ARCH/GARCH类模型对汇率波动率的研究——基于汇丰银行的实证研究

一、引言 波动率是资产收益不确定性的衡量,它经常被是用来衡量资产的风险,波动率越大,预期收益率也就越大,风险也就越大.金融资产的波动率也在资产定价和投资组合等方面也起着极其重要的作用.     

基于Copula-GARCH-EVT的中国开放式基金投资组合风险度量

文章结合CARCH模型和EVT理论刻画了单个金融资产收益率的波动性和尾部分布,并将Copula函数和Monte Carlo技术应用于证券投资组合的VaR计算方法.通过对光大红利基金的实证研究,得到前十大重仓中单只股票及其投资组合的风险值,结果表明,基于Copula-GARCH-EVT的VaR方法具有重要的经济应用价值.     

家庭股票投资行为与家庭金融资产组合风险的关系研究

本文使用CHFS的2013年的家庭数据,分析了家庭股票投资行为和家庭金融资产组合风险的关系。实证结果显示,家庭持有股票的平均时长、家庭股票投资盈亏状况较好与家庭金融资产风险之间存在显著的负相关关系;而股票初次投资金额,使用自家电脑、办公场所电脑、网点电脑,投资股票的数量、户主作为投资主要决策人与家庭金融资产组合风险之间存在显著的正相关关系。本文的实证回归结果对于家庭如何控制金融投资组合风险有着较为重要的意义,家庭在进行股票投资时,应该更加理性投资,同时也要提高自身的金融知识水平。     

金融市场波动性的宏观原因及微观机理研究

金融市场波动性表现为金融资产价格的波动,指金融资产价格偏离期均衡价值.金融市场波动性是金融市场风险的直接表现.这种波动性在不同的时间和不同的市场表现出不同的特征.如何从内在本质上认清这种波动性对于合理度量和控制金融市场风险具有重要的意义.本文主要从宏观原因及微观机理的角度来研究金融市场波动性.     

基于GARCH-EVT-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的物质基础,安全性是其投资的首要原则。文章基于GARCH-EVT-Copula方法测度了社保基金投资组合的VaR。首先,基于GARCH、EVT对投资组合中各金融资产收益的边缘分布建模,然后,采用极大似然估计法和Bootstrap方法估计尾部的分布函数,接着,基于Copula方法研究组合中金融资产间的相关结构,最后,运用Monte Carlo方法测度投资组合的VaR。Kupiec检验表明,基于GARCH-EVT-Copula模型测度社保基金投资组合的风险是合适的。     

金融监管如何影响家庭风险金融资产配置——来自CHFS的证据北大核心CSSCI

金融监管是引导金融机构合规运营、保障金融市场有序运行、保护投资者合法权益的重要条件,可能影响家庭金融资产配置决策。本文利用地方金融监管数据和2013—2019年中国家庭金融调查(CHFS)的数据所做的研究发现,金融监管强度的提高将促进家庭参与风险金融市场,提高家庭资产中风险金融资产的份额;机制分析发现,金融监管主要通过提高家庭信任程度、降低家庭风险厌恶概率路径,来促进家庭投资风险金融资产。进一步分析表明,金融监管强度提高还可改善家庭金融资产投资的多样性;中央金融监管与地方金融监管的协调配合,有利于促进家庭投资风险金融资产。上述结论为研究家庭金融资产配置提供了一个新视角,也为金融监管相关政策的制定提供了微观层面的经验证据支持。     

互联网金融资产的多目标投资组合研究

互联网金融的快速发展和不断创新,正在悄然改变着公众的投资理财行为。本文在分析互联网金融创新下公众流动性偏好、投资行为变化与资产选择的基础上,构建基于CRRA(常数相对风险厌恶)期末财富期望效用最大化和VaR最小化的多目标投资组合模型。同时引入多目标优化的NSGA-Ⅱ遗传算法,并选择实际数据对模型进行求解,得出最优的互联网金融资产组合。研究表明:(1)互联网金融给传统金融业带来冲击的同时,也改变了人们的流动性偏好、投资行为和资产组合选择。(2)互联网金融在一定程度上调和了金融资产“流动性、收益性和安全性”之间的矛盾,并兼顾了“三性”的相对统一。(3)模型求解结果显示,投资者对互联网金融资产的投资组合为低风险类资产60%左右、高风险类资产40%左右。     

VaR的含义与应用

通俗地讲,VaR是指在市场正常波动下,某一金融资产或投资组合的最大可能损失;更为确切地讲,是在一定概率(置信水平)下,某一金融资产或投资组合价值在未来特定时期内的最大可能损失。VaR的魅力就在于,它只用一个数字就能够明确地表示出一个组合所面临的全部市场风险。例如,某银行     

背景风险对中国家庭风险金融资产的影响——基于CHFS微观数据的实证分析

以经典资产组合理论为延伸,探讨中国家庭风险金融资产配置的影响因素,着重基于背景风险的视角,分析劳动收入风险、健康状况、商业及房产投资在其中的重要作用,并且利用西南财经大学中国家庭金融调查(CHFS)的数据进行实证研究。研究发现:家庭理财者的劳动收入风险对风险金融资产的持有比例起反向作用,相反健康状况和健康保障水平对风险金融资产的持有比例起正向作用,而商业及房产投资对风险金融资产表现为"挤出效应"。此外,家庭风险资产配置中存在显著的财富效应和收入效应,信贷约束、主观幸福感等因素并不显著。     

收入不确定性对家庭金融资产选择的影响——基于CHFS数据的经验分析

本文基于2012年CHFS来自全国7442户家庭的微观调研数据,从预防性储蓄的视角出发,通过计量经济模型实证研究了家庭收入不确定性对非存款类金融资产投资行为的影响。研究表明:收入不确定性较小的家庭,倾向于持有更多的非存款类金融资产,投资品种个数也更多;在未来收入不确定的条件下,家庭会通过增加持有非存款类金融资产的比例来提升资产组合的期望收益,并增加投资品种的个数来控制资产组合的投资风险。     

管理者团队特征、金融资产配置与实体企业信用风险

基于实体企业信用风险视角,本文探讨金融资产配置效果,并考察管理者团队特征对金融资产配置效果的调节作用。研究发现,增加金融资产配置可减少实体企业信用风险,但长期看,金融资产的风险缓冲作用在逐渐减弱;管理者团队年龄越大、任期越长的企业,越倾向于增加金融资产配置,这有助于减少实体企业信用风险,而管理者团队学历对金融资产配置与信用风险之间的调节作用不明显。进一步研究发现董事长年龄越大、任期越长,管理者团队的年龄及任期对金融资产配置效果的影响越弱。本文研究拓展了实体企业配置金融资产的经济后果分析,对优化管理者团队结构、降低企业信用风险具有启示意义。     

中国居民家庭金融资产组合研究

本文从理论上分析了影响居民家庭金融资产组合总量和结构的各种因素,并计算分析我国1992-2005年的居民家庭金融资产组合状况以及变化趋势。研究发现,由于受到了财产总量,家庭风险,金融意识和金融发展的约束,我国居民的家庭金融资产呈现出多元化趋势,但相对于发达国家而言,仍然是以储蓄存款为主,风险性资产投资比重很低。     

住房公积金与家庭风险金融资产投资——基于2013年CHFS的实证研究

作为我国重要的住房保障制度,住房公积金对家庭风险金融资产投资的影响鲜有研究。本文基于中国家庭金融调查(CHFS)数据,采用probit和tobit模型,检验住房公积金对家庭风险金融资产投资的影响。实证结果表明,住房公积金能显著提高有房家庭风险金融资产投资的可能性和投资比重,但是对无房家庭的风险金融资产投资则无显著影响。研究其影响机制发现,住房公积金会提高家庭可支配收入、增加户主风险偏好,从而促进家庭风险金融资产投资。本文研究结论对完善住房公积金制度、引导居民家庭合理投资风险金融资产和实现多渠道增加居民财产性收入有借鉴意义。     

Markowitz的投资组合理论与非系统风险控制

投资者在投资过程中可以通过不同证券之间的组合将非系统风险减小以追求既定收益水平下风险的最小化。在实际操作中,各种金融资产价格变动不是完全相关,投资者在考虑股票相关性的基础上,组合相关程度低的股票,以达到最大限度上降低风险的目的。而且,分散投资应适度,否则,相应的管理费用等过高,投资组合不一定能带来较优的收益。     

教育异质婚与家庭风险金融资产投资——基于CFPS的实证研究

作为婚姻选择中考察的重要因素,男女双方的教育差距可能对家庭风险金融资产的选择产生重要影响。运用2018年中国家庭追踪调查（CFPS）数据,实证分析教育异质婚对家庭风险金融资产投资的影响。研究发现：教育异质婚抑制了家庭风险金融资产投资;教育异质婚通过削减家庭社会网络、降低户主幸福感抑制家庭风险金融资产投资;对于城镇家庭、有房家庭和拥有更高教育背景的家庭来说,风险金融资产投资受教育异质婚的抑制作用更强烈。但是,在不同模式的异质婚之间,以及低等教育同质婚与不同模式异质婚之间,家庭对于风险金融资产的投资并不存在显著的统计学意义。     

商业银行债券投资组合优化研究——基于均值-方差-CVAR模型

商业银行债券投资已经成为金融资产配置的一个重要内容,面对风险日益提高,收益不断降低的债券市场现状,如何调整债券投资组合的配置比重,成为当前商业银行债券投资业务的难题。本文利用均值-方差-CVAR模型作为投资组合的风险度量方法,选择国债、地方政府债、企业债和金融债作为不同的债券品种,分析了商业银行在债券投资组合中策略选择。结论认为,不同的商业银行应当根据自身的投资偏好和风险控制能力,确定不同模式的债券投资组合方案。     

金融资产投资、杠杆率与企业风险承担——基于非金融企业的视角

本文以2007~2018年我国A股非金融上市公司为研究样本,运用动态面板系统广义矩估计法,研究杠杆率在金融资产投资与企业风险承担之间的中介效应影响,分析金融资产投资、杠杆率、企业风险承担三者之间的传导链条。研究发现:杠杆率在金融资产投资与企业风险承担水平之间发挥了部分中介效应;金融资产投资增加会直接导致企业风险承担水平上升,同时也会通过提高杠杆率间接地提升企业风险承担水平。本研究丰富了实体企业金融投资后果的相关文献,为实体企业的投资决策以及风险管理提供了参考,也为监管部门去杠杆防风险提供了经验证据。     

中国实业部门金融化的异质性

本文基于实业和金融两类投资组合模型的构建,重点考察不同所有权性质和不同行业企业的金融化驱动机制是否具有异质性,并探究不同类别金融投资对应结果的差异性特征。实证结果与已有研究以及传统印象并不一致:我们发现,风险规避是中国非国有企业和制造业企业金融化的显著驱动因素,而国有企业和非制造业企业则不存在这一特征;同时,非制造业企业的金融投资主要由收益率差驱动,而在其他企业样本中均没有证据显示追逐利润是企业金融化的推动因素。不同企业样本的融资约束、杠杆率、成长性、流动性水平以及资产质量等因素对企业金融资产占比的影响也存在显著差异。进一步区分企业金融投资中货币和非货币类金融资产的不同特性并考虑企业的长期股权投资,结果表明货币类金融资产和非货币类金融资产的驱动机制存在明显差异:对于货币类金融资产投资,国有企业主要受资本逐利因素推动,其他企业则未体现这一特征;对于非货币类金融资产投资,非国有企业、制造业和非制造业企业均受到风险因素驱动,而国有企业则不受影响;将企业长期股权投资纳入金融资产后结果则未产生明显差异。     

CVaR风险度量及投资组合优化的实证分析

CVaR法是在VaR法基础上优化改进而来的风险度量方法。通过CVaR法对金融资产风险进行评估,对投资组合资产配置进行优化等成为了金融风险管理的重要内容。本文首先对比了CVaR和VaR法的区别,并通过比较A股和H股收益分布的特征得出A股更适用CVaR模型的结论。通过多因子选股模型选出投资组合成分,再使用均值-CVaR模型对投资组合进行优化,最终得到不同置信度和阀值下投资组合的优化结果。从而证明了该模型的有效性,突出了CVaR法在国内证券市场的使用价值和意义。     

基于加权CVaR下具有不确定退出时间的最优投资组合研究

一、引言 VaR是指在一定的概率(置信)水平下,某一金融资产或投资组合在未来特定的一段时间内遭受的最大可能损失.但是经过后来的研究,发现了VaR具有很多不足之处,于是Artzner(1997)提出了CVaR,CVaR是指投资组合的损失大于某个给定VaR值的条件下,该投资组合的损失平均值.2000年Rockafeller等人证明了基于CVaR的投资组合优化必定存在最小风险的解.CVaR和VaR作为风险测量工具在文献[3]中作了广泛的比较,CVaR现在被认为是比VaR更好的一致性风险度量.