基于GARCH—VaR模型的保险投资风险度量研究

近几年,金融危机不断,传播的速度和影响的广度不断加强,因而在极端收益情形下的VaR值（在险价值）准确预测有着重要的意义。传统的VaR方法,虽对收益的正常波动有较好的预测能力,但通过对金融资产的收益率做折线图可以看出,收益率的波动呈现集群性,即一段时间收益率波动较大,     

外汇风险度量研究——基于GARCH类模型及VaR方法

本文应用GARCH模型和VaR方法对美元、欧元、日元和港币对人民币的四种外汇汇率进行了实证分析,得出如下主要结论:四种汇率波动率序列均为非正态平稳序列,存在显著的ARCH效应,GARCH类模型可以有效地刻画其非线性动态波动特性.四种汇率均具有自我稳定功能,且美元和港币汇率波动的持续性显著地高于欧元和日元.在日元汇率中存在显著的非对称效应,而在美元和港币汇率中存在显著的风险补偿效应,欧元和日元的汇率风险大约为美元和港币的6-7倍;欧元汇率最理想的估计模型为GARCH(1,1)和IGARCH(1,1),而美元和港币汇率的首选模型为GARCH-M(1,1)-t和GARCH-M(1,1)-g,日元汇率的首选模型为PARCH(1,1)-t和EGARCH(1,1)-g.     

基于GARCH模型的VaR方法在上证市场中的应用

VaR(Value at Risk,在险价值)作为市场风险的度量方法之一,能够有效地度量金融市场的风险。本文在介绍了VaR的概念、特点以及计算方法的基础之上,利用GARCH模型估计、预测股市的VaR值,并对上证指数进行风险度量的实证研究。分析结果表明基于GARCH模型的VaR方法能够较好地反映出股市的风险,适合在上证市场进行风险管理。     

基于GARCH—VaR的金融市场风险的测量

VaR是一种利用统计思想与方法对市场风险进行估值的技术,本文主要对GARCH—VaR方法测量金融市场风险的技术进行分析。     

基于EGARCH模型VaR和CVaR方法的传媒板块风险度量研究

本文以2008年1月2日至2013年5月3日传媒指数日收盘价数据作为实证载体,运用EGARCH模型度量波动性,并计算95%置信水平下传媒指数对数收益率的VaR和CVaR值,从而对我国传媒板块的风险进行实证分析。实证结果表明,EGARCH模型能够较好的描述我国传媒板块的波动情况,并且CVaR方法在覆盖风险方面比VaR方法更优。     

GARCH类模型在我国地产板块风险度量中的应用研究

本文以2008年1月2日至2013年5月6日地产指数日收盘价数据作为实证样本,运用GARCH和EGARCH模型度量波动性,分别计算95%置信水平下地产指数对数收益率的VaR,从而对我国地产板块的风险进行实证分析。实证结果表明,GARCH模型和EGARCH模型都能够较好的描述我国地产板块的波动情况,但是GARCH模型在覆盖风险方面比EGARCH模型更优。     

基于VaR风险度量的人民币汇率实证研究

随着我国汇率市场化的实质性进展,汇率表现出较大的多变性和不确定性。加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题,而其核心和前提是实现对人民币汇率风险的有效度量。目前国际流行风险测量工具是VaR(Value at Risk)计量模型,该模型已发展成银行、非银行金融机构等各类组织进行风险度量的标准方法。本文首先描述了汇率风险度量的现状,对国内外汇率研究现状进行了简要介绍,接下来对人民币对数汇率收益率序列分别进行正态性检验和异方差检验,综合验证了使用VaR模型度量人民币汇率风险具有适用性。然后,用VaR参数法对人民币汇率风险进行了实证度量,通过准确性检验发现,GARCH-t模型是度量目前人民币汇率风险的最佳方法,从而进一步应证了我国人民币汇率波动具有时变性和非正态性。     

VaR方法在房地产收益波动性度量中的应用

本文探讨了VaR方法在房地产收益波动性度量中的应用,并对上海二手房指数时间序列的收益率风险进行了实证研究,结果表明此方法对于指数收益率风险的度量具有较强的适用性。     

基于VaR模型的保险资金投资风险度量与优化

保险投资收益是我国保险业提高偿付能力、增加经营利润的重要支柱.随着险资运用渠道的不断拓宽,一方面有利于整个保险投资组合收益率的提高,另一方面增加了资金运用的市场风险.本文以484个交易日的上证指数、上证国债指数、上证基金指数和一年期SHIBOR为样本数据,运用VaR模型对我国保险资金运用的风险进行了实证度量,结果显示:股票和证券投资基金是保险资金运用的主要风险来源;银行存款带来的投资风险正逐渐加大;国债依然是投资组合中风险最小的资产.对此,必须进一步优化保险投资结构,从而实现保险资金运用风险收益的有效匹配.     

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。     

外汇市场的VaR风险度量

目前,金融资产市场风险的通用度量工具为VaR(Value at Risk)模型("风险估值"模型),在几个巴塞尔协议形成后,用VaR度量金融风险更是受到普遍关注。文章试以外汇市场的风险度量为研究对象,收集近三年来的外汇交易收盘价,使用VaR模型,论证利用VaR技术计算外汇风险的可行性。     

VaR风险度量方法评价及其修正模型CVaR

本文首先简要介绍VaR风险度量方法,并对其优点和局限性进行分析,然后从一致性风险度量出发,论述了VaR缺乏次可加性的缺陷,最后阐述并分析了VaR的修正模型CVaR模型。     

基于GARCH-VAR模型的股指期货市场风险度量研究

本文以沪深300股指期货的日收盘价格数据为实证载体,基于GARCH族模型中残差的正态分布、t分布和广义误差分布（GED）三种不同情形,分别采用GARCH、TGARCH和PARCH模型计算不同置信水平下沪深300股指期货收益波动序列的VaR值,结果表明：分布假定和置信水平对VaR的计算结果有显著影响,GARCH模型的选择对估计结果影响较小。但综合比较来看,基于广义误差分布的GARCH模型的估计效果最优。     

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GARCH-VaR模型的股指期货风险度量实证研究

本文针对我国股指期货的风险问题进行了实证与规范研究。在总结了国内外关于股指期货风险度量与控制文献的基础上,综合阐述了VaR三种常见的计算方法。鉴于收益率通常存在尖峰厚尾的特点,本文重点应用基于GARCH模型的VaR方法,对沪深300股指期货IF1106合约进行风险度量的实证研究,计算出VaR值,并做了可靠性检验。分析结果表明基于GARCH模型的VaR方法适用于我国股指期货的风险管理。     

基于GARCH的VaR模型计算铝期货合约最佳保证金比例

期货市场保证金交易制度的建立无疑保证了市场的运行,然而保证金作为交易成本,设立的具体比例的大小直接影响着市场的有效性。本文根据VaR的理论模型,选取0706号铝期货合约的数据,通过实证,运用GARCH过程得到了铝期货合约的最佳保证金比例,并将其与现行保证金比例加以比较,     

保险资金风险度量与绩效评价——基于收益率映射估值的VaR模型

随着保费规模的日益扩大,保险资金的收益越来越引起人们的关注,同时保险投资的盈亏是维持保险公司能否持续经营的重要保证.本文以246个交易日的上证指数、上证基金指数、国债指数和一年期上海银行间同业拆放利率为样本数据,运用收益率映射估值法的VaR模型对我国保险资金运用的风险进行了实证测度,并且对我国其绩效进行评价.实证结果表明:从上述实证过程可以看出,我国保险资金的投资回报率比较低,并且保险资金投资于股票和基金的风险过高从而会带来潜在损失,缺乏效率.     

保险资金风险度量与绩效评价——基于收益率映射估值法的VaR模型

随着保费规模的日益扩大,保险资金的收益越来越引起人们的关注,同时保险投资的盈亏是维持保险公司能否持续经营的重要保证。本文以246个交易日的上证指数、上证基金指数、国债指数和一年期上海银行间同业拆放利率为样本数据,运用收益率映射估值法的VaR模型对我国保险资金运用的风险进行了实证测度,并且对我国其绩效进行评价。实证结果表明:从上述实证过程可以看出,我国保险资金的投资回报率比较低,并且保险资金投资于股票和基金的风险过高从而会带来潜在损失,缺乏效率。     

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布（GED）三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型（GED—PARCH）无论在计算VaR值还是CVaR值方面都是最优的。