基于多标度分形理论的金融风险测度指标研究

多标度分形(multifractal)理论是一种刻画金融市场波动复杂性特征的有力工具,而金融价格时间序列的多标度分形谱(multifractal spectrum)则是对测度对象复杂性特征的一种具体和全面的描述.以上海证券交易所综合股价指数高频价格时间序列的多标度分形谱计算为例,建立了基于多标度分形谱两个主要参数的市场风险测度指标Rf,弥补了传统风险测度指标在非有效市场条件下的不足.通过对上证综指的实证研究验证了这一指标的有效性,并对其在价格波动预测方面的作用进行了初步的探讨和理论解释.     

Copula函数在风险价值度量中的应用

在计算投资组合的风险价值（Value-at—Risk）时,传统的方法是假设多个金融资产的收益率序列服从多元联合正态分布．但这种假设经常与实际市场的观测不符,并且在极端事件发生时常会低估风险。为了更好地刻画投资组合的风险．本文提出利用Copula函数结合非对称Laplace分布技术来解决这个问题：Copula函数能够很好地刻画多个金融资产间的相依结构关系．另一方面利用非对称Laplace分布来刻画单个金融资产收益边际分布的非对称性和厚尾性。利用Kupiec的失败频率检验方法,本文验证了模型的有效性。实证研究表明Copula函数结合非对称Laplace分布技术能够很好地度量投资组合的风险价值VaR．从而有助于更好地测度和规避金融市场的风险．     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

基于SV-SGED模型的动态VaR测度研究

本文针对金融资产收益展现出“有偏”及“厚尾”分布特征,引入有偏广义误差分布（SGED）来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值（VaR）,进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样（EIS）技巧的极大似然（ML）估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV（SV-N）和广义误差分布假定下的SV（SV-GED）模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。     

基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究

本文引入FIAPARCH模型刻画金融价格条件波动率特征,引入有偏学生t分布捕获收益率有偏特征,并以此来测度金融市场动态风险VaR;进而运用返回测试和动态分位数回归方法对风险测度模型准确性进行实证检验.结果表明,RiskMetrics和GARCH-N测度金融市场的风险的可靠性差;有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征,具有更高的风险测度能力;FIAPARCH-SKST展示出比其它模型具有绝对优越的风险测度效果.     

非对称结构下金融市场动态风险测度研究

针对金融市场呈现出的非对称结构,以新兴市场的中国大陆沪市上证综指(SSEC)和成熟市场的标准普尔指数(S&P500)作为代表性的研究对象,运用有偏学生分布(SKST)来刻画金融收益的有偏非对称分布形态;运用APARCH等模型来刻画金融收益条件波动率的非对称波动性,并以此来开展风险测度研究;最后运用返回测试中LRT和DQR来检验风险测度的准确性。实证结果表明:没有哪种金融收益的条件非对称波动模型具有绝对优越的风险测度能力;在标准收益服从的分布上,新兴市场SSEC与成熟市场S&P500市场却又表现出明显的不同,Normal分布并不适合SSEC,但能适合S&P500;ST能够适应SSEC,却不能适应S&P500,而SKST能够适应两种市场;对于S&P500,在99%这样高的置信水平下是Normal优越,而在95%的置信水平下却是SKST优秀,对于SSEC,SKST分布的准确性在两个水平下都是最高。     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

AEPD、AST和ALD分布下金融资产收益率典型事实描述与VaR度量

金融资产收益率分布具有"尖峰"、"肥尾"、"有偏"、"非对称"等典型事实,传统的正态分布、t分布、SKST分布无法完全描述这些特征,影响了以收益率分布设定为基础之一的参数法VaR模型度量的效果。近年来,理论界提出了AEPD、AST、ALD等分布来改善对金融资产收益率分布的描述。本文以沪深300指数为例,比较和分析了这些分布对金融资产收益率典型事实特征的描述及其在VaR度量效果上的差异。研究表明并非捕捉金融资产收益率分布典型事实越多的模型测度风险的效果越好:AEPD、 AST、ALD分布能较好地描述金融资产收益率的典型特征,但是在风险度量效果上却只能证明AEPD、AST分布绝对优于正态分布,而与SKST分布相比无明显差异; ALD分布在度量空头VaR时效果甚至比正态分布更差,但在计算低分位水平下的多头VaR值时却明显优于其他分布。     

基于GJR-GARCH的VaR模型及其在上海证券市场的实证研究

针对风险价值VaR的一般参数方法都是对称的,其在处理非对称时间序列时存在着局限性,本文提出了非对称的VaR计算模型,并以上海证券市场为对象进行了实证研究,结果表明基于非对称的VaR计算模型优于对称的VaR计算模型。     

基于Copula-AL法的VaR和CVaR的度量与分配

金融资产收益率的实际分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些特征,结合Copula函数技术来描述资产间的相关性结构,研究了市场组合VaR和CVaR的度量和分配。选取上证指数和深圳成指的组合为例,计算了组合风险及其分配。结果表明,基于t-Copula-AL模型的VaR、CVaR法计算简单准确,且能方便地进行风险分配。     

基于SKT-ARFIMA-HYGARCH-VaR模型的股票型基金投资风格漂移风险测度研究

投资风格漂移是把双刃剑,基金在获取短期超额收益的同时,其背后也折射出巨大的漂移风险。本文以2004年成立的8只开放式股票型基金为研究样本,在量化基金投资风格漂移收益及分析其序列呈尖峰、厚尾与有偏特征的基础上,通过引入skt分布来刻画新生变量的分布,构建ARFIMA-HYGARCH-VaR模型来测度基金投资风格漂移风险值,并与skt分布下的RiskMetrics及GARCH族等5种VaR模型的风险测度能力做了比较实证分析,同时对各种VaR模型进行失败频率回测检验与动态分位数测试。研究结果表明:在不同显著性水平下,skt分布下的各种模型基本都有较好的风险测度能力,但ARFIMA-HYGARCH模型的VaR风险测度更加精确与稳定;Person吻合度检验也证实了skt分布能较好刻画投资风格漂移日收益序列的分布。本研究为控制较严重的投资风格漂移及规范基金产品创新设计与发行无疑具有重要的理论价值与现实意义。     

基于非对称结构与长记忆的股票市场风险测度研究

针对金融市场条件收益存在的有偏胖尾分布与非对称波动性特征以及长记忆特征等典型事实特征,运用ARFIMA-FIGARCH-SKST模型等来测度股市动态风险,并通过规范的返回测试检验中的LRT和DQR方法实证考察了测度模型的可靠性。得到了一些非常有价值的实证结果:有无长记忆约束的非对称结构风险模型在中国大陆沪深股市动态风险测度能力上并无实质性差异;ARFIMA-FIAPARCH-SKST模型能够准确测度股市的动态风险;股票市场极端风险的测度尤其不能放弃非对称结构的这一约束条件。     

金融市场典型事实下的风险价值计算及其检验

金融市场典型事实(Stylized facls)的不断涌现,至少表明了有效市场假说并非实际市场波动机制的完美表述.因此,建立在有效市场理论基础之上的主流市场风险(Market risk)测度技术也就无法准确刻画实际市场的波动和风险状况.本文首先提出了对市场风险测度最具价值的三类典型事实,并以上证综指和若干世界主要股市指数为例,探讨了典型事实波动特征下的风险价值(VaR)计算方法,并通过对不同模型假定下所计算的VaR进行规范的后验分析(Backtesting),实证对比了不同波动模型的适用范围和精确程度.     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一，忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此，本文构建了包含条件偏度的组合投资模型，并给出其建模方法。首先，运用MIDAS-QR模型，改善条件偏度测度效果；其次，基于CRRA效用函数，将组合投资权重设计为条件偏度和特征变量的线性组合，建立组合投资模型并给出求解方案；最后，从沪深300指数中选取10支代表性成分股进行实证研究，从收益、风险和Sharpe比率等方面，将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较，分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法，其测度结果受异常值影响小，表现稳定；条件偏度对组合投资决策具有显著影响，包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。     

典型事实约束下的上海燃油期货市场动态VaR测度研究

期货交易的高杠杆率意味着期货市场的高风险特征,而能源市场因其特殊的战略意义一直以来备受关注,因而对能源期货市场的风险测度对投资者和监管者都极其重要。本文对上海燃油期货构建了四个反映不同交割期限的连续价格序列,基于不同的金融市场典型事实分别运用GARCH、GJR、FIGARCH三个模型对波动率建模,并假设条件收益分别服从正态、学生t、有偏学生t(skst)分布进行动态风险价值(VaR)测度,然后运用严格的似然比(LR)检验和动态分位数回归(DQR)检验对风险测度的可靠性进行后验分析(Backtesting),尝试从中提取出在风险管理中最有应用价值的典型事实。研究发现:(1)基于skst分布的波动模型的动态风险测度准确性明显优于其他分布下的相同模型;(2)基于杠杆效应的GJR模型和基于长记忆性的FIGARCH模型并没有表现出比普通GARCH模型更高的精度;(3)远期合约的市场平均收益更高,风险测度比近期合约更准确。     

基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

中国股票市场的多分形波动率测度及其有效性研究

由多分形分析出发,提出了一种新型的金融市场多分形波动率测度Sα。与传统测度Δα相比,Sα更为充分地利用了多分形分析过程中产生的对描述金融市场波动有益的统计信息。以上证综指和深证成指1354个交易日内5个不同抽样频率的高频数据为例,通过运用具有bootstrap特性的SPA检验法,检验了Sα测度和Δα测度对中国股票市场真实波动率估计的有效性差异。实证研究表明,Sα测度对市场真实波动率的估计较Δα测度更为准确。     

基于Asymmetric Laplace分布的金融风险度量

金融资产的损益分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些风险特征,给出了市场风险VaR和CVaR度量的AL参数法和AL-MC法。选取上证指数、日经225指数及S&P500指数为研究对象,结合各股市的风险特征,给出了VaR和CVaR度量及其返回检验和准确性评价。结果表明,基于AL分布的风险度量模型具有其合理性和适用性,能很好地度量市场风险。     

中国股票市场的高阶矩波动特征研究

最近的研究表明,除资产收益二阶矩外,高阶矩(包括三阶矩和四阶矩)同样是反映金融资产波动行为的重要方面.以中国股票市场最具代表性的两种股价指数--上证综指和深证成指 10 年的股价数据样本为例,通过构建可以刻画时变高阶矩的自回归条件方差-偏度-峰度模型,实证研究中国股票市场的高阶矩波动特征.研究表明,中国股票市场收益的偏度、峰度具有显著的时变性和波动聚类性;中国股市不但存在二阶矩(方差)风险,还存在显著的三阶矩(偏度)风险和四阶矩(峰度)风险,并且三阶矩风险和四阶矩风险具有同步性;将偏度方程和峰度方程引入波动模型会抵消原有方差波动的杠杆效应.初步提出将高阶矩波动模型运用于金融风险管理的思想.