GARCH模型与VaR的度量研究

GARCH模型在金融资产序列波动率的模拟和金融风险VaR的度量中都有着广泛的应用。本文比较研究了RiskMetrics及GARCH族的11种模型分别在正态分布和Skewed-t分布下度量VaR值的精确程度,同时对向前一步预测的VaR值进行了失败率检测法和动态分位数测试。结果表明,Skewed-t分布较好地拟合了金融资产的厚尾特性;在不同的置信水平下,FIGARCH(BBM)、FIEGARCH及IGARCH模型预测的VaR值更加精确,其高估或低估的风险程度较轻。     

基于VaR方法的开放式基金风险的实证研究

本文通过运用VaR方法分析最新的基金市场的样本数据代表性地展示了开放式基金的市场风险;同时构建了GARCH模型对选择的十只开放式基金样本数据运用EViews7.0统计数据软件计算得出了相应的参数,并且使用计算VaR值的公式计算出每只基金所对应的日收益率的VaR值.进一步讨论了每只基金的日收益率VaR值之间的关系以及它们各自的风险状况.     

国际棉花期权与期货套保模型选择

为改变期权领域德尔塔套保的单一模式,本文将二元GARCH 模型和Copula GARCH模型引入国际棉花期权与期货的套保。研究发现：二元GARCH（或Copula GARCH）模型在最大均值方差比原则下效果不好,但在最小VaR原则下,无论是从方差角度还是均值、夏普比角度看都有效,因此,二元GARCH（或Copula GARCH） 最小VaR 模型可以作为德尔塔套保之外的一种可行方法。相比较套保比、均值和夏普比方面,德尔塔更具优势,方差方面Copula GARCH更有优势,二元GARCH介于二者之间。因此,在运用国际棉花期权进行套保时,可以在风险较大时采用Copula GARCH 最小VaR套保模型,风险适中时选择二元GARCH 最小VaR模型,风险小时采用德尔塔套保模型,灵活应对,力求在规避风险的同时谋求收益最大化。同时,在套保比动态调整中要重点关注期权的虚实变化和换月时点。     

基于VaR模型的某医药股份有限公司股价波动风险测度研究

近年来,随着药剂研发技术水平的提升、海外市场的拓展,在我国A股上市的某医药股份有限公司的股价大幅度增长。近日,随着某医药股份有限公司被纳入MSCI指数,越来越多的境内外投资者将目光投向该公司。但是,随着市值的增长,某医药股份有限公司的市盈率也达到90.04倍,风险远超同类制药公司。因此,研究某医药股份有限公司的股价波动风险测度具有一定的现实意义。文章基于VaR的GARCH族模型,对某医药股份有限公司的日收益率进行风险测度。研究结果表明:GED、T分布下的GARCH(1,1)模型能很好地描述某医药股份有限公司日度收益率的利率风险。     

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。     

中国开放式基金选股和择时能力的实证研究

选取了我国十四支开放式基金的在2005年1月至2008年十二月的周数据进行了实证研究,在T-M模型的基础之上加入了GARCH效应来更准确地分析我国开放式基金的选股能力和择时能力,结果显示我国开放式基金具有一定的选股能力,但不具备显著的择时能力。     

论我国开放式基金流动性风险管理的特殊性

本文首先分析了影响我国开放式基金流动性风险的几个主要方面,包括持有人结构的问题、基金投资对象的限制以及开放式基金赎回风险的问题。同时构建开放式基金的留存现金模型和应对赎回风险的策略模型,并指出基金经理可以从资产和负债两个角度对我国的开放式基金进行流动性风险管理。     

我国货币市场基金的风险度量及绩效评价

本文选取我国成立较早的11只货币市场基金作为样本,分析显示其收益率具有尖峰厚尾和波动集聚性的特征。因此,引入GARCH模型来刻画基金收益率序列的波动。在此基础上,计算出样本基金的VaR值并给出相应的绩效评价。分析结果表明,部分样本基金的风险差异较大,并且有些基金没有体现金融资产高风险高收益、低风险低收益的对应关系。因此,构建RAROC指标以综合收益和风险两方面因素来有效地评价基金的经营业绩。     

基于VaR修正理论的投资组合优化模型

根据风险价值VaR的计算思路,本文提出了基于GARCH理论的风险计量投资组合优化模型;同时在修正的VaR——尾条件期望的基础上对证券组合投资的优化模型做了进一步的改进。     

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GARCH-VAR模型的创业板指数收益率波动特征比较研究

本文使用GARCH-VAR模型分别在正态分布、t分布和GED分布的情况下研究比较创业板和主板的波动特征及市场风险,结果表明GARCH模型在t分布和GED分布能够更有效的反映收益率的尖峰厚尾特征,正态分布和GED分布下的在险价值度量相对可靠。综合起来考虑,使用GED分布来刻画创业板市场的收益率特征及在险价值效果最好。所有检验结果均表明创业板比主板具有更大的风险,同时也具有更高的回报率。     

利用GARCH模型模拟开放式基金净值波动

以某开放式基金的单位净值波动率为例说明我国基金价格波动有尖峰厚尾现象和金融市场中普遍存在的ARCH效应,在分析基础上建立了一个GARCH(1,1)模型。并将估计的GARCH(1,1)模型与其他形式的条件异方差模型比较,得出净值波动的GARCH(1,1)模型较为优越。     

基于CARR-EVT整体方法的动态日VaR和CVaR模型研究

本文同时使用日VaR和CVaR模型可实现对市场风险的双重监控,其估计一直是风险管理的重点。科技的发展使获得高频数据成为可能,由于其包含丰富波动信息,学者们开始利用它来研究日VaR和CVaR的估计问题。本文通过整合基于高频数据的CARR模型和非参数的极值理论EVT,实现对日VaR和CVaR的动态估计。上证和深圳综指的实证结果表明,与基于日度数据GARCH类模型和未与极值理论整合的CARR模型的VaR和CVaR相比,本文方法极大提高了估计的准确性,同时所得估计具有不受新息分布影响的稳健性。     

中国开放式基金的半参数与非参数VaR检验

利用VaR方法中不需假设分布的半参数与非参数方法,对我国8支开放式基金在以2004年-2005年为熊市代表及2005年-2007年为牛市代表的两段时期进行实证研究,验证上述方法对我国开放式基金的适用性.研究发现,半参数及非参数VaR方法在我国具有较强的适用性,但是对于突如其来的市场大跌,这两个VaR方法并不能做出很好的预测.     

开放式基金赎回现象的实证研究

我国的开放式基金在迅速发展的同时也经历了大规模的赎回。本文运用2002年和2003年开放式基金的季度规模数据，对基金的赎回率进行实证分析。研究表明，我国开放式基金的赎回存在着非理性的行为，表现为赎回比率过大、赎回与风险及回报的关系不明显、短线的赎回十分突出等。这与我国开放式基金发行制度上的一些缺陷是分不开的。另一重要发现是，投资者普遍关心基金的系统风险，而不关心基金的总体风险，这在客观上助长了基金持股高度集中的行为。     

基于CVaR的我国银行间债券回购市场利率风险度量研究

在银行间债券回购市场利率基本特征分析基础上，利用我国银行间回购开始日1997年6月15日至2008年4月20日全部质押式回购每周加权平均利率进行实证研究，建立了基于ARMA-GARCH模型族的利率风险CVAR测度模型。结果表明我国银行间债券回购市场中存在杠杆效应；回购利率分布对CVAR计算结果影响较大，GED分布能较正态分布和t分布能更好刻画我国银行间回购利率序列的分布状况；并且在GED分布下，EGARCH模型计算得到的CVAR值要优于GARCH和TARCH模型得到的结果．     

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。     

GARCH模型族在沪深300中的比较研究

风险测量一直是金融研究领域的热门话题,而如何构建合适的模型来衡量风险自然而然成为众多学者研究的关注点.VaR方法是当今应用最广泛的衡量金融风险的方法之一,其核心又在构建良好的波动率估计模型.GARCH模型族能很好地描述股指波动率呈现的重尾、波动性聚集、杠杆效用等,是当前效果比较好的条件异方差性的模型.本文着重研究基于GARCH模型族(GARCH、EGARCH、PGARCH)在不同分布假定下(高斯分布、t分布、广义误差分布)的表现,从而计算出沪深300的在险价值( VaR),比较分析模型拟合效果,选出适合的模型,对规范国内沪深300的风险管理提供了理论依据.