柏拉图–伽马模型下尾在险价值度量的贝叶斯估计的渐近行为及其应用

针对柏拉图–伽马风险模型的尾在险价值度量的贝叶斯估计量的渐近行为进行研究有助于对风险度量进行统计推断,以便于风险投资者及时采取相应措施规避风险。首先,通过构造柏拉图–伽马模型的贝叶斯假设,给出了尾在险价值度量的贝叶斯估计量,并利用经典的大偏差和中偏差理论,以及Delta方法得到了尾在险价值度量的贝叶斯估计量的渐近行为,包括渐近正态性、大偏差原理和中偏差原理;其次,给出了尾在险价值度量的贝叶斯估计量的中偏差原理在统计假设检验方面的具体应用,得到了第一类错误和势函数的渐近行为;最后,通过数值模拟的方法,计算并模拟了尾在险价值的置信区间及其区间覆盖率,并在不同样本容量下画出了尾在险价值度量的贝叶斯估计量标准化后的直方图和核密度估计曲线,这与标准正态分布密度函数曲线基本重合,从而验证了估计量的渐近正态性,同时还模拟了尾在险价值度量的贝叶斯估计量相关的尾概率,模拟结果表明样本容量充分大时,尾概率以一定的速度趋近于零,由此验证了估计量的中偏差原理。

在险价值视角下中国NFT概念股市场的风险管理路径探究

随着区块链、元宇宙概念的火热,中国股市的不少股票也与NFT概念产生紧密联系。为了探究该新兴概念市场的风险影响因素,推动中国非同质代币市场的良性发展,笔者基于企业在险价值出发,构建了公司财务指标与在险价值的多元线性回归模型,分析了具体微观因素对于股票在险价值的影响程度,并基于此提出了进行中国NFT市场的风险管理和未来发展的可行性建议,为推动中国数字经济赋能实体经济提效。

中美证券市场在险价值比较分析

在险价值作为金融行业计量市场风险的一种工具,已经被广泛接受。从期望在险价值的概念,计算出中美证券市场的期望在险价值并从实证研究中得出以下三个结论:从投资风险角度来看,中国证券市场的投资风险高于美国证券市场,同时证实上海证券市场的投资风险略高于深圳证券市场;就美国证券市场而言,投资风险最近十年低于整个100年的风险;上证指数和深成指数自设定以来季度在险价值服从分布,而美国整个100年的道琼斯工业指数的季度不服从分布,但近十年的季度服从分布。

指数-伽马模型下在险价值和条件在险价值贝叶斯估计的中偏差原理

本文考虑指数-伽马模型下在险价值和条件在险价值的贝叶斯估计量的渐近行为,本文得到了在险价值和条件在险价值估计量的中偏差原理.最后,本文给出一些主要结论的随机模拟结果.

应用极值理论计算在险价值(VaR)——对恒生指数的实证分析

在险价值 (Value at Risk ,简称VaR)是度量市场风险的一种普遍使用的工具 ,可看作是市场风险度量的基石。本文应用统计学中的极值理论于VaR的计算 ,这是一种崭新的方法。传统的VaR计算方法都是考虑资产回报分布的全部 ,而极值理论只考虑分布的尾部 ,风险管理者注重的正是分布的尾部。通过一段长时间观察出的极值回报的极限分布独立于回报的初始分布 ,因此不必要假设一个回报的初始分布 ,这正是极值理论应用于VaR计算上的最大优势。相反 ,传统的方差 协方差方法假设回报服从正态分布 ,这低估了市场风险的价值。本文研究所用的数据是香港恒生指数。我们将用极值方法计算的结果与用方差 协方差方法计算的结果进行比较 ,发现极值方法要明显优于方差 协方差方法。

指数-伽马模型下在险价值度量的贝叶斯估计

VaR风险度量在金融、保险中有重要的应用.本文建立了贝叶斯模型,在某种损失函数下研究了VaR风险度量的贝叶斯估计.证明了指数-伽马分布下贝叶斯估计的强相合性和渐近正态性,最后利用数值模拟的方法验证了不同样本容量下估计的收敛速度.

应用改进Hill估计计算在险价值

通过广义最小二乘法对Hill估计进行改进 ,估计尾部指数 ,克服了传统的Hill估计对样本阈值依赖的缺陷 ,并将此法应用到了在险价值的计算上 .由于传统的计算方法带来一些系统误差 ,对其进行了一些修正 ,并对中国的上证指数、恒生指数、道琼斯指数、纳斯达克指数 ,以及日经指数做了在险价值的计算 。

基于在险价值的物流网络规划模糊两阶段模型与精确求解方法

针对物流网络规划问题中顾客需求和运输成本的不确定性,使用在险价值量化投资风险,建立了以投资损失的在险价值最小化为目标的模糊两阶段物流网络规划模型.对于模型中不确定参数均为规则模糊数的这一类模糊两阶段规划模型,本文通过理论分析和证明将其转化为等价的确定一阶段规划模型进行求解,从而将无穷维的优化问题转化为有限维的经典优化问题,降低了计算难度且得到了模型的精确解.不同规模的数值实验证实了所提出模型及其求解方法的有效性.

基于条件在险价值法的量化基金市场系统性风险研究

以条件在险价值法和分位数回归法为基础,对我国量化基金市场的系统性风险进行实证分析。研究结果表明,自2013年以来量化基金市场的系统性风险有增加趋势,量化基金对市场风险溢出效应显著但与自身风险不存在高度一致关系,系统性风险取值在各量化基金之间存在差异。以上结果均通过了统计检验,对监管部门监控量化基金市场风险有一定的参考价值。

考虑事件风险的在险价值研究

本文讨论了考虑事件风险的资产的在险价值方法,并以此对上海股票指数作了实证研究。这种方法用跳跃来描述事件风险,用跳跃-扩散过程来描述收益率过程。通过模拟退火算法来估计模型参数,利用随机模拟方法求得资产收益率的模拟分布,进而计算组合的在险价值。通过对上海指数的实证研究表明,资产的事件风险是不可忽略的,考虑事件风险的在险价值更加合理。

引入在险价值的中小型房地产企业财务风险监控研究

国家宏观调控使中小型房地产企业外部风险显著增大,对企业偿债能力和资金链风险产生严峻挑战。为评估中小型房地产企业财务风险,本文以我国中小型房地产上市公司1998-2013年的年度数据为样本,将在险价值引入财务风险监控指标体系,构建中小型房地产企业财务风险监控模型,经进一步验证,该模型能够有效提高房地产企业财务风险预测的准确性。因此,融入在险价值的财务风险评估体系对中小型房地产上市公司防范和化解财务风险具有一定的参考价值,对外部市场风险因素变化也起到预警作用。

基于在险价值VaR的相对合理配股定价模型

我们遴选了36家配股价格制定的相对合理的上市公司,通过多元回归的方法,我们发现合理的配股价格与制定配股价格时的二级市场股价呈正相关关系,与制定配股价格至股权登记日这一期间的二级市场风险VaR值呈U型的二次函数关系。

随机利率下最优投资策略及其在险价值研究

Canner难题是指通常的投资建议和两基金分离定理间存在较大的差异。以股票、现金和债券作为交易资产,采用由通货膨胀和实际利率定义的仿射利率期限结构模型,对最优资产配置问题进行研究,得出最优资产配置方案。通过对该方案实例分析,对投资建议和两基金分离定理间的差异给出合理的解释,并指出投资期限和风险厌恶水平对投资策略选择有重大影响。最后通过蒙特卡洛模拟对不同投资策略下期末组合的VaR分布进行评估和分析。

MARKOV-GARCH模型对我国证券市场在险价值的度量

提出一种度量我国证劵市场在险价值的MARKOV-GARCH(马尔可夫-广义自回归条件异方差)模型.即通过MARKOV的性质,提示市场的跳跃规律,结合GARCH模型得出市场的波动率,进一步通过波动率度量市场的在险价值.实证结果表明,在确保成功率的前提下,其度量的在险价值的置信区间比一般GARCH模型所度量的置信区间更小,而且稳定性也较其他模型强.该模型在不放大所度量的在险价值区间的前提下,却取得较高的成功率.

在险价值(VAR)分析在FOF产品设计中的应用

设计FOF产品的关键在于选到好的基金,构建一个好的基金组合。在挑选基金的过程中,除考虑基金公司的管理水平,基金经理的投资风格,每只基金的过往业绩及分红情况等因素外,引入在险价值(VAR)分析对基金组合进行风险评估,能够帮助金融机构选择潜在损失最小的基金组合。

在险价值(VaR)计量方法的解析与研究

在险价值是近年来发展起来的一种用于量化和控制金融风险的模型。本文在介绍在险价值基本思想的基础上,对常用的四种在险价值计量方法进行逐一介绍,并分析每种方法的优点和局限性;最后,对在险价值及计量方法进行总的评述。

基于条件异方差模型和在险价值的我国银行间同业拆借利率风险度量

利率是借贷资金的价格,是资源配置的一个重要标准,是联系实体部门与金融部门的一个重要变量,是货币政策传导机制的主要枢纽。基准利率能够真实反映资金成本和供求状况,在整个利率体系中起主导和核心作用,央行能够通过变动基准利率及时有效地带动其他各类利率的变动。

基于EGARCH模型和Bootstrap方法的在险价值度量

针对孤立使用传统的历史模拟法及GARCH类模型进行风险分析的不足,把EGARCH参数模型与Boostrap非参数方法结合起来,给出了基于EGARCH模型和Bootstrap的VaR测度的半参数方法。实证结果表明,基于EGARCH模型和Bootstrap的VaR度量方法比传统的历史模拟法计算的效果更好。

中国股市中板块间动态关联效应及组合在险价值的测度——以地产板块为例

首先,本文采用多元GARCH模型,对中国股票市场上与房地产行业板块相关联的三个板块收益率的统计特征进行研究,然后应用DCC-MVGARCH模型计算房地产板块与其他三个板块的相关系数。最后构造了房地产板块和建筑板块的一个投资组合,比较在不同信息影响下,由动态相关系数和常相关系数所估算出的投资组合的VaR值的大小,并由此得出结论:与常相关系数下的VaR相比,动态相关系数下的VaR能更好地描述实际风险,特别是在市场波动剧烈时期。