考虑市场摩擦的分形投资组合模型

传统的金融经济学认为证券收益率服从正态分布或对数正态分布,而大量的实证表明收益率分布与正态分布相比有“尖峰厚尾”特征,具有分形结构。正态分布、方差都具有很好的性质,却不能很好地描述投资组合的收益与风险。基于分形分布用改进的下方风险法(LPM)度量投资组合的风险,构造了考虑市场摩擦的投资组合模型。     

线性完备变换的银行贷款组合优化模型

以收益率风险价值限额和贷款组合期望收益率为约束条件,贷款组合风险最小为目标函数,建立了基于收益率风险价值约束的银行贷款组合优化模型.本模型运用线性完备变换方法确定银行贷款收益率选取范围,解决了以往研究中由于贷款组合收益率确定不合理、而导致的优化决策模型无解的问题;解决了复杂约束情况下无法求解贷款最优比例的问题.根据银行风险承受能力原则,通过贷款组合收益率风的险价值为约束条件建立模型,控制了贷款配给的组合风险.根据银行给定收益率风险最小原则,建立贷款组合有效边界,解决银行不能灵活调整贷款组合以保证贷款收益率风险最小问题.     

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。     

我国上市商业银行风险溢出效应的测度及分析研究——基于CoVar模型的分析

对我国上市商业银行的风险溢出效应大小和方向进行测度分析,利用分位数回归法、使用已上市银行的收益率序列、采用金融风险测度的CoVar方法测度了我国上市银行业各银行股之间的CoVar,以测量各上市银行与银行业整体水平之间的风险溢出效应.分析得出以下结论,即资产规模大、利润水平高的银行股整体风险溢出效应较低,抗风险能力较强;资产规模大、利润水平高的银行股在抵御银行业整体风险溢出效应上能力较强;部分经营方式灵活、在区域市场具有较强竞争力的银行在抵御银行业整体风险溢出效应上能力强于部分全国性商业银行;资产规模较大的银行股对银行业的整体风险溢出效应较大.以上结论对于银行业主管部门对上市商业银行进行金融风险管理将提供有效参考.     

股票收益率的组合分布研究

股票收益率等金融时间序列具有尖峰厚尾性,因而不适于用正态分布来描述.建立在极端事件风险的理论基础上,提出了由原始分布和尾分布组成的组合分布模型.并对深证成分A指的收益率进行了组合分布拟合.结果显示组合分布不仅比原始分布和正态分布在效率上有明显的提高,而且能较准确地估测股票的风险价值.     

VaR方法在开放式基金风险评估中的运用—基于PARCH模型的分析

中国开放式基金的收益率序列呈现左偏、尖峰厚尾、波动聚集的特性,利用ARCH(自回归条件异方差)模型进行拟合能够更好地刻画其分布特征。通过对拟合效果的比较,发现PARCH(Power ARCH)模型对基金日收益率序列的拟合效果最好。在此基础上,建立PARCH-VaR模型,用以评估中国开放式基金的风险。在残差服从正态分布t、分布及广义误差分布的三种假设下,基于广义误差分布的PARCH模型计算的VaR值最能够客观地反映中国开放式证券投资基金的风险。     

带风险投资的有限时间破产概率估计

研究一个离散时间风险模型的有限时间破产概率，在模型中保险公司将准备金用于风险投资．这种投资将会给保险公司带来金融风险，它与具有重尾分布的个体净风险x构成一独立同分布的随机变量组．当保险风险与金融风险的联合分布函数为相关结构FGM分布时，得到有限时间破产概率的近似式．     

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Copula的外汇组合投资风险分析

本文以英镑／美元和欧元／美元两支汇率的收益率风险为例,借助于Copula的有关理论给出了这两个风险之和的分布边界．比较二元分布函数的相关性时,秩相关系数Kendallτ是一个不错的工具．     

非对称拉普拉斯分布在股票收益率中的应用

股票收益率的实际分布具有尖峰厚尾偏倚特性 ,传统的正态分布不能描述这一特性 ,稳定分布能够很好拟合这一特性 ,但是稳定分布没有解析表达的分布函数 ,且含有 4个参数 ,研究起来较为困难。非对称拉普拉斯分布有明确的解析表达分布函数 ,只含有 2个参数 ,能够较好拟合股票收益率分布的尖峰厚尾偏倚特性 ,给进一步的研究证券投资组合和金融风险管理带来了很大的便利     

风险证券投资组合均值——VaR模型分析

Var（Value at Risk,译为风险价值）是一种利用统计思想对市场风险进行估值的方法.通常的模型和方法要对收益的整个分布建模,需要将分布的中心和腰部数据都考虑进来,而Var只关心分布的尾部,尾部分布的建模具有一定的粗略性,这样就会造成模型的设定偏误,带来Var估计的不准确.讨论了尾部分布为标准正态分布的Var模型的解的存在性,在理论上给出了风险投资组合的最佳投资比例及风险的最小值.     

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。     

计量市场风险VaR方法在我国金融业的应用

针对我国金融业市场风险的表现和特点，分析研究了计量市场风险的VaR方法及其在我国金融市场的适用性，提出了我国风险计量工作中存在的问题和相应的调速解决方案，为我国风险计量和风险管理的设计体系提供了新思路。     

基于VaR的信用风险防范方法

信用风险是交易对象不能或不愿意履行合同约定的条款而导致损失的可能性.VaR方法是在一定的概率水平(置信度)下,某一金融资产或证券组合在未来特定的一段时间内的最大可能的损失,是基于统计分析基础上的风险度量技术.将VaR的方法引入信用风险度量体系,基于经典的信用风险收益分布假设,根据概率统计的方法得到了信用资产的风险价值(VaR),为商业银行消费信贷风险管理提供了一个新的思路和相应的政策建议.     

信用风险模型研究——Credit Metrics模型

在金融环境复杂多变的今天,如何完善对信用风险的测定和管理是金融机构面对的最大挑战之一.首先阐述了信用风险的基本概念及其形成的原因.在此基础上,介绍了传统的与现代的各种信用风险模型,并对这些模型进行了比较分析.     

大额支付系统中的系统风险及其决定因素研究

为研究风险冲击在复杂金融系统中的传播与扩散机制,并对系统风险进行刻画与度量,通过模型分析和基于合成数据的仿真模拟,系统地研究了不同流动性水平和操作风险对系统造成的流动性冲击,分析了不同类别冲击对系统参与者和对系统结算效率的影响。研究发现,风险银行在支付网络中的地位及与其他参与者之间的支付流关系决定了一阶冲击的规模和分布;而一阶冲击的分布、参与者的流动性水平和系统参与者自身的稳健性决定了系统冲击的规模和分布。在此基础上构建的系统效应指标能很好地度量不同场景下的系统风险水平。     

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.     

VAR在建设工程投标评价中的应用研究

VaR风险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和方法,用于测量在概率给定的情况下,金融资产投资组合在下一阶段的最多可能损失。运用VaR基本原理,尝试将VaR风险管理技术应用于建设工程投标风险评审。假设工程量清单计价模式反映的分项工程单价是符合正态分布的随机变量,构造出工程投标报价的投资组合,采用方差-协方差方法来度量工程项目投标报价VaR,为建设工程投标报价评价提供一种可行的风险分析工具。     

浅析期权债券的风险管理

投资活动经常是在有风险的情况下进行的,投资者一般都不愿冒风险,但在市场经济环境中无论是实物资产投资还是金融资产投资,都存在不同程度的风险。风险是未来的不确定性。期权债券因其所附期权价值对基础资产的依赖而更富风险价值。事实上,风险管理的内容和方法非常丰富,风险度量也不是一个绝对的概念。因此,在风险控制和防范方面也是各有千秋。