基于GARCH族模型的VaR与CVaR值的实证与应用

文章以港交所H股指数期货的收盘价格数据作为实证载体,研究在正态分布、T分布和广义误差分布下GARCH、EGARCH及PARCH模型的VaR值和CVaR值,经过比较和检验,其结果显示:一、三种分布对结果拟合最好的是广义误差分布GED;二、在VaR值预测失效的时候,CVaR值仍然能够比较准确的预测结果,对CVaR值的测量效果最佳的是基于GED分布的PARCH模型。

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

本文以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布(GED)三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型(GED-PARCH)无论在计算VaR值还是CVaR值方面都是最优的。

基于GARCH族模型对H股指数期货的VaR与CVaR值的实证研究

以港交所H股指数期货的收盘价格数据作为实证载体,基于GARCH族模型中残差的正态分布、T分布和广义误差分布(GED)三种不同情形,分别采用GARCH、EGARCH及PARCH模型,计算H股指数期货收益波动序列的VaR和CVaR值,结果表明基于广义误差分布的PARCH模型(GED-PARCH)无论在计算VaR值还是CVaR值方面都是最优的。

VaR值法在海外投标项目风险评估中的应用研究

VaR值法可以确定投标项目的风险成本和关键风险影响因素,有助于提高投标决策的可靠性,是企业可以采用的一种有效的量化风险分析的工具。

商业银行风险管理VaR值计算方法的应用与比较

近年来,商业银行风险控制一直受到人们的关注,商业银行在风险控制方面常采用传统的定性方法,不能有效的对商业银行的投资以及资产估值进行量化,这对商业银行风险管理的控制造成了很大的影响。本文通过对VaR方法应用的分析与评价,为商业银行风险管理控制提出建议。

基于核密度估计对VaR值计算方法的改进

文章从VaR方法的定义出发,首先对VaR值的两种基本计算方法进行阐述,进而基于核密度估计,提出一种改进的VaR值计算方法。该改进方法将蒙特卡罗模拟法引入到核密度估计规则,并且考虑四分位距来构造核密度估计的窗宽,对股市收益率的变异性以及高峰厚尾现象进行了更好地刻画。实证验证了改进的VaR值计算方法的有效性及优越性。

基于VaR值的汽车行业上市公司财务风险度量分析

由于日益激烈的市场竞争以及企业改革的不断深入,人们逐渐意识到财务风险是客观存在的,进而财务管理受到了广泛重视。而汽车产业作为技术资本劳动密集型企业已然成为拉动国民经济的重要组成部分。鉴于此,我们认为上市是汽车企业未来发展的方向,并据此以汽车行业上市公司作为研究对象。本文以沪、深两市A股汽车业上市公司股票为样本,在传统上市公司财务度量指标体系基础上,加入风险指标——Va R,对这些上市公司的风险进行评估。

金融市场中风险管理VaR值的计算和应用

近年来,金融市场中风险管理一直备受人们关注,特别是自2007年美国次债危机爆发以来,全球性危机随之蔓延,至今金融危机的余热未退去。通常在金融市场中管理部门采用传统的定性方法对各种风险进行计量和分析,但这些传统的方法不能有效地对风险进行评估和管理,而作为国际上大型金融机构青睐的另一种方法——VaR法,其在金融市场中已经得到推广,并逐渐成为金融市场中风险预测和管理的一种重要工具和主流方法,而且在实践中得到验证。本文简单介绍了VaR的基本理论和VaR值的计算方法,通过对VaR值在实际应用中的分析,为我国金融市场中风险管理提出参考性建议。

基于VaR值的TOPSIS法对风险投资项目比选的决策研究

一、研究背景和意义 从1985年成立“中国新技术创业投资公司”开始，二十多年来，中国的风险投资业从无到有，逐步发展。风险投资的发展在中国虽然起步较晚，但近年来发展迅速。截至2007年，我国风险投资机构总数达到383家，比2006年增加26家，为历年来增加机构数量最多的一年。2008年下半年以来，美国次贷危机愈演愈烈，

极值风险E-VaR及深圳成指实证研究

由于极端事件及政策性调整,中国股市出现了剧烈波动。鉴于当前各种VaR模型在较高置信水平时(叟0.99)会高估或低估VaR值,本文提出把E-VaR作为一种辅助的VaR度量方法,对新兴的中国股票市场进行风险调控与度量。通过POT方法建模与Boostrap模拟参数置信区间检验,深圳成指的实证结果表明,在极端市场条件下,E-VaR是令人满意的。

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。

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型。应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验。研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值VaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力。

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。

基于Copula-GARCH模型的最小VaR套期保值比率的估计

基于Copula-GARCH模型,以最小VaR为目标函数,考虑了金融资产收益率分布呈现尖峰厚尾情形下的最优套期保值比率的估计问题.首先,基于Cornish-Fisher展开逼近分位数的方法,给出了最小化VaR确定最优套期保值比率的原理;其次,考虑到收益率序列的条件异方差及厚尾性,建立Copula-GARCH模型对波动率及相关系数进行估计;最后,给出了基于沪深300股指期货的实证研究,并将其与最小方差法、正态分布最小VaR法的实证结果进行了比较分析.结果表明:在样本内,3种方法的套期保值效果相差不大,在样本外,非正态分布最小VaR法的套期保值效果显著高于其他模型.

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR(value at risk)的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。

极值BMM模型与POT模型对面板堆石坝安全监控指标拟定的比较研究

研究极值理论中极值BMM模型和POT模型在大坝安全监控指标拟定上的运用,通过引用经济学上的分位数和极端风险(VaR)值的概念,根据对应公式计算出相应数值进行量化比较分析。研究结果表明,极值BMM模型和POT模型在高置信水平下均能反映出数据的极端风险状况;在99%置信水平下两模型VaR值均大于在95%置信水平下的VaR值;在99%置信水平下极值BMM模型计算出的VaR值比POT模型下的VaR值更大,且接近于拟定指标,表明极值BMM模型下VaR值更能反映出数据的极值状态;在指标拟定方面,极值BMM模型较为适合拟定数据范围内的警戒指标,而POT模型指标拟定结果是超越样本数据本身,具有一定的预测性,适合拟定为样本数据的预测指标。

基于GARCH模型的极值VaR风险的动态区间估计模型

为了更准确地度量在险值的估计精度及弥补现有极值VaR测算模型的不足,文章基于GARCH方法推导了极值VaR的动态置信区间估计模型,论述了风险资产的极值VaR假设检验方法及基于GARCH方法的置信区间求法,最后用中信(中信标普300)指数对中国股市风险情况作了区间估计及显著性检验的实证分析。结果表明提出的方法较参数法置信区间有更好的估计精度,且能较为敏感地捕捉收益的动态性。