基于GJR—ALaplace方法的开放式基金风险研究

根据我国开放式基金收益率序列的尖峰、厚尾、有偏和波动时变的特征,引入非对gg,Laplace分布对收益率序列进行刻画和拟合。构建度量基金风险的动态GJR—Asymmetric～Laplace模型,在非对称Laplace分布、Laplace分布和正态分布三种分布假设下测算VaR,并做返回检验。选取12只开放式基金在2007．01．04～2009．12．31期间的日累计净值数据做实证研究。实证表明：除了基金大成债券外,其余11只基金显著通过假设,符合非对称Laplace分布,相rELaplace分布和正态分布来说,非对称Laplace分布能更好地拟合基金收益率序列。正态分布假设下风险度量值通过检验的基金数显著少于Laplace分布假设,而Laplace分布下通过检验的基金数亦少于非对称Laplace分布,可知非对称hplace分布假设下得出的基金动态风险值更为有效。     

基于GARCH模型的VaR方法对我国开放式基金风险的分析

本文从我国开放式基金收益率序列的分布与波动性两方面建立了一个估计基金风险的VaR-GARCH模型,在正态分布和能够刻画收益率的尖峰厚尾特征的t分布GED分布三种不同的分布假设下,对基金的VaR值进行估计,并应用Kupiec失败频率检验方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于正态分布和t分布GARCH模型计算的VaR值更真实地反映了基金的风险。     

基于GARCH-VaR模型的股票市场风险度量与预测分析——以新能源行业为例

一个有效的风险测度模型必须能够有效刻画金融市场的典型事实,本文将GARCH模型与VaR方法相结合,以新能源行业股票收益率为对象,比较研究了残差不同分布假定下股票收益率VaR值的精确程度,并做了向前一步的VaR失败率回测检测,结果表明残差正态分布下的GARCH-M(1,1)模型很好地刻画了新能源行业股票市场的风险特征,为预测风险提供了较好的方法.     

不同分布下中国股市的VaR度量——基于ARFIMA-FIGACH模型

基于正态分布、学生-t分布、GED分布和Skewed-t分布四种不同分布,采用ARFIMA-FIGARCH模型对深圳股市收益率的风险值进行了动态建模。通过模型实证参数估计,发现深圳股市收益率序列存在双长记忆性特征;通过模型预测的VaR值的DQ和LR测试,发现在Skewed-t分布下,ARFIMA-FIGARCH模型能更有效地捕捉深圳股市收益率序列的特性,能够较好地反映金融收益率的实际风险。     

Asymmetric-Laplace-AGARCH-M模型下的股指风险研究

本文采用非对称Laplace分布来拟合具有尖峰、厚尾、有偏特征的金融收益率残差序列,利用AGARCH-M模型来描述金融序列波动的＂杠杆效应＂,提出了准确有效的Asym-metric-Laplace-AGARCH-M模型来度量金融收益序列的ES。通过实证分析表明,Asymmetric-Laplace-AGARCH-M模型能很好地度量金融收益风险。     

对我国开放式基金风险的实证研究——基于GARCH模型的VaR方法

从我国开放式基金收益率序列的分布、波动性和杠杆效应三方面考虑,在正态分布、t分布和GED分布的假设下,-建立了估计基金风险的VaR—GARCH、VaR—EGARCH模型,选择合适的模型对各只基金及不同类型基金的VaR值进行估计,并应用Kupiec方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于t分布的GARCH模型计算的VaR值更真实地反映了基金的风险,不同投资类型和投资风格的基金的风险也不尽相同。     

上证综合指数波动性及VaR度量研究

以中国沪市的风险测量为研究对象,收集了近10年的上证综指每日指数收盘价。在对上证综指收益率序列分布分别作正态分布、卜分布和广义误差分布的假设基础上,分别用GARCH、EGARCH方程来分析和度量沪市的潜在风险和波动性特征,并用返回检验法检验,从而得出了符合沪市波动特征的VaR估值模型。     

基于GARCH模型的VaR方法的实证分析——以开放式基金为研究对象

从我国开放式基金收益率序列的分布、波动性和杠杆效应三方面考虑,在正态分布、t分布和GED分布的假设下,建立了估计基金风险的VaR-GARCH、VaR-EGAKCH模型.选择合适的模型对各只基金及不同类型基金的VaR值进行估计,最好根据结果得出相应的结论.     

基于Copula-GARCH模型的国际股票市场组合风险度量

由于金融收益序列的时变波动、偏斜、高峰、厚尾等分布特性,加上波动的集聚性和杠杆效应,在描述金融收益序列中通常使用GARCH族模型。本文结合TGARCH-t模型和Copula方法,利用上证综指、深证成指、恒生指数以及标准普尔500指数对沪、深、港、美股票市场进行分析。该模型能很好地捕捉资产间的非线性相关性,更符合现实市场。利用其对市场估计的准确性,以建立更加准确且经济效益高的VaR风险管理。     

GJR模型及Monte Carlo模拟法在测定上证综指的VaR中的应用

上证指数收益率的经验分布具有尖峰厚尾特征,本文以广义t-分布假设下的GJR模型为基础,测量了上证指数收益率波动性的杠杆效应,并根据GJR模型应用Monte Carlo模拟方法,测定上证指数日收益率和持有期收益率的风险价值(VaR).结果表明用GJR模型比均值-方差模型和历史模拟方法计算的5%显著性水平VaR值更接近实际收益率.