风险。     

VaR体系与现代金融机构的风险管理

VaR(Value at Risk)是为了适应用一个数据来衡量所有风险，尤其是市场风险的管理需求而产生的，这一方法自J.P.摩根首次提出以来，以其对风险衡量的科学、实用、准确和综合的特点受到包括监管部门在内的国际金融界的普遍欢迎，迅速发展成为风险管理的一种标准，并且与压力测试、情景分析和返回检验等一系列方法形成了风险管理的VaR体系。VaR的产生和发展因此被誉为风险管理的VaR革命。目前，VaR不仅被广泛用于市场风险的综合衡量与管理，而且正向信用风险管理领域延伸，本文首先对VaR体系进行了比较全面的介绍，然后分别考察了VaR对金融监管的影响和VaR模型有我国金融机构的应用情况。     

VaR模型比较技术及其评价——理论、实证回顾及其应用初探

随着VaR模型的不断创新,各类VaR模型的比较技术也由采用单一的回顾测试转变为设计一套较完整的比较评价体系来进行比较研究。近十年来,通过将指标评价工具、假设检验工具和比较评价工具三类VaR模型的比较工具进行不同的组合,学术界涌现出了大量相关的理论和实证文献。本文尝试对其进行较全面的回顾,并结合中国实际进行初步探索。     

基于ARCH类模型的VaR方法在外汇风险计量中的应用

本文将残差项服从t分布的ARCH类模型应用于我国外汇风险的计量。通过美元/人民币汇率日波动率VaR值的实证分析发现:(1)ARCH类模型预测得到的VaR值都能很好地拟合美元/人民币汇率日波动率的实际情况,美元/人民币汇率存在明显的ARCH效应;(2)基于ARCH类模型预测的VaR值其计算精度基本上都超过了J.P.Morgan公司RiskMetrics所采用的EWMA模型,这验证了本文选取ARCH类模型以及考虑残差项服从t分布的合理性;(3)ARCH类模型中以TARCH-M(1,1)模型计算结果最为理想。本研究可为金融机构、监管部门以及外汇投资者规避外汇风险提供决策依据和理论参考。     

基于GARCH的中美商业银行利率风险比较

本文分别对中美同业拆借利率建立了GARCH模型,计算VaR并进行了比较,发现中国商业银行面临的利率风险要高于美国。     

基于GARCH模型的VaR方法在证券投资决策中的应用

由于股票市场的收益率具有尖峰厚尾及波动聚集的特性,使得对收益率的分析不能采用一般的方法,可以利用GARCH模型中的条件方差来度量其VaR,以此来消除股票日收益率的ARCH效应。将GARCH模型应用于我国证券市场中股票日收益率风险波动的计量,以民生银行和华夏银行为例,根据预测到的VaR值来计量股票风险波动的大小,从而得到同一行业中的哪只股票更有投资价值,为投资者提供正确的投资决策。     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。