外贸企业基于VaR模型的汇率风险评估

VaR模型基于一定的概率水平下,量化资产组合在未来特定一端时间内的最大可能损失。分析了该模型在外贸企业的应用,企业通过建立汇率风险评估模型,评估汇率波动给企业带来的潜在损失,并以此为依据结合其风险指标,采取措施,及时规避潜在损失风险。     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

基于VaR-WKDE单个期货合约动态基准保证金模型研究

以单个期货合约的对数涨跌率来反映合约的市场风险,借助VaR法和加权核估计法,并依据期货多头和空头损失不对称原则,建立了单个期货合约动态基准保证金确定模型,解决了合约每一交易日基准保证金的确定问题.该模型的特点一是借助加权核估计法预测合约涨跌率最大日亏损值,充分体现了涨跌率的实际走势,从而使VaR估计更加精确.二是提出了从多、空头风险值两个角度出发确定期货合约基准保证金思路,简化了SPAN和TIMS系统因设置多种价格风险情景而采用情景模拟法(SS)确定基准保证金的复杂性,保证了模型预测精度及准确性.三是借助大豆合约d0403实证研究及结果分析验证了模型实用性.     

基于条件风险价值的投资组合优化模型

风险价值(VaR)是金融机构广泛运用的风险度量指标,条件风险价值(CVaR)是VaR的修正模型.本文运用CVaR构建了投资组合优化模型,并与均值-VaR模型和Markowitz的均值-方差模型进行了比较分析,论证了新模型的有效性,并对我国股票市场进行了实证分析.     

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。     

集成灰色GM(1,1)模型研究

分析了GM(1,1)模型的构造原理,指出初始值和背景值是GM(1,1)模型建模的关键,利用最小二乘法原理和GM(1,1)模型传统预测公式改进了初始值,并利用GM(1,1)模型建模条件建立了新背景值计算公式,从而建立了既适应低增长指数序列.又适应高增长指数序列的集成GM(1,1)模型,实例计算结果表明集成GM(1,1)模型的模拟精度较原始GM(1,1)模型和单方面改进的GM(1,1)模型有较大提高且适应范围更广,为提高模型建模精度和适应范围提供了一个新的途径.     

基于Copula的贷款组合经济资本配置模型及仿真

计算贷款组合经济资本一个比较实用的方法是估算其不同置信度下的风险值.运用Copula函数来改进credi-Metrics模型,采用Monte carlo模拟方法来进行实证研究.结果表明,传统的VaR方法的确低估了信用风险值,而基于t分布的Copula方法能抓住贷款组合收益分布的"厚尾"特征,更接近实际.     

GM(1,1)-星野法沉降预测模型研究与应用

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。     

改进UGM（1，1）模型在雷达故障预测中的应用

针对传统不等时距灰色模型(UGM(1,1))在背景值构造上的缺陷,从优化背景值构造和提高模型的预测精度及适用性出发,采用背景值加权和新陈代谢模型相结合的方式,提出了一种改进不等时距灰色模型一新陈代谢UGM(1,1,w)模型,用雷达故障预测实例进行了仿真及模型比较分析.结果表明,基于新陈代谢UGM(1,1,w)模型的雷达故障预测方法在预测精度和适用性上均优于传统UGM(1,1)模型.     

基于多元skst-Copula函数的资产组合VaR计算

应用多元skst—Copula函数计算资产组合的VaR,并结合深交所的经验数据研究了3种不同Copula函数下资产组合的VaR值．同时与标准正态分布下的VaR值作了比较,发现运用多元skst-Copula函数计算出的VaR值比用Gaussian Copula和t-Copula函数计算出的VaR值要大．结果表明skst-Copula函数比其他Copula函数能更好地描述资产收益的非对称性和非线性的尾部相关性,因此得到基于skst-Copula函数的VaR方法能更加有效地度量金融资产风险的结论．     

基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度,运用卡尔曼滤波对原始沉降数据进行滤波去噪,并重新构建灰色GM(1,1)模型的背景值,建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例,进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较,结果表明,新模型不仅可以有效剔除监测数据中的随机噪声,而且提高了模型精度。     

基于背景值优化GM(1,1)模型的平顶山市GDP预测

选取平顶山市2012—2018年GDP作为原始数据序列,建立传统GM(1,1)预测模型和背景值优化GM(1,1)预测模型．从级比偏差检验、后验差比检验和小概率误差检验可知,2个模型精度均为一级．背景值优化GM(1,1)模型的平均相对误差为0.012 6,优于传统GM(1,1)模型．该模型对平顶山市GDP预测有很高的实用性．本文采用背景值优化GM(1,1)模型预测平顶山市2019—2023年的GDP．预测结果表明：平顶山市GDP 5 a内将保持平均增长率6.76%的速度平稳增长．     

基于GARCH模型的人民币汇率波动性研究

选取2011—2016年间汇率日线的1 213个观测数据,运用GARCH(1,1)、EGARCH模型对人民币汇率的波动情况进行研究.数据分析显示,人民币汇率具有明显的时间可变性、集群性和杠杆性的特点,针对人民币汇率的波动性提出应控制汇率变动节奏、完善人民币汇率制度和汇率衍生品市场等政策建议.     

基于风险价值的投资组合风险度量研究

风险价值(VaR)管理技术是一种用来评估和计量金融市场风险的统计学模型及方法。从理论上简要地阐明了VaR风险管理技术的原理,探讨了其在证券投资组合风险度量中的应用。介绍了VaR风险管理技术被金融界广泛应用的优点,同时也指出了作为一种风险计量方法所存在的缺陷。     

北斗三频约束的短基线模糊度单历元算法

利用北斗三频模糊度易于固定的特点,提出了一种基于北斗三频约束的BDS/GPS短基线模糊度单历元解算方法.首先利用载波伪距组合快速求解北斗三频(0,-1,1)双差超宽巷模糊度,然后利用已固定模糊度的(0,-1,1)组合观测值与(1,4,-5)组合观测值组成无几何模型,以求解(1,4,-5)组合双差模糊度;在两个超宽巷模糊度求解完成之后,利用宽巷模糊度约束与两个无几何模型方程联立快速求解北斗基频双差模糊度;最后利用已固定模糊度的北斗基础观测值与GPS基础观测值方程联立以求解GPS基频双差模糊度.煤矿开采沉陷自动化监测系统的短基线实验结果表明,采用提出的方法可实现单历元求解北斗超宽巷、基频模糊度和GPS基频模糊度.     

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。     

VaR方法在外向型企业风险度量中的应用

在浮动汇率制度下,外向型企业为规避越来越多的汇率风险,需要对这些汇率风险进行度量。将VaR法引入到外向型企业的汇率风险度量研究中,通过实例度量和检验分析,说明VaR法可以对我国外向型企业的汇率风险进行度量。     

基于Copula方法深圳A股、B股投资组合风险值实证分析

运用Copula函数代替相关系数表示风险因子之间的依存关系，进而从风险因子依存性角度探讨投资组合风险值(VaR)的计算。采用最大似然估计方法对Copula函数参数进行估计，通过Monte Carlo似然估计投资组合收益风险值。结果表明，基于Copula方法估计的投资组合风险值比方差协方差方法估计的投资组合风险值更接近实际数据。     

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。     

灰色GRM(1,1)模型的改进

将X(1)的第n个分量作为初始条件与优化背景值相结合对灰色GRM(1,1)模型进行了改进。应用实例表明,改进的灰色GRM(1,1)模型在一定程度上消除了传统灰色模型在背景值获取和初始值选取时造成的误差,提高了预测精度。