高频价格数据信息对资产组合动态风险测度的影响研究——基于实现协方差矩阵模型的分析

组合风险的估计和预测一直都是风险管理中非常重要的一个方面。本文使用了利用高频数据信息的实现协方差矩阵、DCC-MVGARCH多元波动率模型、Risk Metrics模型和多元正交GARCH模型对沪深两市的指数资产组合风险在险价值的预测失败率进行了对比,并利用动态分位数检验方法对各模型的组合风险测度稳健性进行了对比研究。研究结果证明,基于高频数据的实现协方差矩阵模型能够显著提高组合风险测度的预测精度,且严格符合Va R置信区间所要求的失败率,能够很好地在提高资金使用效率与管理资产组合风险敞口间取得平衡。     

典型事实、极值理论与金融市场动态风险测度研究

本文在金融市场典型事实约束下,运用ARFIMA模型对金融市场条件收益率建模,运用GARCH、GJR、FIGARCH、APARCH、FIAPARCH等5种模型对金融波动率进行建模,进而运用极值理论(EVT)对标准收益的极端尾部风险建模来测度各股市的动态风险,并用返回测试(Back-testing)方法检验模型的适应性。实证结果表明,总的来说,FIAPARCH-EVT模型对各个市场具有较强的适应性,风险测度能力较为优越。进一步,本文在ARFIMA-FIAPARCH模型下,假定标准收益分别服从正态分布(N)、学生t分布(st)、有偏学生t分布(skst)、广义误差分布(GED)共4种分布,对各股市的动态风险测度的准确性进行检验,并和EVT方法的测度结果进行对比分析。结果表明,EVT方法风险测度能力优于其他方法,有偏学生t分布假设下的风险测度模型虽然略逊于EVT方法,但也不失为一种较好的方法;ARFIMA-FI-APARCH-EVT不仅在中国大陆沪深股市表现最为可靠,而且在其他市场也表现出同样的可靠性。     

人民币汇率间相依关系研究——基于高阶矩波动和Copula函数视角

随着人民币汇率市场化改革和人民币国际化进程的不断推进,人民币汇率风险越发受到重视,考察人民币汇率间的相依关系是有效管理外汇风险的前提。本文通过选取人民币对美元、欧元和日元汇率的中间价,运用GJRSK-M高阶矩波动模型刻画它们各自的波动特征,然后结合EVT极值理论构建边缘分布,再选取拟合效果更好的时变Copula函数,研究三组人民币汇率间的相依关系。结果表明:人民币对美元、欧元汇率存在着较强的负相依特征;人民币对美元、日元汇率相依系数下降趋势比较明显;人民币对欧元、日元汇率相依系数波动较大,但整体上呈现出较弱的负相依特征。     

基于GARCH-EVT-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的物质基础,安全性是其投资的首要原则。文章基于GARCH-EVT-Copula方法测度了社保基金投资组合的VaR。首先,基于GARCH、EVT对投资组合中各金融资产收益的边缘分布建模,然后,采用极大似然估计法和Bootstrap方法估计尾部的分布函数,接着,基于Copula方法研究组合中金融资产间的相关结构,最后,运用Monte Carlo方法测度投资组合的VaR。Kupiec检验表明,基于GARCH-EVT-Copula模型测度社保基金投资组合的风险是合适的。     

我国寿险公司资产配置研究

本文研究寿险公司的最优资产配置问题。与以往研究不同,本文基于寿险公司收益率分布的实证考察,结合法律法规对寿险资产投资的限制,建立寿险公司资产配置模型。首先建立保险公司的收益模型,以及投资比例和在险价值模型。为了完成对目标函数的刻画,利用水晶球软件对风险资产收益率序列进行分布匹配测试,分析收益率序列分布假设;最后,利用MATLAB优化软件包计算中国人寿的最优资产比例,并与其实际配置进行了比较分析。     

资产组合风险的极值Copula模型与实证研究

本文在极值理论POT模型的基础上,引入了Copula连接函数,建立极值Copula模型,给出了组合风险价值VaR的计算公式,并以加元和日元回报为样本进行了实证分析,结果表明,极值Copula模型能较好地度量资产组合的风险,直接加权的方法会高估风险,假设资产组合服从多元正态分布会低估风险。     

基于Copula-GARCH-EVT的中国开放式基金投资组合风险度量

文章结合CARCH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.通过对光大红利基金的实证研究,得到前十大重仓中单只股票及其投资组合的风险值,结果表明,基于Copula-GARCH-EVT的VaR方法具有重要的经济应用价值.     

次贷危机对跨国资产投资组合VaR的影响研究北大核心CSSCISSCI

本文以两类时变Copula-EVT-VaR模型作为核心研究方法,探讨了次贷危机对于跨国资产组合VaR模型测度准确度的影响,进而对比分析了两类模型的测度精度。研究结果表明,次贷危机的爆发,导致股市间尾部动态极值风险传导的程度显著增强,VaR的测度精度明显降低,通过分散化投资以降低组合风险的作用在一定程度上被削弱。因此在金融危机传染的背景下进行组合投资,应注重对比研究各类风险评价模型的测度效率,谨慎进行资产组合选择以及风险管理。     

基于时间序列极值理论的跳跃风险研究

金融资产的跳跃行为作为对极端事件的刻画,为研究极端事件风险提供了良好工具。基于时间序列下的极值理论,在放松独立同分布假设下,构造了金融资产收益率序列尾部中跳跃动态特征的极值模型。通过对上证综指大跨度、高频度的实证研究,剖析了投资者结构、投资者行为与收益尾部分布之间的相互作用机制,进一步对金融资产收益尾部的跳跃风险进行了有效测度。结果表明,极端跳跃风险的分布特征在频率与尾部方向上呈现很强的不对称状态。     

基于Copula-VaR的金融资产组合风险测度研究

引入Copula函数来改进传统的VaR方法,构建出Copula-VaR模型。通过蒙特卡罗模拟实证金融资产组合收益的各种VaR值,结果表明,Copula-VaR模型能够更精确地测度出金融资产组合的在险价值风险。     

风险依赖、一致性风险度量与投资组合——基于Mean-Copula-CVaR的投资组合研究

本文把风险依赖、一致性风险度量与投资组合纳入到一个分析框架中,结合Coupla-CVaR模型和Mean-var投资组合理论构建Mean-Copula-CVaR的投资组合模型,能有效同时解决风险度量中的一致性和依赖性关系。采用券商指数、银行指数和保险指数实证分析线性依赖和复杂依赖(Copula依赖)情况下金融机构资产配置的差异性和风险度量的充分性,研究结果表明,纳入Copula函数能够更为稳健和准确地预测投资组合的CVaR。然而,本文没有检验出不同形式Copula之间的差异具有显著性。本文的政策含义在于,忽视复杂风险依赖结构可能会造成风险低估,从而影响资产配置的有效性。     

基于Copula函数的沪深300股指期货相依风险研究

本文对沪深300股指和股指期货仿真交易收益率极端风险和相依关系进行了研究,用DCC-GARCH模型描述了股指期货和现货之间动态的条件相关系数,并以极值分布为边际分布对四种常用的Copula函数进行了拟合,发现Frank Copula的拟合效果最好,其次为Clayton Copula。在此基础之上,对不同组合的VaR和CVaR进行测度,发现投资组合比例与风险之间呈现“U”型特征,这也为股指期货套期保值提供了一种新的研究方式。     

基于无套利原理的资产证券化产品定价模型扩展

基于高斯联结相依函数的单因子资产证券化定价模型由于其表达形式简洁、数值模拟简单,被业界广泛应用于资产证券化产品定价,但单因子模型对损失分布的刻画粗糙,无法充分估计尾部风险。使用基于损失分布特征函数的多因子模型对资产池的损失分布进行精细化的建模,在不增加参数要求的基础上提高了对损失分布构建的准确性。另外,对于目前我国市场上越来越多的单一标的资产证券化产品,也给出了具有解析解的定价方法。     

基于Copula-VaR模型的资产组合风险研究

将Copula函数应用于风险管理中。在运用VaR计算单一投资风险的基础上,将原有的简单线性相关系数转换为Kendall秩相关系数和尾部相关系数,运用阿基米德Coupula函数中的Clayton Copula函数和Gumbel Copula函数测度了资产组合风险。通过实证研究运用Copula-VaR模型能够更好地衡量资产组合的风险,并给出了相关的投资建议。     

基于Post-LASSO方法的大类资产因子配置研究

基于因子的配置方法将资产配置的决策过程从资产层面转换为更为微观的因子层面,投资者能够通过对因子收益分布及相关性的预测更好地进行资产配置.选择包括经济增长、通货膨胀、市场因子、规模因子和盈利因子在内的宏观和风格因子,以及股票、债券和商品在内的多种资产指数的月度数据,基于Post-LASSO模型和Greenberg等(2016)稳健性最优化算法检验了基于因子的大类资产配置方法在我国的可应用性.研究结果发现:通过因子权重映射的资产组合能够较好地模拟出各因子的初始权重,Post-LASSO方法能够取得显著优于传统OLS方法的映射效果;映射资产组合的收益走势可以对因子组合进行部分追踪,但是由于因子收益率和资产收益率存在着较大差异,因此,两个组合的净值走势也存在着一定偏差.研究结论丰富了投资组合的相关理论,也为投资者从传统资产配置转向因子配置提供了经验借鉴.     

基于混合模型的上海股票市场VaR研究北大核心CSSCISSCI

本文讨论如何选择适当的模型预测证券市场的风险价值(VaR)。在对不同VaR估计方法比较分析的基础上,本文提出OGARCH与极值理论(EVT)的混合模型。实证结果表明,混合模型预测的上证A股指数风险价值明显优于其他模型的预测结果。新的混合模型对于降低风险管理成本具有非常重要的现实意义。     

企业年金基金资产结构动态优化研究——基于DCC-GARCH-CVaR模型

资本市场震荡加剧背景下,如何通过资产结构动态调整来增强基金的保值增值能力,是我国企业年金基金投资运营管理中亟需解决的现实技术问题。论文建立DCC-GARCH-CVaR模型刻画资产间动态相关关系和度量投资组合风险,以投资组合风险最小化为目标函数,以期望收益满足最低保证要求为主要约束条件,构建企业年金基金资产结构动态调整模型。结果表明,企业年金基金最优资产结构具有一定的时变特征;资产配置最优权重是各类资产收益风险关系的权衡;资产结构的动态化与多元化是企业年金基金提升保值增值能力的必然选择。     

边际贡献法在养老金计划风险管理中的应用

对于养老金的风险而言,目前比较普遍的缺陷就是没有测度风险的统一模型。本文主要通过分析边际贡献法在测度和分解风险中的作用,说明养老金计划的决策者能够利用边际贡献法,来确定用于养老金投资的资产品种配置量及投资额对资产组合绝对或相对总风险的贡献率。     

银行间同业拆放利率风险度量:基于EGARCH-SGED模型的实证分析

根据上海银行间同业拆放利率(SHIBOR)数据的基本特性,分析SHIBOR收益率序列呈尖峰厚尾、偏态和波动集聚等特征,利用EGARCH模型来刻画收益率的波动性,同时利用Skew-GED(SGED)分布来描述收益率的概率分布特征,构建EGARCH-SGED模型来测度SHIBOR收益率的风险价值,并与GED和Skew-t分布下的EGARCH模型的风险测度能力进行了比较。研究结果表明,与其他两类模型相比较而言,EGARCH-SGED模型能更好地描述SHIBOR收益率特性,并且能够显著提高风险价值预测的准确性。     

极值理论在金融风险度量中的应用——基于沪深300指数的实证研究

如何准确度量金融市场风险在金融风险管理中扮演着重要角色,而极值理论能对极端风险进行较准确的度量。通过对沪深300指数的实证研究表明,广义帕累托分布能够很好地拟合极端日收益率数据,从而用建立在广义帕累托分布基础上的POT模型来度量投资者所面临的市场风险是合适的。结果显示:基于正态分布假设得到的风险值小于POT模型的风险值。