VaR的改进方法CVaR在投资组合风险中的应用

VaR(在险价值)理论是当今国际上比较成熟的分析和度量风险的理论,在世界范围内得到广泛应用,但在对风险分布函数的度量中,却常常忽视对函数尾部特殊值的分析和计量,从而影响到风险评估的准确性。CVaR作为投资组合风险度量的指标克服了VaR的不足,是一致性的投资组合风险度量指标,具有很多优良特性。目前CVaR尚未成为金融业的一项公认标准,但因为它有厚实的理论根基和鲜明的可操作性,在投资组合风险控制方面比VaR更为有效合理、更适宜,同时建立CVaR模型可以降低风险,使资源合理配置。     

基于Copula-GARCH-EVT的开放式基金投资组合风险度量探析

结合GARCH模型和EVT理论刻画了单个金融资产收益率的波动性和尾部分布,并将Copula函数和Monte Carlo技术应用于证券投资组合的VaR计算方法,通过对广发聚丰基金的实证研究,得到前十大重仓股票投资组合的风险价值,结果表明基于Copula-GARCH-EVT的VaR方法具有重要的应用价值。     

VaR RAROC与投资组合问题探讨

以VaR为风险度量工具、以RAROC作为目标函数的投资决策模型。利用资产回报分布的偏度和峰度 ,对VaR进行调整 ,使它可以应用于非正态分布时的资产组合风险价值估计 ,而不增加计算的复杂性 ;同时又对RARAOC作了修正 ,使之克服了RAROC的缺点。应用此模型 ,使投资组合经理在受到内外部施加VaR限额约束时 ,在上级以RAROC作为投资业绩评估工具的情形下 ,可以有效地实现资产组合的优化配置。     

基于CVaR的投资组合优化模型研究

风险价值(VaR)是近年来国际金融机构所倡导的测度和控制金融风险的国际主流技术,但是它在投资组合损益服从非正态分布的情形时,不满足一致性风险度量,出现尾部损失测量的非充分性。为了使具有一致性的条件风险值度量(CVaR)克服VaR的不足,构建基于CVaR约束的投资组合优化模型,该模型虑及了投资组合资产的交易成本、交易限制、资金约束和投资者的风险承受度,为制定合理的最优投资组合提供了一种新的思路。     

风险价值在年金基金投资风险预警的应用

首先介绍了风险价值VaR的基础知识,包括风险价值VaR涵义、计算方法和意义。接着介绍了风险价值在企业年金基金投资风险度量中的应用,例如度量企业年金基金投资的市场风险、流动性风险、信用风险和投资组合风险。最后介绍了风险价值VaR在建立企业年金基金投资风险预警指标体系的应用。     

基金投资组合风险评价中VaR的应用研究

近年来我国基金业发展迅猛,其所倡导的价值投资理念获得市场的巨大认同。与此同时,社会上对基金投资风险进行评价的需求日益强烈。如何量化基金投资组合的风险,已成为金融机构及投资者共同关注的问题。利用风险度量的VaR方法,对基金投资股票组合的风险进行实证研究,探讨其在组合风险评价中的应用。     

基于Copula-EVT方法的组合风险度量分析

资产组合风险模型要解决两个问题,一是资产收益或损失分布存在肥尾现象,传统的正态分布假设导致风险值(VaR)的低估;二是资产损失相依结构的描述.本文采用GPD分布来拟合损失分布的尾部和经验分布拟合损失分布的中间部分,运用Copula函数来刻画资产损失的相依结构,能较好地解决这两个问题.在刻画和估计资产的联合损失分布函数的基础上,本文分别计算了VaR和资产组合损失(ES).并发现改进后的VaR和ES能更好地反映资产组合的风险状况.     

基于VaR的农产品期货套期保值基差风险研究

本文首先通过对套期保值的基差风险进行了分析来实现风险识别,然后运用VaR方法来构建模型来测度基差风险,并通过样本外预测来检验VaR方法在基差风险度量方面的有效性。     

基于VaR和两基金分离的投资组合模型

本文使用VaR来度量投资组合的市场风险,构造了一个在可接受期末财富约束条件下,使VaR达到最小的投资组合模型,同时,发现该模型发生了两基金分离现象,因此存在多风险资产情形下的投资组合模型可以退化成为单风险资产情形下的投资组合模型。最后,本文使用简化的单风险模型对我国上海股票市场进行了实证分析,探讨投资者如何在股票和银行借贷中进行最优资产分配。     

基于VaR的证券组合优化方法

基于VaR的最优投资决策问题,给出了在VaR约束下的投资组合优化模型。该模型在马柯维茨均值-方差模型的基础上,加入了VaR约束,保证了其风险度量手段与我国金融机构现有投资选择方法在技术上的一致性。     

高维Copula—MonteCarlo模型在投资组合中的应用研究

将MonteCarlo理论与Copula函数结合,建立了高维投资组合分析的Copula—MonteCarlo模型。针对我国股票市场的组合投资问题进行了实证分析,并以最优期望效用函数作为目标求出了最优投资组合。     

利用蒙特卡罗法计算投资组合VaR——以嘉实新兴产业股票（000751）为例

蒙特卡罗法作为最常用的计算风险价值VaR的方法,有效克服样本数据不足的缺陷,得到所求问题符合精度要求的近似解。本文选取股票型开放基金嘉实新兴产业股票（基金代码000751）作为研究对象,选取2020年年末其前两大重仓持股股票汇川技术与通策医疗构造投资组合,运用相应的持股数量,利用蒙特卡洛法计算投资组合在2021年首个交易日的VaR。通过与实际数据进行比较,检验计算结果并分析基金投资价值,同时总结分析蒙特卡罗法的优势与劣势,结合经济运行情况给出投资方向。     

VaR和CVaR风险度量方法及最优再保模型

目前,VaR(value-at-risk)和CVaR(conditional value-at-risk)方法是各领域进行风险管理的主要度量工具。本文将VaR、CVaR与传统方差方法进行比较,从是否符合一致性公理来体现VaR和CVaR方法的优越性。并介绍了该两种方法在保险领域的应用,给出了再保险方面的基于VaR和CVaR风险度量的最优再保险模型。     

基矛CVaR的投资组合优化模型研究

风险价值（VaR）是近年来国际金融机构所倡导的测度和控制金融风险的国际主流技术，但是它在投资组合损益服从非正态分布的情形时，不满足一致性风险度量，出现尾部损失测量的非充分性。为了使具有一致性的条件风险值度量（CVaR）克服VaR的不足，构建基于CVaR约束的投资组合优化模型，该模型虑及了投资组合资产的交易成本、交易限制、资金约束和投资者的风险承受度，为制定合理的最优投资组合提供了一种新的思路。     

基于VaR方法的保险投资风险度量

风险管理直接影响到保险投资管理决策的有效性，风险管理中的在险价值VaR（ValueatRisk）法是风险度量的一般方法，被广泛应用于国外金融机构的风险管理中。1995年12月，美国证券交易委员会将VaR方法列为三种市场风险披露方法之一。因此，研究VaR的具体操作方法及应用到保险投资的风险管理中，对我国保险资金风险防范具有积极的指导意义。     

VaR方法在国债利率风险管理中的应用

利用VaR方法对国债的利率风险进行了度量,首先验证了国债收益率序列不服从正态分布,说明不宜采用正态分布假定下的VaR计算方法计算VaR,然后采用VaR的历史模拟法对国债价格的利率风险进行了度量,最后对历史模拟法的优缺点进行了分析。     

基于VaR-GARCH模型的国际原油期货风险分析

基于金融时间序列的实际分布的尾部明显更厚,而峰度则更高的特征,可以运用在不同的分布假定下的GARCH模型的VaR计算方法来对市场的风险进行分析。利用GARCH族模型以国际原油期货的日收益率数据分别在t-分布和广义误差分布(GED)条件下来度量原油期货的在险价值VaR。在验证了多个模型和二种分布组合之后,得出了GARCH(1,1)-t分布模型对原油期货能较好的拟合和反映出国际原油期货收益率的风险特征性。     

基于COPULA-EVT的利率衍生品风险管理

监管层提出对＂系统重要性银行＂和＂非系统重要性银行＂进行分类管理的思路,表明在强化宏观审慎监管过程中,微观个体宏观审慎经营行为仍然起着重要的作用。新巴塞尔协议对于银行信用风险的监控和计量有了更加严格的规定,然而对于涉及到衍生品的市场风险只是强调银行要根据自身的交易业务进行合理评估,这样便使得衍生品的市场风险成为了银行整体风险中最不稳定的因素。本文基于极值分布、Copula连接函数和蒙特卡洛模拟理论,获得商业银行包括利率期货、利率期权、利率互换在内的单个利率衍生品的风险度量指标,如VaR,CVaR,EVA,RAROC,EC,并得到衍生品组合的风险度量指标,这些指标可以帮助商业银行更加清晰地了解自身的潜在风险。同时,商业银行在给定风险容忍度VaR下能得到各种衍生产品的最优配置,从而为银行的投资决策提供参考。     

高维Copula-Monte Carlo模型在投资组合中的应用研究

将Monte Carlo理论与Copula函数结合,建立了高维投资组合分析的Copula-Monte Carlo模型。针对我国股票市场的组合投资问题进行了实证分析,并以最优期望效用函数作为目标求出了最优投资组合。     

我国开放式基金绩效评价研究——基于VaR和CVaR模型的比较测试分析

在RAROC模型中引入CVaR,问题的关键在于计算VaR和CvaR的精度,以及VaR同CVaR的比较测试。通过实证分析,计算VaR和CVaR采取了新的方法即运用GARCH、EGARCH、PARCH模型和残差服从T和GED分布的组合去计算CVaR和VaR的值,并且通过返回性测试来提高VaR和CVaR精度,结果实证检验表明,基于CVaR的RA-ROC更准确的衡量了风险,提高了精确度,为基金投资者提供了一个较好的业绩参考指标。