EGARCH模型在VaR中应用

提出了基于EGARCH-VaR的半参数方法,根据EGARCH模型参数估计得到VaR值,计算出溢出率。再根据正态分布和t分布假设下的GARCH模型参数估计得到VaR值以及溢出率。将GARCH模型的VaR值与EGARCH-VaR模型进行比较,结果表明,基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下的VaR计量方法。     

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。     

金融市场风险计量与优化

介绍了测度金融风险的数理基础的基本概念：可行集和相容风险测度，给出了一些常用的风险测度方法和它们的优缺点。讨论了最常用的风险测度VaR的基于极值理论的计算方法和CVaR的凸规划计算方法。     

VaR方法的一种改进模型

VaR方法度量了在一定置信水平下资产可能的最大损失,指出了投资组合所面临的风险程度,但VaR方法并没有指出在何种比例下配置资产可以使得投资组合的VaR值最小.针对此问题,在德尔塔正态方法和蒙特卡罗模拟方法的基础上,提出了搜索化德尔塔方法,并利用证券市场的真实数据,与德尔塔正态方法的结论进行了对比分析.结果表明,搜索化德尔塔方法能够确定最优的投资比例,在此比例下,投资组合的VaR值达到最优.搜索化德尔塔方法可以帮助投资者合理地配置资产.     

VaR风险控制的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险,在既定的组合收益率下,以组合风险最小为目标,以VaR风险收益率为约束,以法律、法规和经营管理约束为条件,建立了银行资产负债管理优化模型.本模型的特色与创新为以收益率最大损失的形式、而不是收益额的形式来反映VaR,使组合决策更为方便;运用资产负债管理比率建立约束条件,控制流动性风险;以VaR约束保证既定收益率选取的合理性,使资产配给的风险限定在银行的承受能力范围内.     

基于VaR的投资业务市场风险评估

针对投资业务市场中的风险评估问题, 系统介绍了VaR的原理和计算方法, 并通过实例介绍了其在风险评估领域中的应用.通过计算VaR及相关的分析, 得出了投资业务市场的风险程度及来源.与传统风险评估方法相比, 应用VaR度量的风险程度更明确, 来源更清晰, 对风险的变化预测更准确, 对于加强公司的风险控制, 促进公司相关业务的健康发展, 有重要的应用价值.     

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。     

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。     

风险价值(VaR)计算方法的实证分析

选取101组上证综合指数等数据,用历史模拟法、方差—协方差法和蒙特卡罗模拟法,对风险价值(VaR,value at risk)进行估算。用3种方法估算出的VaR值表明:在样本数据服从正态分布的条件下,3种计算方法均能得出可靠的风险值,且运用风险值所做的预测可以较好地拟合实际值,3种计算方法得出的VaR值差距可以忽略不计。尽管不同方法各有特点,但无论运用哪种风险值计算方法,对于我国金融机构和投资者以及金融监管部门来说,都有利于我国金融市场风险的管理和控制。