基于Bootstrap方法的风险价值VaR估计

用近期的收益数据来拟合连续S曲线抽取Bootstrap样本,再利用Bootstrap样本计算风险价值VaR。实证分析表明,这种方法能较好利用近期的数据所反映的市场新情况。Bootstrap方法通过多次抽样能得到大量Bootstrap样本,然后进行VaR估计将提高估计的精确性和稳定性。基于Bootstrap方法的VaR估计可以较为理想地为人们进行股市投资提供一种切实可行的风险度量工具与办法。     

基于Bootstrap和内点法的极值POT模型及极端风险度量

为更好利用极值POT模型对金融市场极端风险进行度量,提出利用Clauset法和Bootstrap 法相结合来改进样本平均函数法在选取阈值方面的缺陷,使用内点法和Bootstrap法来更加有效地对模型参数进行估计,采用Bootstrap法计算VaR估计的置信区间,从而可以度量风险价值的精度.最后,讨论文中方法在沪股市场极端风险度量中的应用.     

收益率曲线动态与银行经济价值的利率风险

本文在收益率曲线动态的主成分分析基础上,运用MonteCarlo模拟的主成分VaR方法,以我国五家商业银行为样本研究银行账户经济价值利率风险的计量方法,并与巴塞尔委员会标准久期法的结果进行比较。同时,对VaR模型的有效性进行了样本外的返回检验。研究发现,五家银行的经济价值面临的是利率上升的风险;非正态主成分VaR模型估计的经济价值利率风险,都要大于正态主成分VaR模型的结果,这反映了利率波动的厚尾特征,正态假设有可能低估风险。     

基于条件极值分布的金融高频数据VaR动态估计模型

高频数据由于自身数量大、周期短、信息丰富的特点而受到关注。基于高频数据。对金融时间序列的厚尾特征进行条件极值分布下的VaR估计。在对条件均值和条件波动率估计时,以往采用一阶自回归模型和GARCH模型,但基于高频数据的估计较为繁复。为了充分利用日内信息,基于高频样本观测值,建立已实现均值RM模型,在考虑市场异质性的基础上,对条件均值进行估计。通过对TCL股票价格进行实证分析,估计出VaR风险值,验证模型是合理的。     

基于Kernel-Copula函数的VaR

VaR是评估资产组合风险的有效手段之一。已有的VaR估计方法依赖于总体分布,且无法全面描述不同资产间的风险相关性,导致风险常常被低估。为此,本文采用Kernel-Copula函数,估计资产组合的VaR,提高估计结果的精度和可信度。最后,利用新方法估算沪深300和标普500构成的资产组合VaR。     

估计VaR的一种新方法及实证分析

在VaR计算的众多方法中,历史模拟法以其概念直观、计算简单、容易实施,被越来越广泛地应用到市场风险的管理中.然而采用历史模拟法计算VaR时,会出现VaR高估现象,另外,历史模拟法在计算VaR时没有很好的反映金融数据的聚集现象和厚尾现象.有经济学家在1999年曾提出过一种改进方法.本文提出了一种新的估计方法,实证分析显示新的估计方法能更好地揭示资产的风险水平.     

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。     

两因子随机死亡率状态空间模型及长寿风险测度

引入状态空间模型对传统两因子CBD模型拟合阶段和预测阶段进行联合建模,并基于卡尔曼滤波方法对模型参数进行估计。进一步考虑到死亡率数据的小样本特征,结合Bootstrap仿真技术和生存年金组合折现模型对长寿风险进行测度。利用1996~2011年数据展开实证研究,结果表明:结合模型解释能力、参数估计结果和误差项正态分布检验结果,两因子状态空间模型要优于传统CBD模型;年金组合规模的扩大可以消除微观长寿风险,但不能消除宏观长寿风险和参数风险;宏观长寿风险占据着不可分散风险的主导地位。     

基于GARCH模型VaR方法的银行板块风险研究

本文对GARCH模型和VaR方法在风险管理方面的应用先做了介绍,然后通过选取2008年1月2日至2012年11月21日银行类板块指数日收盘价作为数据样本,运用GARCH模型VaR方法对我国银行板块的风险进行了实证分析.实证结果表明我国银行股股指对数收益率序列存在集聚效应,GARCH模型能够很好的描述我国银行板块的波动情况,因而测量的VaR值能较好的反映我国银行板块面临的风险程度.     

基于VaR与多尺度分析的保险业风险值估计

风险值(Value-at-Risk,VaR)是现今衡量风险的标准。本文利用风险值(VaR)方法来为风险基础资本估计风险,使其能够准确地呈现保险人本身所面临风险的状况,并利于监督机关建立适当的监督预警措施,来保障全体保险人权益并维持金融秩序的稳定。考虑到多尺度变换对估计报酬率风险型态模型无需作假设的优点,且小波变换是一种重要的多尺度分析工具,本文引入小波变换来对非线性的保险数据序列中提取频率域的高频信息,利用多尺度分解的系数得到模型参数,从而实现更加准确的风险值估计。     

基于动态半参数法的我国证券市场风险研究

本文用动态半参数法估计了我国证券市场的风险值VaR。由于金融市场存在利好与利空信息所带来的非对称性,因此本文利用所选数据,建立EGARCH波动模型,同时用参数法、历史模拟法计算了VaR,并用Kupiec(1995)的Back-test对每种方法的有效性进行了评价。突出了动态半参数法对数据拟合的优越性。     

浅议基于历史模拟法计算VaR的一种改进方法

金融风险管理中常利用VaR技术进行管理。VaR技术具有简单明了的特点。计算的方法也很多。本文提出的一种基于历史模拟法的改进办法,初步克服了历史模拟法对近期风险的不敏感性。并与目前流行的极值理论计算所得VaR做比较,得到在所选数据中,改进的历史模拟法更精确地预测未来的损失。说明在某些场合下,改进的历史模拟法仍然具有操作上的优势。     

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。     

极值理论在VaR中的应用及对沪深股市的实证分析

通过利用极值理论(EVT)计算风险价值(VaR)的方法与正态分布和实际分布的VaR结果进行比较，并应用沪深指数日收益率进行的实证研究表明，在极端条件下，用极值方法估计的VaR值有更高的准确性。     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。     

VaR基本原理、计算方法及其在金融风险管理中的应用

VaR是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的损失;目前常用的VaR计算方法大体归为三类:历史模拟法、蒙特卡洛模拟法以及方差-协方差法;各种方法均存在自身假设条件或固有的缺陷,在选择计算VaR的方法时,需要在计算效率、所需数据信息、准确性之间进行平衡.VaR作为一种工具主要在风险控制、绩效评价以及金融监管三个方面发挥重要作用.     

我国商业银行利率风险模型及实证分析

银行间同业拆借利率是商业银行利率风险测度的重要指标。我国银行间同业拆借利率中的隔夜拆借利率具有明显的尖峰、厚尾特征,可以利用ARCH族模型估计得到的条件标准差来度量其VaR值。我们对2007年我国商业银行数据进行了实证分析,结果表明,只有ARCH(1)和EARCH(1,1)模型能较好的拟合隔夜拆借利率,且从VAR值可以看出我国商业银行利率的日风险巨大。     

基于VaR-GARCH模型的我国沪铝期货市场风险度量的实证研究

本文将我国沪铝期货市场所面临的风险作为研究的主要内容,采用基于VaR-GARCH模型的风险度量方法对这些风险进行度量研究,以上海期货交易所2009—2011的730日期货沪铝收盘价为样本,基于VaR风险度量方法的基础上,将GARCH模型应用到VaR方法之中,在假设沪铝期货收益率服从正态分布的基础上,对沪铝期货市场的风险进行了实证研究,并对其研究结果进行了分析比较,发现基于GARCH的VaR方法能够比较准确的反应沪铝市场的风险状况。     

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VaR/CVaR的股票型QDⅡ基金评价

以成立时间在2012年前的21只股票型QDⅡ基金为样本,进行样本基金的评价。首先,采用传统的詹森指数考察基金业绩,然后采用VaR和CVaR对基金进行风险评价。通过计算样本基金的VaR和CVaR,得出基金收益率序列的尖峰厚尾特征对VaR和CVaR有相当大的影响的结论。