基于GARCH模型的证券市场风险的VaR度量

在对VaR理论进行简单介绍的基础上,将残差分别服从正态分布、T-分布、GED分布的GARCH族模型运用到VaR的计算当中,对中国上证综合指数进行了实证分析,并对各GARCH族模型的计算结果进行了比较,在对VaR值进行准确性验证后发现:T-分布和GED分布下的GARCH族模型预测的VaR值比较准确,能较真实地反映上证综指的市场风险程度,据此得出了几点结论和建议。     

风险管理测度VaR和TCE的实证研究

针对单一金融产品和由多种资产组成的投资组合两种情况,用几只股票的历史收盘数据实证比较了两种先进的度量金融市场风险测度———风险值(VaR)和尾部条件期望(TCE)的有效性。结果显示,TCE比VaR更有效。     

基于GARCH模型的VaR方法在股市风险分析中的实证研究

介绍了利用GARCH模型的VaR计算方法,并引入了股票市场的风险价值VaR实例计算,据此定量测量股票市场风险,为企业经营者的风险管理及一般投资者的投资风险分析提供依据.     

期权风险的VaR度量研究

Vail是度量金融风险的一种有力工具．本文介绍了Vail的概念及一般计算方法,并根据股票价格变化的对数正态模型,给出标的物为股票的欧式看涨和看跌期权的Vail计算方法。此方法还可推广到其它期权风险的度量上．     

基于极值理论的VaR度量模型及实证研究

在金融时间序列研究中,随着近年来全球金融危机的频繁发生,越来越多的学者开始考虑用极值理论的方法来进行金融风险管理的研究.笔者主要运用广义极值分布来分析我国A股市场,并借助极大似然估计法求解参数;同时考虑改进极值理论关于时间序列的独立性假设条件,建立更加符合实际的平稳时间序列VaR度量模型;最后将该方法运用于沪深300日收益率的风险估计.研究表明:改进后的模型能够更加准确地刻画实际市场的极端波动情况,弥补了传统极值理论低估风险的不足,从而为机构投资者如何以最少保证金来防范金融危机,提供了一个更有利的工具.     

基于VaR和ES模型的中国公司债券 下行风险度量研究

针对中国公司债券具有行业、期限、类型等差异性,收益率和交易量数据突发性和不连续性、不确定性等特点,研究公司债券下行风险计算方法,并分析其与收益的关系。通过对中国公司债券特点的研究分析,确定债券筛选和数据处理原则,应用历史模拟法建立条件风险价值VaR和ES模型,采用失败频率法检验和比较模型的有效性,根据分段组合投资的下行风险分析风险与收益的关系。研究结果表明,VaR与ES模型在不同置信水平下,总体符合有效度量下行风险的要求,ES模型失败比例相对较低;中国公司债券按ES分段投资组合结果表明,每组平均收益与ES正相关。     

基于TARCH模型的VaR方法对上海股市的分析

应用方差—协方差方法中的GARCH和TARCH模型计算了上证综合指数的VaR值.在GARCH和TARCH模型中分别应用了正态分布、t分布和GED分布3种不同的分布假设,并通过Kupiek检验比较了各种模型的优劣.     

基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED—EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。     

基于植入SV的VaR模型的股指期货风险度量

股指期货交易在规避股票市场风险的同时,产生了新的风险———投机风险和套期保值风险。从上述两种风险的基本概念出发,建立了其对应的VaR度量模型。将SV植入VaR模型中,用于模型中参数的计算,更好地体现金融市场的本质特征。本文对参数计算的实现过程作了一定的论述,研究成果具有重要的理论和实际意义。     

基于植入SV的VaR模型的股指期货风险度量

股指期货交易在规避股票市场风险的同时，产生了新的风险——投机风险和套期保值风险。从上述两种风险的基本概念出发，建立了其对应的VaR度量模型。将SV植入VaR模型中，用于模型中参数的计算，更好地体现金融市场的本质特征。本文对参数计算的实现过程作了一定的论述，研究成果具有重要的理论和实际意义。     

我国银行间同业拆借利率的非线性分析

运用R/S方法研究中国银行间同业拆借利率序列得出中国银行间同业拆借利率序列不服从对数高斯分布;中国银行间同业拆借市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出一定的趋势行为;中国银行间同业拆借利率序列的赫斯特指数H为0.68.也就是中国银行间同业拆借市场呈现出长期记忆等非线性的混沌特征.最后,对中国银行间同业拆借利率时间序列进行相空间重构,并计算出其关联维数.     

我国货币政策的银行间同业拆借利率传导效应研究

通过对银行间同业拆借利率之间及银行间同业拆借利率与宏观经济变量之间反馈关系的分析,揭示了我国货币政策银行间同业拆借利率传导的规律性.中央银行在数量型（货币供给）调控的基础上,运用价格型（利率）工具实现货币政策传导的准确性和稳定性目标,包括应对资产价格的变化.银行间同业拆借市场提供了关于货币供给、均衡信贷量、均衡通货膨胀、均衡利率和均衡资产价格的多种货币政策决策参考信息.货币政策表现出货币供给规则和利率规则混合协调的特征.     

基于t-GARCH模型的风险价值VaR及其在我国股票市场中的实证分析

本文主要介绍了金融市场的风险管理工具VaR,以及基于t-GARCH模型的VaR值计算方法,使用R统计软件对沪深综合指数日对数收益率序列进行实证研究,并通过计算所得的VaR值对沪深股市风险进行了比较,从而说明基于t-GARCH计算的VaR值是较为方便可行的判断股市风险的方法。     

一种新的基于VaR的风险度量WES

阐述了VaR作为风险度量工具的优缺点,针对VaR的不足,介绍了近期一些关于一致性风险度量方面的研究成果,并对各类模型的优缺点进行了对比分析。在此基础上,给出了一种合理风险度量模型应该满足的基本性质：凸性和单调性。针对这两条性质,结合投资者的投资行为与心理因素,引入了一种更贴合实际投资组合要求的新风险度量模型——指数加权期望损失（WES）,从而为金融风险管理提供了新方法和新视角。     

基于GARCH类模型的VaR——一种融合市场风险与流动性风险的合成管理模型

在一种融合市场风险与流动性风险的合成风险管理模型——LaVaR模型的基础上,利用自回归模型和GARCH类模型将LaVaR动态化.并且通过SAS软件强大的编程功能将金融数据常有的集群性、高峰厚尾性、非对称性等纳入同一个模型,从而能够同时考察序列的各种性质,使得预测也更加准确.将GARCH类模型动态化VaR的方法,可以更加准确地计算风险值.     

基于Copula-VaR的市场风险度量问题研究

金融资产间相关结构的度量是投资组合风险管理中的一个重要问题,为解决这一问题,将Copula函数应用于风险管理,并以此建立相关模型以克服传统的正态分布和线性相关性假设的不足,采用GARCH模型对单个资产建模,分析运用正态Copula函数刻画股票市场收益率的联合分布并计算VaR,发现该模型优于传统的VaR计算方法.     

应用Copula理论的人民币汇率风险测度

借助Copula理论,同时配合GARCH类模型,建立了一个能最为理想地描述汇率组合之间相关结构的Gumbel-Copula-PARCH(1,1)-t模型。借助Monte Carlo仿真技术,于不同置信度下求出能够度量汇率组合损失情况的VaR值。通过研究"失败率"来评价应用MonteCarlo仿真技术的Gumbel-Copula-PARCH(1,1)-t模型所模拟计算出的VaR值的实际效果。     

开放式基金风险管理的有效工具——VaR模型

开放式基金的迅猛发展需要对其风险进行有效的管理.VaR模型是开放式基金风险管理的有效工具.说明VaR的定义,阐明VaR的计算原理,讨论VaR模型的3种计算方法及其优缺点和适用范围,最后探讨VaR模型在开放式基金风险管理中的应用.     

我国货币政策对银行间同业拆借利率期限结构的影响效应研究

在中央银行提高（降低）对金融机构一年期的贷款利率的两个月内,所有期限银行间同业拆借利率与中央银行基准利率同向变动,但长期银行间同业拆借利率的变动幅度相对较大,银行间同业拆借利率期限结构曲线呈现截面稍微向上（下）倾斜变化和动态平行移动变化.在中央银行调整对金融机构一年期的贷款利率后的第二个月,所有期限的银行间同业拆借利率仍随中央银行基准利率同向变动,但中期银行间同业拆借利率变动幅度相对较大.我国银行间同业拆借利率期限结构随中央银行基准利率的变化规律反映了货币政策和经济周期的相互作用.当中央银行提高（降低）对金融机构一年期的贷款利率时,长期资金缺口增加（减小）,短期资金缺口减小（增加）,长期银行间同业拆借利率相对短期银行间同业拆借利率增加（降低）幅度较大.随着长期资金缺口增加（减小）,外源融资溢价增加（减小）,货币性资产收益率增加（降低）,中期银行间同业拆借利率增加（降低）幅度相对较大.     

基于GARCH模型的企业汇率风险度量研究

运用极值理论和GARCH模型对企业的汇率风险进行研究,分析人民币对美元的统计分布特征,并对收益率的尾部进行建模,进而计算出VaR与CVaR值,返回检验证明该模型具有准确性与有效性。研究结果表明,该模型具有超越样本的估计能力,比传统工具更适合度量尾部分布下的金融时间序列。