基于PWM方法的CVaR风险动态区间估计模型

本文基于PWM方法推导了CVaR的动态置信区间估计模型,论述了正态分布下风险资产的CVaR假设检验方法及基于PWM方法的置信区间求法,最后用中信(中信标普300)指数对中国股市风险情况作了区间估计及显著性检验的实证分析。结果表明本文提出的方法较参数法置信区间有更好的估计精度,且能较为敏感地捕捉收益的动态性。     

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。     

基于极值分布理论的VaR与ES度量

本文应用极值分布理论对金融收益序列的尾部进行估计,计算收益序列的在险价值VaR和预期不足ES来度量市场风险。通过伪最大似然估计方法估计的GARCH模型对收益数据进行拟合,应用极值理论中的GPD对新息分布的尾部建模,得到了基于尾部估计产生收益序列的VaR和ES值。采用上证指数日对数收益数据为样本,得到了度量条件极值和无条件极值下VaR和ES的结果。实证研究表明:在置信水平很高(如99%)的条件下,采用极值方法度量风险值效果更好。而置信水平在95%下,其他方法和极值方法结合效果会很好。用ES度量风险能够使我们了解不利情况发生时风险的可能情况。     

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VaR修正理论的投资组合优化模型

根据风险价值VaR的计算思路,本文提出了基于GARCH理论的风险计量投资组合优化模型;同时在修正的VaR——尾条件期望的基础上对证券组合投资的优化模型做了进一步的改进。     

VaR模型在金融证券市场的应用

我国金融市场发展前景越来越受人瞩目,存在的风险越来越受人关注,为了测算风险,人们提出了很多方法,而VaR模型自诞生至今已经成为国外度量市场风险的主流方法.本文以深证综指数据为例,基于GARCH模型,得出VaR模型的适用性,从而VaR模型在实际的市场风险度量中起一定的指导作用.     

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。     

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.     

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。     

基于Delta-Gamma-Theta-Cornish-Fisher模型的外汇期权风险度量

本文引入金融参数Delta、Gamma、Theta，将外汇期权近似表达式拓展成Delta-Gamma-Theta模型(简称DGT模型)，且运用Cornish-Fisher方法来调整置信区间，以校正Delta-Gamma-Theta风险对正态分布偏斜的影响，就可近似地得到分位数，从而估计出VaR值与基于Delta正态分布模型、Monte-Carlo模拟进行了比较，结果表明此模型是一个比较好的度量外汇期权风险的方法和工具。     

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。     

国际棉花期权与期货套保模型选择

为改变期权领域德尔塔套保的单一模式,本文将二元GARCH 模型和Copula GARCH模型引入国际棉花期权与期货的套保。研究发现：二元GARCH（或Copula GARCH）模型在最大均值方差比原则下效果不好,但在最小VaR原则下,无论是从方差角度还是均值、夏普比角度看都有效,因此,二元GARCH（或Copula GARCH） 最小VaR 模型可以作为德尔塔套保之外的一种可行方法。相比较套保比、均值和夏普比方面,德尔塔更具优势,方差方面Copula GARCH更有优势,二元GARCH介于二者之间。因此,在运用国际棉花期权进行套保时,可以在风险较大时采用Copula GARCH 最小VaR套保模型,风险适中时选择二元GARCH 最小VaR模型,风险小时采用德尔塔套保模型,灵活应对,力求在规避风险的同时谋求收益最大化。同时,在套保比动态调整中要重点关注期权的虚实变化和换月时点。     

深证成分指数的股市风险分析——基于EGARCH-M-VaR模型的半参数法应用

提出了基于EGARCH-M-VaR的半参数方法,根据EGARCH-M模型的参数估计得到条件标准差,并进一步算出VaR,算出溢出率。同时计算出基于正态分布和学生-t分布假设下的GARCH模型、EGARCH-M模型对应的VaR值及溢出率。通过统计分析和后验测试等实证研究表明,基于EGARCH(1,1)-M-VaR的半参数方法在刻画深圳股票市场风险方面有明显的优势。     

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。     

不同分布下GARCH模型的我国基金风险探究

由于我国的金融市场还不完善,基金行业机制尚不健全,我国开放式基金面临着多种风险。文章针对我国开放式基金的特点采用定量分析为主的方式,应用计量分析方法建立不同分布下的GARCH模型,同时将VaR方法引入基金的风险度量中。经过比较分析发现,T分布下的模型比正态分布能更好地衡量我国开放式基金的风险,同时发现不同类型开放式基金的风险存在着一定的差异,成长类和价值类的基金风险比平衡类和指数类基金大。希望利用T分布下的VaR—GARCH模型更好地指导投资者和基金管理人员实现对基金的风险控制和预测工作。     

基于VaR技术的金融风险管理中的风险评估

金融风险管理者最关注的是VaR技术的精度,目的就是通过构造VaR的置信区间和期望损失预测来评估常见的动态模型的精度,并量化误差的大小。要构造合适的置信区间,关键问题在于解决投资收益条件方差的动态行为。文章通过构造VaR的预测区间和期望损失来评估常见的动态模型的精度,并量化误差的大小,通过Monte Carlo方法来提供定量依据。它不仅可以作为金融机构评估和管理个别资产或资产组合市场风险的工具,而且可以作为金融监管部门监管金融机构和评估市场风险的重要手段。     

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。     

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。     

基于动态E-VaR模型的房地产收益波动性测度研究

基于房地产股票价格数据,针对现有大多数风险测度方法没有考虑到小概率、大损失的极端事件的现状,运用极值理论EVT和在险值VaR构造动态风险计量模型。Back-testing方法检验结果表明,基于动态E-VaR的市场风险测度方法对于指数收益率风险的度量具有较强的适用性。     

基于ARIMA—GARCH模型和极值理论的中国股市

以极值理论为基础的风险值度量方法是最近发展起采的最为有效的方法之一，但在传统的单纯采用极值理论的建模过程中对误差项假定为独立同分布的白噪声过程，会对应用极值理论估算风险价值产生一定误差。本文以上证指数和深证成指为例．利用ARIMA—GARCH模型捕获股票收益序列中的自相关和异方差现象，对该模型中残差的条件分布的合理假定进行了实证分析比较．然后利用极值理论对经过ARIMA—GARCH模型筛选过的残差进行极值分析，估算风险价值。