风险测量方法VaR的缺陷及其修正模型CVaR

风险价值(VaR)是金融机构广泛运用的风险度量指标,本文介绍了风险度量指标VaR的概念,指出了VaR在投资组合应用中存在的局限性:一是不满足一致性公理,二是尾部损失测量的非充分性,这些缺陷可能导致组合优化上的错误.还介绍了CVaR对VaR的修正及计算思路,并说明了其相对于VaR的优越性.     

风险测量方法VaR的缺陷及其修正模型CVaR

风险价值（VaR）是金融机构广泛运用的风险度量指标,本文介绍了风险度量指标VaR的概念,指出了VaR在投资组合应用中存在的局限性：一是不满足一致性公理,二是尾部损失测量的非充分性,这些缺陷可能导致组合优化上的错误。还介绍了CVaR对VaR的修正及计算思路,并说明了其相对于VaR的优越性。     

CVaR模型在资产投资组合优化中的应用

通过对风险的识别、度量、决策与监控,减少风险带来的不确定性,最终达到优化资源配置以降低风险的目的.本文先介绍了CVaR模型再通过数值实验得到结论,非线性CVaR模型能够同时降低CVaR和VaR两个重要的风险度量指标,从而提高了CVaR模型的抗风险能力。     

风险测量的VaR及CVaR方法的对比研究

VaR是当今非常流行的一种风险管理工具,但当分布是非正态或不连续的时候,VaR没有稳定性;当数据量较大时,VaR的计算很困难;当分布函数是高维时,VaR并不可行。而CVaR具有稳定性、凸性、次可加性,很好地克服了VaR的缺点,而且由于CVaR考虑了尾部的情况,因此比VaR更准确、更保险。CVaR是比VaR更好的风险管理工具。文章还指出了当分布是正态分布时,则VaR、CvaR和均值—方差理论有相同的最优解。     

风险度量方法的局限性及其修正模型

介绍了风险度量VaR的概念并对其优点和局限性进行了分析,从一致性风险度量出发论述了VaR缺少次可加性的缺点,还介绍了VaR的修正模型CVaR和CDaR并比较它们的优缺点。     

基于DCC—GARCH—CVaR的外汇储备汇率风险动态分析

本文利用DCC—GARCH模型结合条件风险价值CVaR动态地描述我国外汇储备的汇率风险,结果显示近期汇率风险有增加趋势。为了降低汇率风险,本文根据资产管理思想,通过建立Mean—CVaR模型来得出最优的币种结构。最后,对储备币种调整前后的CVaR进行对比分析,结果显示通过币种调整汇率风险明显降低。本文描述汇率风险的方法及最优币种结构可以作为决策者的一个参考。     

基于CVaR模型的房地产投资组合研究

随着我国经济的高速发展,房地产在国民经济中所占的比重越来越大.房地产投资的投资金额一般十分巨大、投资周期也相对较长,投资者在取得高额投资收益的同时,也必然承担着相当大的风险.因此在进行房地产投资时,其首先需要解决的问题就是:在最小风险的前提下获取最大的收益.本文在Markowitz投资组合理论的基础之上,采用了CVaR方法,以此来度量房地产行业投资组合的风险,然后建立在风险最小化条件下的房地产投资最优组合理论;最后,通过对某房地产企业进行实证分析,最后得到了四种房地产项目投资组合风险最小化最优投资组合方案.     

基于ESG-CVaR模型的投资组合研究

ESG投资,作为一种契合绿色投资价值观和方法论的理念,不仅能够推动上市公司提升治理水平,同时也能降低投资风险。基于此背景,将ESG投资理念融入风险量化前沿的CVaR技术,构建ESG-CVaR投资组合优化模型。在新冠疫情前、中、后三个时期,对三组不同的投资组合进行风险测度,并将测度结果与大盘风险进行了对比分析。研究结果显示,首先,ESG投资组合的风险相对于大盘风险更低,从而验证了所提出的ESG-CVaR投资组合风险测度方法优于传统方法的观点;其次,在新冠疫情前、后两个时期,高ESG投资组合的风险测度值最低,这说明相对于传统投资策略,将ESG因素纳入投资组合能更全面地规避风险。此外,在新冠疫情期间,高低混合ESG投资组合的风险最低,这可能是因为新冠疫情对ESG投资组合的表现产生了一定的影响。     

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。     

沪市收益率的分布特征与VaR、CVaR估计

利用1997年至2008年上证综合指数数据计算股指收益率分布的统计特征,通过将其与常见概率分布函数的统计特征进行比较筛选出能较好描述沪市收益率分布的概率分布函数,即广义误差分布、t-学生分布、Laphce、逻辑分布函数等,并利用这些分布函数计算了上证综合指数的VaR值和CVaR值。实证结果显示,广义误差分布能很好地模拟股指收益率分布,t-学生分布、Laplace也有较好的拟合效果。因此,使用峰度系数、偏度系数来筛选能较好描述股票市场收益率分布特征的概率分布函数是可行的。     

CVaR准则下随机需求依赖价格的供应链协调研究

研究由单个风险中性的供应商和单个风险厌恶的零售商组成的两级供应链。在CVaR度量准则下探讨了随机需求依赖于价格的供应链协调问题。通过对零售商和整个供应链的决策分析,得到批发价契约不能使供应链达到协调,而收益共享契约和回购契约能使供应链达到协调,并给出了契约参数取值(范围)的计算公式。进一步证明了,回购契约与收益共享契约在零售商为风险厌恶的情形下具有等价性。同时,当供应链达到协调时,风险厌恶的零售商的利润随其风险厌恶程度的增加而增加。     

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。     

用VaR度量与管理投资基金的市场风险

度量和管理我国证券投资基金的市场风险十分迫切.本文以上证基金指数代替具体投资基金的价格作为样本数据,分别采用δ-正态法和极值理论方法计算出了相应的风险价值VaR用以度量我国证券投资基金的市场风险,同时对投资基金市场风险的VaR度量进行了分析和有效性检验,最后,文章就VaR在投资基金的战略性资产配置、优化投资组合、控制基金投资风险、绩效评估和信息披露等方面的应用作了一些探讨.     

基于Archimedean Copula-GARCH模型的国际原油价格风险度量

本文对国际原油市场价格风险VaR的度量方法进行研究,选择了三种主要的ArchimedeanCopula函数描述随机变量之间的相关关系,运用GARCH对边际分布建模,使用Monte Carlo方法分别计算三个模型下的VaR,并通过回测检验对模型进行检验和比较,结果显示Clayton Copula-GARCH模型估计效果较好.     

静态及动态风险度量模型的实证对比分析

选取上海证券交易所金融、工业指数的收盘价为观察对象,分别对静态及动态模型、上证金融及工业指数的风险程度以及不同置信水平下的度量准确性进行了比较研究,结果表明：动态风险度量模型对VaR、ES的度量比静态模拟更加准确;上证金融指数的风险程度要略高于上证工业指数的风险程度;置信度为99%时度量风险模型要比置信度为95%时更加精确。     

外汇期权市场风险多维非线性VaR度量模型发展

对外汇期权市场风险多维非线性VaR度量是一个具有挑战性的统计问题。文章对外汇期权市场风险多维非线性VaR度量模型进行了研究 ,分析了它的各种计量模型 ,并对这些模型进行了归类总结。最后 ,提出了外汇期权多维非线性VaR模型研究存在的问题。     

基于VaR构建证券公司风险动态监测系统

我国证券公司对市场风险的动态实时监测尚处于摸索阶段，本文拟以VaR模型为基础，为国内证券公司市场风险动态监测系统的构建提供一种思路。     

基于面板GARCH模型的汇率风险联动VaR测算

为弥补现有VaR测算模型在同时测算多汇率风险因子VaR值过程中的不足,笔者将面板CARCH模型应用于汇率风险的VaR测算中,通过与一元GARCH模型、多元GARCH模型中的BEKK模型和DCC模型相对比,发现其联动VaR测算的结果优于后三种模型.基于残差项正态分布假设下的面板GARCH模型能够较好地捕获汇率的波动,其运用能提高VaR测算的精度,增强金融机构或企业的汇率风险管理水平.     

VaR在银行信用风险控制中的应用研究

如何度量和控制信用风险是银行所面对的一个主要课题,信用风险度量方法的研究已取得了长足的进展,J.P.Morgan的CreditMetrics是基于VaR新兴的信用风险度量方法.本文就此方法讨论了其在银行信用风险控制中的应用,并对其在我国银行应用中存在的问题进行了探讨.     

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.