投资组合VaR的树形算法

计算VaR的方法有很多种,例如分析方法、历史模拟法和MC模拟法,但是当资产组合有很多种时,计算量都相当大。本文在理论证明的基础上,给出了可以大大减少参数估计和计算量的投资组合VaR新算法--树形法,最后本文以深圳交易所八支股票的实例验证了树形法的有效性,并给出了树形图。     

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奇产．     

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.     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值（VaR）约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

基于VaR和CVaR下优化模型及其在保险资金组合投资中的应用

在保险资金投资收益率服从正态分布假设的前提下,以保险资金投资组合CVaR最小为目标函数,以保险资金投资组合的VaR约束和保监会相关的法律法规约束为条件,建立了考虑承保风险和交易费用的保险资金投资VaR—CVaR模型,并运用几何方法对模型进行求解,得到了模型的有效边界及其最优解。     

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。     

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．     

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。     

基于Copula-VaR的市场风险度量问题研究

金融资产间相关结构的度量是投资组合风险管理中的一个重要问题,为解决这一问题,将Copula函数应用于风险管理,并以此建立相关模型以克服传统的正态分布和线性相关性假设的不足,采用GARCH模型对单个资产建模,分析运用正态Copula函数刻画股票市场收益率的联合分布并计算VaR,发现该模型优于传统的VaR计算方法.     

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.     

基于具有尾部变结构的Copula-GARCH模型的相关性分析

针对金融市场中不同资产之间的尾部相关结构的非对称性和动态性,并通过分析几种常见的Copula函数在相关性分析上的优劣,本工作创新之处是构建了具有尾部变结构的Copula-GARCH模型。相比于单一的、静态的Copula函数,它具有多个Copula函数的混合特性。最后以上证综指和深证成指为例进行分析,结果表明:该模型能够更准确地描述投资组合中金融时间序列之间的动态相关特征。     

具有VaR约束的不相关资产可能性投资组合模型及算法

利用模糊可能性均值和方差的概念,假设资产的收益率为模糊数时,提出具有VaR约束的不相关资产可能性投资组合模型.该模型更好地反映了在非随机因素影响的金融市场下,具有风险厌恶特征的投资者不仅要求投资组合的实际收益率能够达到给定的期望收益率,同时也能够以较大的可能性保证未来遭受的最大可能损失不超过某一值.当证券收益率服从模糊正态分布时,给出了该模糊可能性投资组合模型的有效投资比例的解析形式,同时给出了可能性有效前沿.最后选取上海证券交易所不同行业的部分股票进行了实证分析.结果表明,该模型不仅能够更好地反映现实经济环境中影响资产投资收益的模糊不清晰因素,而且在VaR约束下,投资者能够选择更适合自己的投资组合.     

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.     

基于Copula函数的CTE研究与实证分析

采用Copula函数结合非对称Laplace分布的方法来刻画股票收益的尖峰、厚尾及偏倚性,计算了以上证指数和深证成指为组合的对数收益率的CTE,与传统的正态假设进行了对比,证实了"在资本收益率不服从正态分布时,用VaR方法来度量风险就不再准确"的结论,Copula函数结合非对称Laplace分布的方法可以较好的计算投资组合的CTE。     

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.     

Copula选择方法

介绍了当前常用的Copula函数的参数估计方法及最优Copula函数的选择方法,着重研究了一种基于贝叶斯理论的Copula函数的择优选择方法.最后对上海证券综合指数和深圳证券成分指数进行Copula函数择优选择,结果表明,得到的Copula较好地描述了其相依结构.