我国证券市场风险的度量——基于VaR方法的实证研究

VaR方法是目前国际上评价市场风险的重要方法,用该方法研究我国的股票市场,可以为投资者控制市场风险提供有效的参考指标.文章运用VaR的基本方法对我国沪市十只股票进行了实证分析,同时对这十只股票构成的投资组合的市场风险也做了进一步的测算.     

基于厚尾分布的市场风险测度

20世纪70年代以后,以布雷顿森林体系为标志的固定价格体系的崩溃,以衍生金融工具的爆炸性增长为标志的金融创新,以及金融市场全球化使得金融市场的波动性日益加剧,市场风险己经成为金融风险最主要的形式。市场风险管理技能已成为金融机构获取竞争优势的核心能力之一。而VaR模型这样一种对市场风险的定量工具。传统的VaR计算假定收益率服从正态分布,而实证研究表明收益率具有尖峰厚尾性。在此研究的就是具有尖峰厚尾特征的分布的VaR计算。本文分为五章:第1章介绍金融风险、金融风险管理的基本概念和基本理论。第2章介绍风险价值(VaR)模型。简述了VaR产生的历史背景、VaR的计算原理和VaR的三类方法。第3章对中国股市的尖锋厚尾性进行实证分析。第4章研究具有尖锋厚尾性的分布的VaR计算。本章介绍了修正威布尔分布,通过中国股市的实证研究,得出了基本可以认为收益率服从修正的威布尔分布,并在此基础上构建基于修正威布尔分布的VaR计算方法。第5章对全文结论进行总结,并对今后研究进行了展望。     

基于GARCH模型的VaR度量证券投资基金风险实证研究

相对于度量金融资产风险的各种波动性方法和灵敏度方法,VaR方法以其概念简单易懂、关注下行风险和可计算复杂投资组合的风险等优点成为国际上广泛采用的先进风险度量方法。但计算VaR有许多不同的方法,针对不同的资产或资产组合找到合适的VaR计算方法是应用VaR的关键问题。分析证券投资基金的统计特征和风险特性,采用厚尾分布和GARCH模型来计算其VaR值,通过比较得出GED分布假设下的GARCH模型方法是所分析的几种VaR计算方法中的最优方法。     

基于两种分布下的SV模型与GARCH模型的VaR比较

文章将随机波动SV模型与GARCH模型应用于VaR的计算,并利用上证指数的实际数据作实证研究,构建基于正态分布和T分布下的GARCH模型与SV模型,测量了上证指数收益率的风险价值(VaR).结果表明,相比GARCH模型,SV-N,SV-T模型能更准确地对实际市场波动情况进行拟合,更加真实地反映上证指数的市场风险特性.     

上证指数市场风险度量问题研究

本文通过建立收益率满足的EGARCH-t①模型,分析计算了从1997年1月2日到2009年4月我国股市上证指数的市场风险价值--VaR,度量了该时期不同阶段上证指数的市场风险状况,并认为,VaR方法的运用,会在我国市场风险、信用风险管理方面起重大作用.     

厚尾SV模型的贝叶斯分析及其应用研究

SV模型在实际应用中大多都假定以潜在波动为条件的收益的分布是正态的,本文分析并比较了正态SV模型和具有厚尾分布,特别是t分布的SV模型。为了估计SV模型的参数,我们使用了BUGS软件,该软件借助Gibbs取样(一种MCMC方法)方法对模型进行贝叶斯分析。用上海和深圳的股票指数数据对两种SV模型进行了检验,认为厚尾SV模型可以更好地刻画收益的尖峰厚尾以及波动高的持续性。最后提出了使用BUGS软件对SV扩展模型进行估计的展望。     

基于非对称GARCH的铜期货市场风险度量研究

针对金融时间序列普遍存在自相关性、杠杆效应、尖峰厚尾等典型事实,运用基于杠杆效应的GARCH模型,构建铜期货市场收益序列具有典型事实的动态风险测度模型:VaR-AR(m)-EGARCH(p,q)和VaR-AR(m)-TGARCH(p,q),再通过上海期货交易所(SHFE)铜期货对所建模型进行实证分析,并运用Back-testing中的LRT(Likelihood Ratio Test)方法,对铜期货市场风险测度模型准确性和可靠性进行实证检验。实证结果表明,基于非对称GARCH的铜期货市场动态风险度量模型,能够有效捕获铜期货市场的典型事实,同时还能够准确测度具有杠杆效应的铜期货市场的动态风险,也能加强对金融市场动态风险预测能力。     

LOF流动性风险度量与实证研究

文章从投资者实际投资时所面临的价格冲击入手,提出了流动性风险的概念,并定义了LOF(Listed Open-end Fund)流动性风险指标L,并利用VaR(Value at Risk)、ES(Expected Shortfall)对流动性风险进行度量。针对L序列厚尾分布的特征,采用极值理论的POT(Peaks Over Threshold)模型对其尾部数据进行建模,能更准确地估计度量流动性风险的工具VaR、ES的值,从而更有效地捕捉投资者所面临的流动性风险。最后利用LOF的1小时交易数据进行了实证研究。     

基于状态转换的风险分解VaR模型研究

VaR的度量涉及到资产组合的未来市场因素分布、波动性以及定价三个方面。针对传统CAPM和GARCH方法的不足,作者提出了市场指数及证券(组合)分别服从独立的马尔科夫状态转换过程下的风险分解VaR模型——SSRM模型。模型能够分别呈现市场的系统风险和个股特有风险,在方法上允许市场指数、证券(组合)分别存在波动性的突然跳跃。凸出特点是既综合考虑了市场和特定资产的关系,又考虑了资产和市场风险的时变性特征。实证显示模型较经典的GARCH-β模型在VaR估计方面有显著优势。     

基于状态转移波动模型的金融市场动态风险测度研究

测度金融市场动态风险VaR的一个关键在于如何准确刻画金融市场收益波动事.引入马尔可夫状态转移的ARCH(Regime switching ARCH,SWARCH)模型,构建出基于状态转移波动模型的金融市场动态风险测度模型.然后运用其对中国大陆上证综指和伦敦金融时报100指数的市场风险进行测度,并运用Back-testing中的似然比率检验方法(Likelihood Ratio Test,LRT)对金融市场风险测度的准确性进行检验.实证结果表明,基于SWARCH的风险测度模型,不仅能够准确测度不同类型金融市场的动态风险.而且在测度金融市场大风险方面展现出同样具有优越的测度能力.     

基于GARCH模型的WTI和Brent原油价格风险分析

鉴于国际原油市场对我国经济的重大影响,对美国WTI原油现货市场和欧洲Brent原油现货市场的油价波动做了基于GARCH模型的价格风险实证研究。结果表明,三种扰动项分布的假设中GED分布在99％置信水平下的失败率偏小,能够较好地刻画石油市场收益率分布的厚尾性,正态分布也能够准确地度量国际原油市场价格风险,但较GED分布容易导致风险的低估,而t分布的测度过于保守,仅适合于石油市场剧烈振荡的时期;WTI市场收益率的条件异方差性比Brent市场更为显著,考察期内平均和最大的VaR值大于Brent市场,发生极端风险事件的可能性大于Brent市场,而Brent市场在95％置信水平下的失败率显著高于WTI市场,发生风险事件的频率高于WTI市场。     

流动性与风险管理：一个基于二元t分布GARCH估计方法的L_VaR模型

VaR已是风险管理领域金融机构量化风险的主流方法,但传统的VaR模型一直未很好地将流动性风险纳入其考量范围。文章通过引入非流动性指标,构建了一个简单的经流动性风险调整的VaR模型,VaR估计方法采用二元t分布GARCH模型。对我国股市实际数据计算发现,流动性因素对VaR值的影响较大,而且持仓规模越大,影响越大。该模型对风险管理具有很好的参考价值。     

基于马尔科夫机制转换CAPM的VaR模型研究

本文利用机制转换的CAPM模型来计算中国证券市场的VaR，首先回顾了机制转换模型，接下来介绍了基于马尔科夫机制转换CAPM的VaR模型（MSW—VAR），最后选择深圳证券交易所的十支股票进行VaR计算，通过准确性检验显示效果良好。MSW-VAR模型能够满足系数时变和市场指数及组合的方差也是时变的市场特性，模型中的混合正态分布，可以拟合证券市场分布的偏峰厚尾特征。     

基于VaR的开放式基金流动性风险的实证分析

本文运用计量方法VaR思想构建了流动性风险测度的L-VaR模型,对我国2006年以前成立的48只股票型开放式基金的流动性风险进行了测度。实证结果显示:测度的开放式基金都存在一定程度的流动性风险,流动性风险值较为接近,说明部分基金管理公司在管理风险、选股和选择市场机会等方面的能力是相近的,容易形成基金选股的"羊群效应";基金管理公司旗下各基金投资目标的风格与流动性风险水平基本一致,但同种风格基金的流动性风险值差异不大。此结论为基金管理规避风险提供了理论依据和指导途径。     

基于蒙特卡罗模拟法的投资项目VaR风险分析

投资项目评价要考虑各种市场因素（包括产品价格、原材料价格、利率、汇率等）的影响,风险分析也就成为项目评价的重要组成部分。论述了项目评价中的风险分析方法,并将VaR这一金融风险管理的新方法引入项目风险分析中,采用蒙特卡罗模拟法以提高项目风险估测的精确度。     

VaR方法及其在中国股票市场的风险度量研究

近年来,国际金融市场利率与汇率动荡起伏,科学技术的迅猛发展以及金融管制的放松导致银行面临着前所未有的市场风险,风险管理已经成为重要内容.在各种衡量金融风险大小的方法中,VaR(Value at Risk,风险价值)法最受金融界的重视.VaR模型结果一目了然,能够提供管理者一个确定的量化指标,并且计算方法较简单.具有极强的可操作性.它不仅用于银行自身市场风险的防范,还可以协助银行监管机构进行监管和测量资本充足率.     

FIEGARCH-EVT-ES风险测度及在期货市场的应用

构建了FIEGARCH-EVT-ES风险测度模型,并将其应用于期货市场风险度量。FIEGARCH能捕捉资产收益的条件异方差、波动的长记忆性以及对正负信息反应的非对称性;极值理论（EVT）能处理资产收益的厚尾性;期望损失ES是一致性风险测度,可有效弥补VaR无法考察超过分位数信息的缺陷。以上海期货交易所铜期货为例验证了模型的有效性,并与GARCH-N-VaR模型进行比较分析,结果表明,GARCH-N-VaR低估了风险,FIEGARCH-EVT-ES预测效果较好,同时也不会使预测结果过于保守,从而过高估计风险。     

基于MRS-GARCH模型的VaR方法及其在上海股市的应用

近年来,许多国内学者运用基于GARCH-正态、GARCH-t、EGARCH等模型的VaR方法对中国股票市场的风险进行了分析,这些GARCH模型均为不考虑金融波动结构变化的波动模型。然而,我国的金融市场作为一个新兴的市场,其金融波动的结构变化是客观存在的。因此,本文提出了基于MRS-GARCH模型的VaR方法,并对中国上海股票市场的风险进行了实证分析,证明考虑了金融波动的结构变化的MRS-GARCH模型能够更好的刻画上海股票市场的波动特征,基于MRS-GARCH模型计算VaR值更加有效。     

VaR模型及其在股票风险评估中的应用

介绍VaR模型理论 ,计算上证综合指数在不同置信水平下的VaR值 ,并与实际损益作了对比。在分析所得数据的基础上 ,得出我国股市引入VaR模型的必要性