基于CVaR的我国银行间债券回购市场利率风险度量研究

在银行间债券回购市场利率基本特征分析基础上,利用我国银行间债券回购开始日1997年6月15日至2008年4月20日全部质押式回购每周加权平均利率进行实证研究,建立了基于ARMA-GARCH模型族的利率风险CVaR测度模型。结果表明我国银行间债券回购市场中存在杠杆效应;回购利率分布对CVaR计算结果影响较大,GED分布较正态分布和t分布能更好刻画我国银行间回购利率序列的分布状况。EGARCH模型计算得到的CVaR值要优于GARCH和TARCH模型得到的结果。     

我国商业银行市场利率风险的VaR度量实证研究

运用GARCH族模型和分位数回归的方法对我国商业银行利率风险进行VaR度量,从而测算我国商业银行的利率风险,运用上海银行间同业拆借市场（Shibor）的隔夜拆借利率数据进行研究。通过GARCH族模型的选取可以得出正态分布和T分布并不适合我国商业银行间同业拆借市场,本文选取广义误差分布（GED）对数据进行GARCH建模并测算其VaR,同时本文运用了分位数回归的方法对VaR进行测算,从结果证明分位数回归方法更适合VaR的度量。     

中国金融资产定价中无风险利率的选择研究

本文通过借鉴国外成熟金融市场无风险利率选择的实践经验，运用我国金融市场的实际数据，从无风险资产的四个方面属性对银行同业间拆借市场、银行间债券回购市场及交易所回购市场等三大资金市场进行了对比分析，认为从银行间债券回购市场中选择回购期限为3—7天的债券回购等金融工具作为我国金融市场无风险资产以及利用R07D(加权)平均利率来估计金融定价中的无风险利率更加具有科学性。     

质押式回购利率的风险度量研究——基于ARMA-GARCH模型的实证检验

文章对2002年1月4日至2009年3月31日我国银行间质押式回购市场进行实证研究,结果表明:(1)t-分布和g-分布下的模型能更好地捕捉回购利率序列的尖峰厚尾性;(2)回购利率波动具有显著的非对称性,利率上升时的波动更大;(3)ARMA-PARCH-M模型是估计回购利率VaR值的理想模型,t-分布下的模型适合多头头寸VaR值的预测,而g-分布下的模型适合空头头寸VaR值的预测.这说明我国回购市场的利率风险较高.     

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。     

我国银行间同业拆借市场利率风险度量

本文利用1996年1月5日至2008年9月17日的我国银行间隔日同业拆借利率序列,通过GARCH模型对收益数据中的自相关和异方差现象进行了实证研究,采用MLE方法估计模型参数,再利用所得参数分别计算了不同收益率分布假设下的不同置信水平的VaR值;在此基础上,进行回测检验,比较了各种模型估计效果,并进一步分析了我国同业拆借利率市场的系统性风险历史波动趋势;最后提出了相关结论与政策建议。     

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。     

基于混合正态分布的风险价值度量

利用参数方法计算VaR的关键在于对收益率分布形式的假定是否合理.为了充分反映金融收益的统计特性,并更好地刻画厚尾特征,本文在利用ARMA-GARCH模型过滤了收益序列的自相关和波动聚类特性后,采用混合正态分布模型分析资产收益的VaR度量,并对上证综指获得的日收益率序列进行了实证研究.比较分析混合正态分布和正态分布两种假定下的VaR.结果表明:混合正态分布假设能够反映收益分布5%的厚尾特征并准确地刻画1%的厚尾部分.避免了正态分布假设低估风险的缺陷,保证了VaR的准确性.     

我国银行同业拆借利率效应研究

本文利用2002-2006年的月度样本数据对我国同业拆借市场各期限利率进行了相关分析与协整分析,在此基础上又进一步探讨了同业拆借利率与债券回购利率之间的关系.实证结果表明,目前同业拆借市场各期限利率的利率效应具有协同效果;同业拆借利率对债券回购利率有正的影响,但在央行不同的基准利率调整区间,回购利率对同业拆借利率影响并不相同,而且目前我国同业拆借利率市场化程度并不高.     

基于GARCH模型的证券投资基金VaR计算与实证研究

基于统计技术的度量金融市场风险值(Value at Risk,VaR)已成为测量市场风险的新标准和新方法。鉴此,如何高效、准确地进行VaR的计算将是问题所在。基于GARCH模型,讨论了对数收益率时间序列在正态、学生t和广义误差(GED)三种不同分布下的VaR计算方法,对样本基金的市场风险进行估计,并通过返回检验来检验模型的准确性。研究结果表明,基于GED分布的GARCH模型计算的VaR值最能真实地反映基金风险。     

我国国债利率期限结构的静态实证分析

选取我国银行间国债某个交易日的数据,比较了三次样条模型、指数样条模型和NSS模型对国债价格的拟合效果,结果发现三次样条模型拟合效果最好;使用三次样条模型构建我国国债收益率曲线,并对其静态特征与形成原因做了分析;静态分析中显示我国国债长短期利差太低,并提出相关的政策建议。     

Energy portfolio risk management using time-varying extreme value copula methods

This work is concerned with the statistical modeling of the dependence structure between three energy commodity markets (WTI crude oil, natural gas and heating oil) using the concept of copulas and proposes a method for estimating the Value at risk (VaR) of energy portfolio based on the combination of time series models with models of the extreme value theory before fitting a copula. Each return series is modeled by AR-(FI) GARCH univariate model. Then, we fit the GPD distribution to the tails of the residuals to model marginal residuals distributions. The extreme value copula to the iid residuals is fitted and we simulate from it to construct N portfolios and estimate VaR. As a first step, the method is applied to a two-dimensional energy portfolio. In second step, we extend method in trivariate context to measure VaR of three-dimensional energy portfolio. Dependences between residuals are modeled using a trivariate nested Gumbel copulas. Methods proposed are compared with various univariate and multivariate conventional VaR methods. The reported results demonstrate that GARCH-t, conditional EVT and FIGARCH extreme value copula methods produce acceptable estimates of risk both for standard and more extreme VaR quantiles. Generally, copula methods are less accurate compared with their predictive performances in the case of portfolio composed of exchange market indices.     

Calculating Value-at-Risk for high-dimensional time series using a nonlinear random mapping model

In this study, we propose a non-linear random mapping model called GELM. The proposed model is based on a combination of the Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model and the Extreme Learning Machine (ELM), and can be used to calculate Value-at-Risk (VaR). Alternatively, the GELM model is a non-parametric GARCH-type model. Compared with conventional models, such as the GARCH models, ELM, and Support Vector Machine (SVM), the computational results confirm that the GELM model performs better in volatility forecasting and VaR calculation in terms of efficiency and accuracy. Thus, the GELM model can be an essential tool for risk management and stress testing.     

三种度量基准下的无风险利率实证比较

以上证综指、深圳成指和沪深300指数为研究样本,构建了多因子模型,并利用2003年1月—2009年2月三类指数收益率及各因子的月度数据,用最小二乘法实证反演了上海证券交易市场、深圳证券交易市场以及沪深综合证券交易市场隐含的无风险利率和风险价值。研究发现:股市隐含的风险补偿为负,与传统的风险溢价理论相悖;以短期银行存款利率、7天Shibor利率及7天国债回购利率为度量基准,股市隐含的无风险利率与其存在较大差异,因此在金融衍生品等相关研究中不宜不加选择地将它们作为无风险利率的代理指标。     

债券市场与经济发展的相关性分析——以我国银行间债券市场为例

债券市场是资本市场的重要组成部分，但目前我国资本市场发展阶段的特征表现为债券市场发展缓慢，为了扩大我国直接融资规模并完善多层次资本市场体系，需要大力发展债券市场。本文以我国债券市场的主体---银行间债券市场为例，分析了我国银行间债券市场的现状以及对国民经济发展的作用，并以1993-2012年我国国民生产总值、银行间债券市场债券发行额和股市筹资额共20年时间的时间序列数据为样本建立相关性模型，通过回归模型进一步实证研究了银行间债券市场与经济发展的相关性，发现银行间债券市场债券发行额与国民生产总值呈显著的正相关关系，表明银行间债券市场是经济发展的重要推动力，该市场规模的扩大有助于推动经济增长，从而说明了我国银行间债券市场创新的必要性。     

我国集合信托产品预期收益率的影响因素及市场风险评价——基于SVAR-GARCH-M模型与因子分析法的实证研究

本文基于SVAR-GARCH-M模型,利用因子分析法对我国集合信托产品预期收益率的影响因素及其面临的市场风险进行测度。研究发现:我国集合信托产品预期收益率是以债券回购利率为基准,并随国内价格水平的变动进行调整,以维持真实收益的稳定性;我国集合信托产品预期收益率对市场风险表现出较高的敏感度,在各类风险因素中,由宏观经济形势变化所引发的融资成本上升风险占主导地位,信托公司资金运用的方式也会引致相应的风险,但与宏观风险因素相比,该类风险因素所占的权重相对较小。     

Tail risk in emerging markets of Southeastern Europe

This article examines the left-tail behaviour of returns on stocks in Southeastern Europe (SEE). We apply conditional extreme value theory (EVT) approach on daily returns of six stock market indices from SEE between 2004 and 2013. Predictive performance of value-at-risk (VaR) and expected shortfall (ES) based on EVT is compared against several alternatives, such as historical simulation and analytical approach based on GARCH with a single conditional distribution. Model backtesting with daily returns shows that EVT-based models provide more reliable VaR and ES forecasts than the alternative models in all six markets. Unlike the alternatives, the EVT-based models cannot be rejected as VaR confidence level is increased. This emphasizes the importance of extreme events in SEE markets and indicates that the ability of a model to capture volatility clustering accurately is not sufficient for a correct assessment of risk in these markets.     

Empirical analysis of jump dynamics, heavy-tails and skewness on value-at-risk estimation

This study provides a comprehensive analysis of the possible influences of jump dynamics, heavy-tails, and skewness with regard to VaR estimates through the assessment of both accuracy and efficiency. To this end, the ARJI model, and its degenerative GARCH model with normal, GED, and skewed normal (SN) distributions were adopted to capture the properties of time-varying volatility, time-varying jump intensity, heavy-tails and skewness, for a range of stock indices across international stock markets during the period of the U.S. subprime mortgage crisis. Empirical results show that, with regard to the evaluation of accuracy, the role of jump dynamics is more substantial than heavy-tails or skewness as it pertains to VaR accuracy at the 90% and 95% levels, while heavy-tails become more important at the 99% level for a long position. However, the influence of the abovementioned properties on VaR estimation does not appear substantial for a short position. In addition, the properties of jump dynamics and skewness appear to be beneficial for the improvement of efficiency.