SWARCH模型下的VaR估计

本文将状态转换下的ARCH模型（SWARCH）引入到估计金融资产VaR中，以上证股票指数为例进行实证分析，并与传统GARCH（1，1）模型中正态分布、t分布、GED分布估计的结果进行了比较，实证显示含有状态转换的VaR具有较好的估计效果。     

基于HMM-GJR的中国燃油期货市场VaR风险测度

以中国燃油期货市场为研究对象,首先引入了隐马尔科夫模型(Hidden Markov Models,HMM)对其进行波动状态刻画,进而采用HMM-GJR模型对燃油期货市场波动率进行描述,再对燃油期货市场进行VaR风险测度,并运用Back-testing方法检验了VaR风险测度模型的可靠性.研究结果表明:中国燃油期货市场表现出了明显的高、低两种波动状态,且HMM模型对燃油期货市场的高波动状态刻画具有显著的灵敏性;HMM (2)-GJR模型能够准确刻画燃油期货市场收益波动率;基于HMM(2)-GJR模型的燃油期货市场VaR风险测度更加有效.     

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。     

GARCH模型与VaR的度量研究

GARCH模型在金融资产序列波动率的模拟和金融风险VaR的度量中都有着广泛的应用。本文比较研究了RiskMetrics及GARCH族的11种模型分别在正态分布和Skewed-t分布下度量VaR值的精确程度,同时对向前一步预测的VaR值进行了失败率检测法和动态分位数测试。结果表明,Skewed-t分布较好地拟合了金融资产的厚尾特性;在不同的置信水平下,FIGARCH(BBM)、FIEGARCH及IGARCH模型预测的VaR值更加精确,其高估或低估的风险程度较轻。     

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。     

波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理

在比较分析已实现波动率（RV）、双幂变差已实现波动率（BPV）、截断双幂变差已实现波动率（TBPV）、两尺度已实现波动率（TRSV）以及已实现核波动率（RKV）五种高频数据波动率度量方法的理论性质基础上,结合异质自回归已实现波动率（HAR-RV）和GJR-GARCH思想,本文构建LHAR-RV-EVT模型对VaR进行预测,并使用上证指数1分钟数据进行实证分析,结果表明LHAR-RV-EVT能够较为准确地预测VaR、TBPV和BPV优于其他三种波动率度量方法。     

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。     

波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理

在比较分析已实现波动率（RV）、双幂变差已实现波动率（BPV）、截断双幂变差已实现波动率（TBPV）、两尺度已实现波动率（TRSV）以及已实现核波动率（RKV）五种高频数据波动率度量方法的理论性质基础上,结合异质自回归已实现波动率（HAR RV）和GJR GARCH思想,本文构建LHAR RV EVT模型对VaR进行预测,并使用上证指数1分钟数据进行实证分析,结果表明LHAR RV EVT能够较为准确地预测VaR、TBPV和BPV优于其他三种波动率度量方法。     

对外开放条件下的证券市场风险相关性及共度量

对外开放条件下的中国证券市场将面临关联溢出、波动加剧以及市场大幅下跌等主要风险，这些风险可能产生很大危害。本文简介了VaR、Copula和ICAPM模型在分析证券市场风险相关性的应用。     

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CARR-EVT整体方法的动态日VaR和CVaR模型研究

本文同时使用日VaR和CVaR模型可实现对市场风险的双重监控,其估计一直是风险管理的重点。科技的发展使获得高频数据成为可能,由于其包含丰富波动信息,学者们开始利用它来研究日VaR和CVaR的估计问题。本文通过整合基于高频数据的CARR模型和非参数的极值理论EVT,实现对日VaR和CVaR的动态估计。上证和深圳综指的实证结果表明,与基于日度数据GARCH类模型和未与极值理论整合的CARR模型的VaR和CVaR相比,本文方法极大提高了估计的准确性,同时所得估计具有不受新息分布影响的稳健性。     

基于牛顿插值原理的期货价格波动函数及保证金随动模型

本文在EWMA模型对合约价格变动幅度及合约价格变动幅度波动率预测的基础上，采用计算数学领域的Newton插值逼近方法得到波动系数函数，建立了基于牛顿插值原理的期货价格波动函数及相应的保证金随动模型。本模型在保证较高防范风险能力的基础上可降低保证金的收取水平，为期货交易市场价格波动程度的衡量及保证金的确定方法提供了新的理论依据和计算方法。     

VaR模型中流动性风险的度量

虽然传统的VaR模型已经被广泛应用于度量价格风险和信用风险，但是对流动性风险度量的考虑不多。本文归纳总结了关于如何把流动性风险度量纳入VaR模型已有的研究成果，并结合中国股票市场的实际特点，建立了一个对流动性风险进行调整的VaR模型，用以度量中国股票的价格风险和流动性风险。本文还以沪深两市的A股为样本进行了实证分析，结果证明考虑了流动性风险后，流动性差的股票其风险价值(VaR)显著大于传统的VaR模型测算的风险价值。     

EWMA-GARCH模型与GARCH模型在估计收益率波动上的差异的实证及理论分析

VaR作为衡量风险的指标,其核心则在于对波动,亦即方差的估计。基于时间序列,关于条件方差的经典模型是GARCH模型,尽管后来又衍生出了EGARCH,PARCH等复杂模型,但在实务中GARCH模型仍占有重要的地位。文章分析了一种比较新的结合了EWMA模型的GARCH模型(以下称为EWMA-GARCH模型)计算VaR的参数估计方法,以检验其在估计波动上的实用性,并对实证检验结果做了理论分析。分析结果表明,尽管该结合模型缺乏完整的理论支持,但是其计算效果仍比较良好,当然这样良好的结果是建立在因缺乏理论依据而导致的对模型的其他要求之上的.至于是采用受理论支持的模型还是并不输实践价值的模型,文章也给出了一定的建议。     

GARCH模型族在沪深300中的比较研究

风险测量一直是金融研究领域的热门话题,而如何构建合适的模型来衡量风险自然而然成为众多学者研究的关注点.VaR方法是当今应用最广泛的衡量金融风险的方法之一,其核心又在构建良好的波动率估计模型.GARCH模型族能很好地描述股指波动率呈现的重尾、波动性聚集、杠杆效用等,是当前效果比较好的条件异方差性的模型.本文着重研究基于GARCH模型族(GARCH、EGARCH、PGARCH)在不同分布假定下(高斯分布、t分布、广义误差分布)的表现,从而计算出沪深300的在险价值( VaR),比较分析模型拟合效果,选出适合的模型,对规范国内沪深300的风险管理提供了理论依据.     

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。     

对外开放条件下的证券市场风险相关性及其度量

对外开放条件下的中国证券市场将面临关联溢出、波动加剧以及市场大幅下跌等主要风险,这些风险可能产生很大危害.本文简介了VaR、Copula和ICAPM模型在分析证券市场风险相关性的应用.     

长记忆条件下中国股市VaR的估计

本文首先对上证综合指数、深圳成份指数、香港恒生指数进行了一个长记忆性检验,在收益波动率序列中我们发现了高度显著的长记忆性。然后我们用GARCH(1,1)、FIGARCH(1,d,1)和FIEGARCH (1,d,1)模型计算各指数在三个置信水平下的VaR值。实证结果表明在估计95％置信度下的VaR值时基于GED分布的FIGARCH(1,d,1)模型表现最佳。     

数值解法及实证检验

对于双因素可转换债券定价模型，为了减少算法上的困难，文献中通常将可转债的价值分为投资价值和转换权价值分别计算，而忽略了利率波动与基础资产价值波动之间的关系。本文提出了利用算子分裂技术求解双因素可转换债券定价模型的数值方法，有效地解决了因模型固有的复杂性而带来的计算上的困难。运用市场的实际数据对随机利率条件下的可转换债券定价模型作了经验检验，证明了本文方法的有效性。     

利用GARCH-M类模型和极值理论对上证综指的研究

金融时间序列具有分布的厚尾性、波动的集聚性等特征,传统的方法难以准确的度量其风险。文中运用一种新的估计VaR和ES的方法,即采取两阶段法。首先用GARCH-M类模型(GARCH-M、EGARCH-M和TGARCH-M)拟和原始收益率数据,得到残差序列;第二步用极值分析的方法分析的尾部,最后得到收益率序列的动态VaR和ES。最后对三个模型的计算结果进行比较。