基于pair copula-SV模型的资产组合风险度量

将SV模型与pair copula模型相结合,构造了一个pair copula-SV模型,并借助Monte Carlo方法度量了资产组合的风险价值.选取4支股票构成资产组合进行实证分析,结果表明该模型的拟合效果较好,具有一定的实际应用价值,同时能够反映风险度量领域的发展趋势.     

基于时变Copula的风险价值度量

传统的VaR度量方法明显存在一些不足,引入时变Copula与Garch相结合的模型进行VaR度量,该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到它们之间的尾部相关行为的动态变化。实证结果表明:利用时变Cop-ula进行VaR度量,整体上度量的效果要优于传统的VaR度量方法,而传统的方法(除bootstrap外)则存在着低估市场风险的现象。     

Copula相关理论在金融分析中的风险度量

随着全球经济的一体化,金融风险管理越来越受到世人的重视.大量研究表明,利用多样化的资产组合可以在一定程度上降低风险.传统的风险计量模型大都是以正态分布为基础的,但这往往与客观事实不符,尤其是在极端事件发生时,这种现象尤为严重,其结果导致常常会低估风险.借助Copula函数以及GJR模型和极值理论,采用Copula-GJR(1,1)-EVT模型对深证股票的10支股票在等权重下的投资组合进行风险度量,并且比较了单支股票指数与组合风险的结果差异以及以正态Copula和t-Copula作为连接函数的组合风险差异.     

基于Copula的资产组合选择建模研究

利用GARCH-GPD模型与Copula构建了联合分布函数，考察了边缘分布和Copula对资产组合选择绩效的影响，对欧元与英镑的资产组合进行了实证研究，结果表明边缘分布和Copula选择对资产组合的绩效有重要影响。将Copula方法与GARCH-GPD模型结合起来是度量金融资产收益率的边缘分布和相关性的较好方法，可以构造出很多具有不同特性的联合分布函数，在金融定量分析中具有广泛的应用前景。     

基于CVaR风险度量方法的投资组合模型研究

介绍了CVaR的概念及算法,并利用CVaR对风险进行度量,提出一个新的基于CVaR风险度量方法的投资组合优化模型。利用股票数据进行了实证分析,验证了模型的有效性。     

基于均值-VaR-熵的证券投资组合应用研究

为研究证券最优投资组合问题,从投资组合理论的风险度量着手,用VaR和熵来共同度量风险,提出新的风险度量模型:均值-VaR-熵模型。在证券收益率服从非正态分布的假设下,以VaR和叉熵的线性组合为最小目标函数,预期收益率为约束条件,构建考虑交易成本、不允许卖空的基于均值-VaR-熵的证券投资组合模型,探讨证券投资选择及比例分配问题,并利用实际数据求得该模型的最优解及各证券的分配比例。结果表明,多元化投资是证券投资者在风险最小的情况下实现预期收益目标的必然选择。     

基于信息熵的房地产投资组合模型

讨论了以方差作为风险度量指标存在的缺陷,并将信息熵度量风险的方法引入房地产开发项目投资组合,建立了以信息熵为基础的房地产投资组合模型。实例证明,该模型满足投资组合要求的在收益尽可能大时风险最小的要求,且克服了协方差矩阵病态等问题,其计算简单,具有较强的有效性和实用性。     

基于信息熵的房地产投资组合模型

讨论了以方差作为风险度量指标存在的缺陷，并将信息熵度量风险的方法引入房地产开发项目投资组合，建立了以信息熵为基础的房地产投资组合模型。实例证明，该模型满足投资组合要求的在收益尽可能大时风险最小的要求，且克服了协方差矩阵病态等问题，其计算简单，具有较强的有效性和实用性。     

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.     

相关系数研究综述

相关系数是表征两个随机变量之间统计关系强弱的统计量,在几乎所有科学与技术领域都获得了广泛应用．本文以二元高斯分布为基本模型,对文献中常见的5种相关系数的统计特性作相对全面的回顾与总结,并探讨了其适用的场合．具体结论如下：（1）当样本满足二元高斯分布时,皮尔逊积距相关系数是最佳选择;（2）当样本中存在轻微的单调非线性畸变时,序统计量相关系数比较适用;（3）当样本中存在严重的单调非线性畸变时,斯皮尔曼秩次相关系数或肯德尔秩次相关系数是合适的选择;（4）当只有一路信号中存在单调非线性畸变时,基尼相关是最佳选择;（5）当样本中存在脉冲干扰时,斯皮尔曼秩次相关系数或肯德尔秩次相关系数是合适的选择．     

我国股指期货标的资产选择及有效性验证

在对股指期货标的资产选择分析的基础上,采用BGARCH模型计算最小方差下的最佳套期保值比例,对现货套期保值前后的波动率进行比较,验证沪深300指数的有效性并为今后我国股指期货推出的标的指数选择提出建议.     

我国公司经营失败的财务预警模型实证分析

采用多元逻辑回归模型作为基本的分析模型，最终选取资产负债比、管理费用比、应收账款周转率、净资产收益率、资产报酬率、总资产增长率、股东权益增长率等7个指标作为财务变量，运用SPSS统计软件对337家上市公司年报数据进行实证分析，旨在建立财务预警模型来监控公司的经营失败，防范公司风险。检验结果表明，判别函数的准确判别率为78．7％，建立的逻辑回归模型具有较好的预警能力。     

国内外期货市场相关性研究

利用copula函数和Kendall tau统计量的内在关系，估计出不同copula函数的参数，并选择最优的copula函数来刻画大连大豆期货市场和美国、日本大豆期货市场以及日元／美元汇率之间的相关性结构．基于得到的最优copula函数．研究了上述市场之间的尾部相关性．研究结果对金融风险管理具有重要的现实意义．     

考虑交易成本和优良资产的资本性资产定价模型

Sharpe的CAPM理论是现代金融理论的核心内容，已被广泛应用于金融资产定价分析及投资决策等领域，但该模型过于严格的基础假设，尤其是忽略交易成本和优良资产的存在，使模型的应用范围和使用效果受到了限制．通过引入交易成本和优良资产，讨论在资本市场中单个风险资产的风险与回报的关系，从而得到一种新的更为适用的资本性资产定价模型修正模型SCAPM．改进后的CAPM，更加贴近资本证券市场的实际．     

基于层次分析法的不良资产证券化风险评价

针对商业银行不良资产证券化的风险问题,应用层次分析法对我国商业银行不良资产证券化风险进行综合评价.评价结果表明,信用风险是现阶段我国商业银行不良资产证券化面临的最主要的风险,指出我国商业银行不良资产证券化风险规避的重点和方向是改善信用环境,完善信用制度.     

基于Cox模型的商业银行顾客资产风险影响因素

以西安市商业银行银行卡持有顾客为研究对象,在采用典型抽样获取调研数据的基础上,运用Cox模型分析了商业银行顾客资产风险的各种影响因素。结果表明:在影响商业银行顾客资产风险的7个关键要素中,除产品质量和价格为危险因素以外,服务质量、便利性、企业社会责任、企业道德和企业信誉均为保护因素。该研究对于企业更好地管理顾客资产,制定和实施顾客资产风险管理战略具有重要的参考价值。     

资产证券化交易风险分析与评价研究

资产证券化是近年来国际金融市场上最重要的金融创新之一,它对于投资者具有独特的吸引力。投资者在获取收益的同时,又因为它的复杂性使投资者面临着各种各样的风险。本文在对资产证券化风险进行综合评价分析的基础上,借鉴多目标模糊优选方法并加以改进,构建了一个资产证券化风险综合评价模型,借此为投资者进行科学合理的投资决策提供参考。     

我国城乡家庭金融资产配置及影响因素分析

家庭是金融市场的重要服务对象。家庭金融资产选择、家庭金融改革、家庭寻求财产性收入增加与扩大消费需求等现实问题的解决具有理论意义和实际价值。基于2016年中国家庭追踪调查(China family panel studies,CFPS)数据,使用分组比较法和Logit模型分析中国城乡家庭金融资产配置结构和影响因素。结果表明,城乡家庭资产呈积聚性和非均衡性特征,城市家庭高风险金融产品持有比例高于农村家庭;金融资产内部结构中,风险较低、流动性高的资产占比最高;相较于资产较低的家庭,资产积累极高的家庭,对金融产品风险较为敏感。教育水平有助于理性对待金融资产配置;健康水平、家庭人口规模等短期内直接影响家庭可支配收入的要素,对金融资产配置具有显著影响。最后尝试性地给出相关建议。