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VaR的证券投资组合风险评估及管理体系

针对传统的利用方差及β系数方法来度量金融市场风险的缺陷，以及VaR在金融风险管理中的主流地位，我们设计了一套基于VaR的证券投资组合风险评估及管理体系。该体系中的风险评估指标主要包括VaR、动态VaR、边际VaR、成分VaR等。这些指标不仅可以使我们明确得到一个最大可能的整体损失，还可以了解构成组合的每一项资产及其相应调整、变化对组合整体风险的影响。实证分析表明，该评估体系不仅可以使我们全面了解投资组合的风险状况，还可以帮助我们更好地进行风险管理，改善投资组合的风险收益特征。     

基于VaR模型对房地产风险价值评估

VaR模型是JP.Morgan公司用来计量市场风险的产物,它是一种能测量不同交易、不同业务部门市场风险,并将这些风险体现为一个数值的方法。在投资过程中人们可以应用VaR对投资对象进行风险测量,使人们根据风险的大小来决定投资的策略。本文对VaR模型进行改良,从风险因素影响房地产价格的角度,测算多种风险对投资房地产带来的最大损失。     

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。     

基于动态E-VaR模型的房地产收益波动性测度研究

基于房地产股票价格数据,针对现有大多数风险测度方法没有考虑到小概率、大损失的极端事件的现状,运用极值理论EVT和在险值VaR构造动态风险计量模型。Back-testing方法检验结果表明,基于动态E-VaR的市场风险测度方法对于指数收益率风险的度量具有较强的适用性。     

VaR方法对我国保险投资风险管理的借鉴及应用

近20多年来金融市场迅猛发展,金融机构面临的主要风险已从信用风险转向了市场风险。我国金融市场作为一个发展中的新兴市场,市场风险必将随着金融市场的发展而逐渐加大。保险公司作为经营风险的企业,必将面临着这种金融风险。研究VaR对于保险投资风险管理的影响可以防患于未然,有效地避免由于信用风险和市场风险带来的损失。     

一个新的时变系数分位数回归模型及应用

结合普通分位数回归的模型结构和可行性最小二乘方法的时变系数特征,在普通分位数回归模型的损失函数中引入动态误差设定,提出了一个新的模型：时变系数分位数回归模型,并给出其模型表示、模型估计以及模型检验等建模方法。时变系数分位数回归模型更能够适应广泛数据类型的建模需求,体现回归系数的时变特征,揭示解释变量对响应变量完整条件分布特征的影响,具有广阔的应用前景。将其应用于组合投资决策分析,构造出VaR风险动态组合投资方案,并与VaR风险静态组合投资方案、方差风险静态组合投资方案、方差风险动态组合投资方案等进行实证比较。结果表明,基于时变系数分位数回归模型的VaR风险动态组合投资方案所得投资效果在收益、方差、Sharpe比率和VaR数值等方面都显著优于其他三种方案。     

浅论公司债券流动性风险的度量及其成因

VaR模型作为风险度量和管理的工具,已经被金融机构和监管当局广泛接受。但是,由于它是一定置信度和持有期内衡量资产头寸所能遭受的最大损失,它并没有考虑到是否能够真的以所计算出的可能的最差价格将所持有的头寸变现。在实践中,两个具有相同的VaR值,但流动性高低不同的投资组合,其变现的最差价格是不同的。因而,很多学者对传统的VaR模型提出了质疑,并认为把流动性风险的度量加入到目前已非常成熟的风险管理体系VaR模型中,是金融风险管理领域的一个严峻挑战和紧随的任务。     

大规模高纬度金融资产的系统风险测量——基于动态条件异方差潜在因子模型的视角

从大量的金融资产中提取出的系统风险比基于β系数的单变量方法更为有效,但资产规模的增加会导致"纬数灾难"等问题,难以获得准确估计。本文在将金融资产收益分为公共系统因素和个体特质因素基础上,提出用具有条件异方差形式的动态潜在因子模型(CHDL)估计和预测动态系统因素,用非参数核密度估计系统下跌时的边际期望损失(MES)。本文利用上海证券市场180只样本股进行实证分析,通过IC和Onat检验发现个股和各板块存在显著的系统因子;利用CHDL模型对个股和各板块的系统因子和资产未来收益进行估计和预测,在此基础上计算边际期望损失。Mincer-Zarnowitz回归最优检验法表明,CHDL模型计算的系统风险比常用的市场指数模型具有更高的准确性。     

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。     

高频数据下积分波动率矩阵的伪似然估计、预测及应用

研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合。     

基于无信息先验的分层指数模型参数在Stein损失函数下的贝叶斯估计

参数估计问题是数理统计学中研究较多的一类问题.本文是基于一个无信息先验的分层指数模型在Stein损失函数下的贝叶斯估计.首先计算分层指数模型分别在平方误差损失函数和Stein损失函数下的贝叶斯后验估计量和相应的后验期望Stein损失(PESL),并且比较二者在两个损失函数下的大小.可以看出在Stein损失函数下的贝叶斯后验期望和对应的PESL均略小于平方误差损失函数下的相应量.然后,计算分层指数模型的参数在Stein损失函数下的贝叶斯估计,并通过均方误差来评价估计量的好坏,得出后验期望估计量拟合得最好.最后通过随机数值和我国31个省市自治区的结婚数据对以上理论进行了模拟和实证,说明了该模型和方法的有效性和实用性.     

偏tAPARCH模型估计VaR的优越性分析

鉴于金融资产的回报存在有偏、尖峰和肥尾的特性,波动呈现集聚和不对称的特征,寻找科学的VaR测度方法进行风险管理成为金融监管者与金融机构都极为关注的焦点。针对这一问题,国内外的理论和实证研究表明偏 t A-PARCH模型相对于GARCH类模型、正态APARCH模型和 t APARCH模型较能准确有效地估计VaR。因此,随着中国资本市场的不断发展,风险管理重要性的日益凸现,偏tAPARCH模型有望成为一种强有力的风险量化分析技术。     

基于PWM方法的CVaR风险动态区间估计模型

本文基于PWM方法推导了CVaR的动态置信区间估计模型,论述了正态分布下风险资产的CVaR假设检验方法及基于PWM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。结果表明本文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。     

应用蒙特卡罗模拟法计算VaR的实证分析

VaR是一种很流行也很实用的资产风险度量方法,它把风险量化到一定置信水平下的具体数值;蒙特卡罗方法是最佳的VaR计算方法,有很好的灵活性与准确性,而建立具体的模型并产生具有一定分布的随机数是该方法中的一个重要步骤。     

国际碳交易市场的风险度量及对我国的启示——基于状态转移与极值理论的VaR比较研究

本文以欧洲气候交易所公布的CERs期货报价为研究对象,将Markov波动转移引入VaR的计算,结合极值理论,度量国际碳交易市场的系统风险。首先建立SWARCH模型与MS-GARCH模型描述价格波动的阶跃特性,直接测算动态VaR。随后采用POT模型拟合标准残差序列的右尾超门限分布,确定极值分位数,再次测算动态VaR。最后通过回测检验选取最优风险值,并由此分析了我国获批碳项目变动趋势与国际碳交易市场风险变动趋势间的关系。     

商业银行汇率风险VaR的测算

<正>一、VaR模型的概述1.VaR模型的概念VaR准确定义为:某一置信度下,某资产未来某段时期可能产生的最大损失,用数学公式写成:P(ΔPΔt≤VaR)=a字母含义如下:P—资产价值损失大于可能损失上限的概率,;ΔP—某一金融资产在一定持有期Δt的价值损失额;VaR—给定置信水平a下的在险价值,即可能的损失上限;     

基于VaR的动产动态质押预警值设定的实证研究

动产质押开展的效率是金融物流发展前景的风向标,其核心问题是动产动态质押预警值的设定,以质押品风险价值(VaR)为依托建立模型以设定预警值,其关键是对贷款额度、退出成本与期望收益三个影响因素的研究.研究结果表明,目前商业银行等金融机构对于预警值的设定与模型所得预警值是相吻合的.     

基于VaR的动产动态质押预警值设定的实证研究

动产质押开展的效率是金融物流发展前景的风向标,其核心问题是动产动态质押预警值的设定,以质押品风险价值(VaR)为依托建立模型以设定预警值,其关键是对贷款额度、退出成本与期望收益三个影响因素的研究。研究结果表明,目前商业银行等金融机构对于预警值的设定与模型所得预警值是相吻合的。     

我国主要证券市场VaR模型估计精度研究

文章首先针对沪市综合指数收益进行了基本的统计,实证数据体现了高风险高收益的一般原则;其次,在二值损失函数标准和平方损失函数双重检验标准下,对三类VaR模型的估计精度进行了实证检验,结果表明:非参数类和半参数类度量模型对于证券市场风险估计的精度较高,而参数类VaR模型的估计精度最差。由于参数类VaR模型主要采用了正态假定且忽略了波动率的聚集性,因此,在一定程度上也说明了我国主要证券市场收益不符合正态性假定且存在波动率聚集现象。