沪深300指数风险价值分析——基于PARCH-VaR方法

由于我国的沪深300指数收益率序列呈现出三种特性:左偏、尖峰厚尾和波动聚集,PARCH模型可以更完美地刻画序列的分布特征。本文利用PARCH模型对指数收益率序列进行拟合,建立PARCH-VaR模型,用以评估中国沪深300指数的风险。研究结果表明,如果假设残差同时服从三种分布:正态分布、t分布和广义误差分布,基于广义误差分布的PARCH模型计算的VaR值最能够客观地反映中国沪深300指数的风险问题。     

基于GARCH族模型的VaR方法对上证综指的研究

本文结合GARCH族模型的VaR在险价值方法对上证综指进行了实证研究。分析发现,上证综指日收益率时间序列满足ADF单位根检验,具有很好的平稳性;基于广义误差分布（ GED）和t分布假定下, VaR在险价值方法与GARCH族模型的结合更好的反应了股市收益率的风险特征。     

基于VaR-GARCH模型的国际原油期货风险分析

基于金融时间序列的实际分布的尾部明显更厚,而峰度则更高的特征,可以运用在不同的分布假定下的GARCH模型的VaR计算方法来对市场的风险进行分析。利用GARCH族模型以国际原油期货的日收益率数据分别在t-分布和广义误差分布(GED)条件下来度量原油期货的在险价值VaR。在验证了多个模型和二种分布组合之后,得出了GARCH(1,1)-t分布模型对原油期货能较好的拟合和反映出国际原油期货收益率的风险特征性。     

基于极值理论的人民币汇率风险测度

为了克服传统VaR计算方法在处理厚尾分布时的缺陷,本文引入极值理论中的阈值模型建模,对人民币/欧元汇率风险进行测度,然后对使用极值理论方法计算VaR的效果作了返回测试,最后对金融机构和企业的汇率风险管理工作提出了政策建议。     

我国铜现货风险度量研究

面对铜价的剧烈波动,有效度量铜现货风险对市场参与者而言至关重要。本文比较了受金融危机影响市场环境变化前后两个时期——震荡时期和下行时期,历史模拟法HS、正态分布ND、广义条件异方差GARCH、随机分布SV和极值分布EV五种模型对铜现货对数收益率日VaR和ES的估计效果。结果表明,投资者适宜运用GARCH模型预测铜现货市场风险波动剧烈时期的风险价值VaR,运用EV模型预测铜现货风险的尾部损失的均值。     

基于不同分布假设的FIGARCH模型对上证指数波动性的比较研究

采用FIGARCH(1,d,1)模型对上海股票市场指数的波动性在四种不同的分布假设(正态分布,广义误差分布,学生t分布,非对称学生t分布)下进行了度量和比较研究,目的在于揭示分布假设对FIGARCH模型预测能力的影响。研究结果表明,使用厚尾分布假设(广义误差分布,学生t分布)提高了模型的估计和预测绩效,能更好地刻画上证指数的尖峰厚尾特征,但引入非对称学生t分布并未能进一步提高模型预测能力。     

浦发银行汇率风险度量研究

随着人民币汇率的波动复杂化,汇率风险管理成为商业银行经营外汇等业务面临的重大课题,而风险管理的关键环节在于对风险的度量。浦发银行长期以来风险度量体系落后,目前仍使用的风险敞口、敏感性分析法已经不能适应多变的金融环境。VaR作为金融市场风险测量的主流方法,近年来得到金融界的广泛认可和支持,浦发银行应当借鉴国际和国内的经验引进适合自己的VaR模型,以提高抵御汇率风险的能力。     

应用VAR模型计算人民币汇率风险的实证研究

自2005年汇改以来,人民币兑换美元汇率不再是盯住美元的固定汇率制,而是以市场供求为基础、参考一篮子货币进行调节、有管理的浮动.通过利用vAR模型对这段期闻内人民币汇率风险的大小,进行了实际测算以及得出的具体数值来看,虽然目前我国人民币汇率波动相对稳定,尚未经历极端情形和事件,使用VaR模型测度风险对结果估算不会产生很大影响,但随着我国人民币汇率不波动幅度的逐步放宽,政府完全可以考虑使用目前在VaR基础上发展起来的极值理论和压力测试等方法,这些方法对资产损益分布极端尾部事件将会重点研究并加以测量.     

沪深股指收益率分布特征拟合检验研究

为更深刻地揭示沪深股指收益率特征,本文提出两成分混合广义正态分布及其退化分布、非对称广义正态分布及其退化分布等8种分布,对上证综指(SSEC)和深证成指(SZCZ)日收益率数据进行拟合对比分析。通过拟合评价和VaR度量发现：对于上证综指,用非对称广义正态分布更好地拟合日收益率数据的尖峰厚尾带偏特征;对于深证成指,用两成分混合广义正态分布更好地拟合日收益率数据的尖峰厚尾带偏特征。在进行沪深股指波动率预测、资产定价和风险度量时,建议选择非对称广义正态分布和两成分混合广义正态分布进行对比分析,进一步提高其准确性。     

基于GARCH-JSU分布模型对风险价值评估的实证研究

针对上证综合指数一天的风险价值,本文在GARCH模型框架下,通过一种新的分布形式——Johnson SU分布对其进行评估,经与正态分布、学生t分布及广义误差分布进行对比发现,Johnson SU分布对风险价值的预测效果最佳。通过Kupiec失败频率检验和相对误差两个指标对模型进行综合评价发现,Johnson SU分布不仅在任意置信水平上均通过了Kupiec失败频率检验,还与正态分布、学生t分布及广义误差分布对比,Johnson SU分布的相对误差也达到了最小。     

我国开放式股票型基金的风险度量——基于GARCH—VAR模型

应用GARCH—VaR风险度量模型,对我国开放式股票型基金市场风险进行测量和分析,则能比较好的描述收益率波动的动态变化特征。该模型较符合我国证券投资基金的现状,并且可得到一个随时间变化的VaR序列,从而便于研究VaR的变化趋势和未来VaR的预测。对比不同分布下各模型计算出的VaR值的准确程度,可以为股票型基金的风险管理提供一个度量上的参考。     

基于极值理论的金融风险研究

运用极值理论的POT模型,并结合描述金融产品收益率的尾部分布更加精确的GPD分布,计算出了基于极值理论的风险估计。与传统方法相比,极值理论方法能更好的利用已知历史数据,并能在计算高置信度VaR时克服传统方法中误差较大的缺点。     

我国开放式股票型基金的风险度量——基于GARCH-VAR模型

应用GARCH-VaR风险度量模型,对我国开放式股票型基金市场风险进行测量和分析,则能比较好的描述收益率波动的动态变化特征。该模型较符合我国证券投资基金的现状,并且可得到一个随时间变化的VaR序列,从而便于研究VaR的变化趋势和未来VaR的预测。对比不同分布下各模型计算出的VaR值的准确程度,可以为股票型基金的风险管理提供一个度量上的参考。     

我国开放式基金绩效评价研究——基于VaR和CVaR模型的比较测试分析

在RAROC模型中引入CVaR,问题的关键在于计算VaR和CvaR的精度,以及VaR同CVaR的比较测试。通过实证分析,计算VaR和CVaR采取了新的方法即运用GARCH、EGARCH、PARCH模型和残差服从T和GED分布的组合去计算CVaR和VaR的值,并且通过返回性测试来提高VaR和CVaR精度,结果实证检验表明,基于CVaR的RA-ROC更准确的衡量了风险,提高了精确度,为基金投资者提供了一个较好的业绩参考指标。     

基于APARCH-GED模型的中国股市风险的度量与分析

以APARCH模型为基础,在正态分布和GED分布情形下测算了沪深两市时变风险值VaR及ES。结果表明:基GED分布的APARCH模型较好地刻画了高频时间序列的尖峰肥尾性及波动集聚性与持续性等特性,与VaR相比,ES能够较准确地估计尾部风险。     

贝叶斯下的市场风险资产损失计量

目前VaR模型是国际上通行的综合衡量和管理风险的计量技术,但当分布是非正态分布或是不连续的时候VaR就没有稳定性。在应用VaR以及CVaR的基本原理,利用具有尖峰后尾特征的对数正态分布并结合贝叶斯风险,对参数通过先验分布和后验分布进行修正得到市场风险资产CVaR以及VaR的计算公式,对其进行比较分析,将其与pareto分布下的市场风险VaR值进行比较。研究表明:对数正态分布下市场风险资产的损失率比损失率呈pareto分布的风险损失显现出更好的拟合特征,能够描述市场风险资产的随机性最大损失,以及CvaR计量下的市场风险资产损失比VaR计量下的有更好的尾部特征,更加符合风险的充分性。     

股指期货保证金研究——基于参数、半参、非参模型的分析

基于收益率的基本统计特征,采用GARCH-t模型计算VaR值,并以此为保证金比率,对沪深300指数进行分析,建立了GARCH-VaR的股指期货保证金模型,蒙特卡罗模拟法的VaR模型,历史模拟法的VaR模型,通过对比,发现GARCH-VaR模型能更好地捕捉收益率分布特征,得到的保证金水平能更好地覆盖风险.     

基于VaR-GARCH模型的开放式基金风险实证分析

投资风格不同的开放式基金,其风险程度不同,而高收益对应高风险.本文选取三只不同投资风格的开放式基金,基于广义自回归条件异方差GARCH模型,使用标准t(d)分布拟合方法分别计算各个基金的VaR值,结果表明三只样本基金的收益率序列都具有典型的金融数据统计特征,其中股票型基金风险最大,债券型风险最小.混合型风险居中,说明此模型具有一定的实际意义     

基于Copula-EVT方法的组合风险度量分析

资产组合风险模型要解决两个问题,一是资产收益或损失分布存在肥尾现象,传统的正态分布假设导致风险值(VaR)的低估;二是资产损失相依结构的描述.本文采用GPD分布来拟合损失分布的尾部和经验分布拟合损失分布的中间部分,运用Copula函数来刻画资产损失的相依结构,能较好地解决这两个问题.在刻画和估计资产的联合损失分布函数的基础上,本文分别计算了VaR和资产组合损失(ES).并发现改进后的VaR和ES能更好地反映资产组合的风险状况.     

中央银行汇率风险的测量与防范

自20世纪70年代以来,国际外部环境日趋复杂,固定汇率制度逐渐瓦解,国际金融危机日益频繁,传统的货币危机模型普遍缺乏定量测量和实时评估的功能,而将VaR方法应用于汇率风险评估具有更强的现实性,它可以对央行的汇率风险进行科学的定量分析,使管理层的监管更加有效。