次线性期望下ES的计算和实证分析

在金融市场中,VaR和ES被广泛应用于资产风险度量、投资组合管理和保证金计算等方面,是银行资本和风险监管的国际统一标准.由于VaR具有一定的局限性,近年来,ES作为一种重要的风险度量方法深受金融机构关注.本文基于次线性期望理论,在G-VaR的基础上,提出了一种新的G-ES的计算方法,这种计算方法可以很自然地结合G-VaR进行回测.对于标普500指数以及沪深300指数数据,与其他常用的模型,如历史模拟,AR-GARCH模型,基于极值理论的POT模型等进行比较,实证分析的结果表明这一新型的G-ES在不同历史数据窗口下都有着很好的表现.

基于概率统计不确定性模型的CCA方法

文章旨在优化与完善未定权益分析(CCA)这一重要宏、微观金融风险度量与监管模型,以期助益于我国风险管理技术的储备与创新,促进审慎风险监管理论、方法和实践的发展.利用我国随机分析与计算领域的国际领先成果,将CCA方法进益至对经济学发展具有重要意义的“不确定性”假设条件下更为敏锐、审慎、更适合我国金融市场发展现状的风险计量与分析模型.同时,通过纳入漂移率风险因素,拓展了经典CCA方法的风险监控覆盖范围.

基于不确定性分布的金融风险审慎管理研究

本文旨在研究如何在金融风险测度中对关键性隐患——不确定性进行适度的量化分析以有效增强风险管理的审慎性。首先直观呈现“不确定性”的概率统计表现,分析其引致风险或危机事件的必然性与严重性。进而,以广泛使用的风险管理方法VaR与ES为例全面回顾与分析相应领域的技术发展历程,揭示解决不确定性问题的重要性。由此,基于概率统计领域的国际前沿突破与相应参数估计方法的创新发展,系统性提出兼容无穷可能不确定性分布的风险审慎管理模型GE-VaR与GE-ES,进一步地,通过与公认最有效的风险测度方法相比较,证实纳入概率分布不确定性的风险管理模型的敏锐性与审慎性,以及对中国现阶段高波动率、相对高风险、高不确定性市场特征的适用性。

非线性期望理论与基于模型不确定性的风险度量

本文首先利用自回归条件异方差过程的多变点识别方法揭示经济、金融数据的内在演变规律,以阐明现行/经典的概率统计理论和方法在经济、金融领域的不完全适用性及相应领域概率统计模型不确定性存在的根源、必然性及其具体表现形式。进而,通过诠释非线性期望理论对概率统计模型均值不确定性、方差不确定性、分布形状不确定性的理论构建、模型设计与量化分析方式及其基于无穷概率分布审慎测算风险的原理,论证了随机分析与计算领域的这一国际领先成就将成为引致风险管理等领域深刻变革的重要技术理论与工具。最后,文章实证展示了基于模型不确定性的风险度量的审慎性与有效性,以期切实助益于涵纳不确定性的审慎风险管理这一我国及世界经济、金融界亟待攻克的重大理论与现实问题。

随机极限正态分布与审慎风险监测

本文利用我国随机分析与计算领域的国际领先成果,结合有关风险与不确定性的哲学一经济学经典理论,创建了新的概率统计分布模型——随机极限正态分布。进而,在此基础上提出了审慎性风险监管指标R-VaR和R-ES。论文旨在为解决长久困扰金融监管界与实业界的厚尾风险建模测度问题提供开拓性的理论与实证支持。

量化分析宏观金融风险的非线性演变速度与机制

本文利用未定权益分析方法(CCA),基于我国2000～2008年系统性宏观金融存量数据,深入探讨了宏观金融风险的演变速度与机制。在明晰了主要风险因子及其波动原因的基础上,本文首先量化分析并直观演示了国民经济机构部门层面宏观金融风险积增的非线性速度和轨迹;进而研究了同样具有危害性的部门间非线性风险传染机制和速度。论文旨在为增强宏观金融审慎监管的可操作性提供理论和实证支持。