VaR与CVaR在商业银行风险度量中的比较分析及应用

本文系统地阐述了时下银行流行的VaR(ValueatRisk)风险度量技术,并分析了该理论存在的缺陷和使用上的局限性,从而提出以CVaR(ConditionalValueatRisk)模型作为风险度量的替代方法,详细分析了CVaR的原理、特长以及在银行业应用前景,包括风险度量、绩效分析和行为指引等方面的突出作用。最后研究了CVaR在我国商业银行的具体应用。     

基于CVaR约束的金融市场指数追踪优化模型及实证分析

本文基于结构风险最小化思想,考虑到投资者不同的风险偏好以及单个资产的集中度、资金规模、交易成本等影响因子,建立了基于CVaR约束的新型金融市场指数追踪优化模型,并利用深圳成份指数历史数据进行了实证检验.实证结果表明本文提出的新方法能够提高样本外追踪效果,从而具有较高的理论和实用价值.     

VaR风险度量方法评价及其修正模型CVaR

本文首先简要介绍VaR风险度量方法,并对其优点和局限性进行分析,然后从一致性风险度量出发,论述了VaR缺乏次可加性的缺陷,最后阐述并分析了VaR的修正模型CVaR模型。     

VaR与CVaR在商业银行风险度量中的比较分析及应用

本文系统地阐述了时下银行流行的VaR（ValuealRisk）风险度量技术，并分析了该理论存在的缺陷和使用上的局限性，从而提出以CVaR（Conditional Value at Risk）模型作为风险度量的替代方法．详细分析了CVaR的原理、特长以及在银行业应用前景，包括风险度量、绩效分析和行为指引等方面的突出作用。最后研究了CVaR在我国商业银行的具体应用。     

中国开放式基金投资组合风险值的实证——基于Copula-GARCH的分析

结合Copula技术和GARCH模型,建立了投资组合风险分析的Gopula-GARCH模型.由于该模型可以捕捉金融市场间的非线性相关性,因而可用于投资组合VaR的分析.利用这个模型,结合Monte Carlo,模拟技术,对我国第一支开放式基金一华安创新基金的投资组合进行了风险分析.     

极值POT模型在VaR及CVaR中的应用及实证研究

考虑金融时间序列的厚尾特性,讨论了极值理论的POT模型度量金融风险的问题,并针对POT模型中超过闽值的极值数据较少的情形,提出运用BootstraP方法产生大量的子样本,给出了VaR和CVaR的点估计和区间估计。最后运用所提方法对1972年至2010年的日元／美元;汇率的10422个历史数据进行了实证分析。     

CVaR限制下的动态最优投资组合策略

本文在经典的Matkowitz投资组合策略选择的框架下,用CVaR代替了方差作为风险测度,在Black-Scholes模型下,用几何布朗运动来刻画股票价格过程,得出均值-CVaR模型下的动态最优策略和有效前沿边界.     

VaR理论模型在证券组合投资中实证分析

目前我国的证券投资市场还存在众多不规范的地方,加强金融市场尤其是证券交易市场的风险管理势在必行。目前在国际市场上存在着很多的风险测量的方式,其中VaR模型已成为金融市场上非常重要的测量方式。首先介绍了关于证券组合投资的基本概念及面临的主要风险,再介绍了VaR模型的主要计算方式、优缺点以及VaR模型主要的获取方法。最后重点分析了在VaR约束下使用方差-协方差法的投资组合决策。     

VaR理论模型在证券组合投资中实证分析

目前我国的证券投资市场还存在众多不规范的地方,加强金融市场尤其是证券交易市场的风险管理势在必行。目前在国际市场上存在着很多的风险测量的方式,其中VaR模型已成为金融市场上非常重要的测量方式。首先介绍了关于证券组合投资的基本概念及面临的主要风险,再介绍了VaR模型的主要计算方式、优缺点以及VaR模型主要的获取方法。最后重点分析了在VaR约束下使用方差-协方差法的投资组合决策。     

基于数据分析的企业投资组合优化研究

在当今全球商业环境中,企业投资决策的重要性愈加凸显。不断变化的市场趋势、竞争激烈的商业环境和不确定的经济条件,使得企业在进行资本配置时面临巨大的挑战。在此背景下,投资组合优化成了实现资本最优配置的关键工具之一。文章介绍了投资组合理论和模型,阐述了数据分析在投资决策中的应用及作用,探索基于数据分析的企业投资组合优化方法,包括深入分析历史数据与预测趋势、量化风险与收益、分析资产相关性、应用优化算法和实时数据监测和调整,以期企业可以实现更精确、灵活和有效的资产配置,提高投资组合的回报率和稳定性。     

风险依赖、一致性风险度量与投资组合——基于Mean-Copula-CVaR的投资组合研究

本文把风险依赖、一致性风险度量与投资组合纳入到一个分析框架中,结合Coupla-CVaR模型和Mean-var投资组合理论构建Mean-Copula-CVaR的投资组合模型,能有效同时解决风险度量中的一致性和依赖性关系。采用券商指数、银行指数和保险指数实证分析线性依赖和复杂依赖(Copula依赖)情况下金融机构资产配置的差异性和风险度量的充分性,研究结果表明,纳入Copula函数能够更为稳健和准确地预测投资组合的CVaR。然而,本文没有检验出不同形式Copula之间的差异具有显著性。本文的政策含义在于,忽视复杂风险依赖结构可能会造成风险低估,从而影响资产配置的有效性。     

基于CvaR模型投资组合保险的绩效实证研究

经济全球化和金融市场一体化带来金融市场波动加大。投资者期望一个在价格下跌的时候能够维持最低保障,同时又能够在市场上涨时带来收益的投资理财产品。投资组合保险策略正是能够满足大家的这种期望。通过将CvaR与投资组合保险相结合,将投资组合保险策略进行动态的改良,考量改良后的投资组合保险在金融市场中对于风险度量的实际应用情况。     

遗传算法求解CVaR风险度量下最优投资组合

假设有n个证券,其收益率分别用x1,x2,…,xn来表示,其中xt都是随机变量,它们的数学期望和协方差阵表示为X=(x1,x2,…,xn)T,数学期望μ(μ1,μ2,…,μn)=Ex=(Ex1,Ex2,…Exn)T,若考虑投资组合问题,设ω=(ω1,ω2,…,ωn)T表示资金分配,ωTe=1,对于最优资产组合问题即要解决优化问题:指定收益率,即给定ωTμ=T时,求ω使风险Risk(ω)最小。一、CVaR条件风险理论VaR是指在一定的持有期内和给定的置信水平下,某一证券组合所面临的最大潜在损失。其数学表示式为:P(△p>-VaR)=α其中△p为证券组合在持有期△t内的收益。设某一投资组合的损失…     

企业债券组合优化模型实证分析

现代投资组合理论已有几十年的发展历史,近些年随着投资实践的要求和数学、计算技术的发展,投资组合理论也出现了一些新的分支和发展动向。本文从资产组合的角度出发,通过结构模型估计企业债券的未来价格,建立了投资损失函数,并利用CVaR风险度量方法构造了期望收益最大化的债券组合优化模型,最后利用我国债券市场数据进行了实证分析。     

遗传算法求解CVaR风险度量下最优投资组合

假设有n个证券,其收益率分别用x1,x2,...,xn来表示,其中xt都是随机变量,它们的数学期望和协方差阵表示为X=(x1,x2,...,xn)T,数学期望μ(μ1,μ2,...,μn)=Ex=(Ex1,Ex2,…Exn)T,若考虑投资组合问题,设ω=(ω1,ω2,...,ωn)T表示资金分配,ωTe=1,对于最优资产组合问题即要解决优化问题:指定收益率,即给定ωTμ=T时,求ω使风险Risk(ω)最小.     

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

本文以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布（GED）三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型（GED-PARCH）无论在计算VaR值还是CVaR值方面都是最优的。     

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布（GED）三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型（GED—PARCH）无论在计算VaR值还是CVaR值方面都是最优的。     

基于VaR模型的保险资金投资风险度量与优化

保险投资收益是我国保险业提高偿付能力、增加经营利润的重要支柱.随着险资运用渠道的不断拓宽,一方面有利于整个保险投资组合收益率的提高,另一方面增加了资金运用的市场风险.本文以484个交易日的上证指数、上证国债指数、上证基金指数和一年期SHIBOR为样本数据,运用VaR模型对我国保险资金运用的风险进行了实证度量,结果显示:股票和证券投资基金是保险资金运用的主要风险来源;银行存款带来的投资风险正逐渐加大;国债依然是投资组合中风险最小的资产.对此,必须进一步优化保险投资结构,从而实现保险资金运用风险收益的有效匹配.     

基于EGARCH-Copula模型的VaR方法在投资组合风险分析中的应用

GARCH族模型是金融计量学中用来描述或预测金融资产收益率波动的模型,通过对金融资产收益率波动的建模,可以得出未来金融资产收益率的条件分布。Copula函数可以用来描述多个随机变量间的相依结构,进而得出他们的联合分布。Copula自被引入金融产品分析以来,以取得了很多成果也被广泛使用。运用GARCH族模型进行资产组合中边缘分布的建模,继而使用Copula得到组合资产联合分布的方法来计算资产组合VaR值最早被吴振翔（2006）系统性地提出,但其中有许多问题仍需要完善。本文将继续这个思路,通过EGARCH模型更好地描述资产收益率的杠杆效应,以及考虑Copula函数中参数的时变性,来完善这一方法。     

度量风险价值的GPD变点统计模型及其应用

本文在极值理论的GPD模型基础上,引入了变点统计方法,对GPD模型的阈值进行了定量选择,从而减少了一般极值理论因主观判断所引起的阈值选取的偏差。最后,将此方法建立的模型应用到日元/美元汇率风险价值VaR和CVaR的计算中,取得了良好的效果。