基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。

基于EVT-POT-SVt模型的风险度量研究

金融资产收益常因金融市场的剧烈波动而产生异常变化,针对其收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与SVt模型相结合,建立了基于EVT-POT-SVt的动态VaR模型。通过对上证综指收益做实证分析,结果表明:该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面合理而有效。

基于EVT-POT-SV模型的极值风险度量

金融市场常受各种因素的影响造成剧烈波动,资产收益也会因此产生异常变化。针对金融资产收益的厚尾性、波动的异方差性等特征,采用基于Markov链的Monte Carlo模拟积分方法,对随机波动模型进行参数估计并取得标准残差序列,应用极值理论与随机波动模型相结合,建立了基于EVT-POT-SV的动态VaR模型。通过对上证综指收益做实证分析,结果表明:该模型能很好地刻画收益序列的波动性及尾部分布特征,在度量上证综指收益的风险方面更加合理而有效。

应用极值理论度量金融市场风险

极值理论在风险管理中扮演着重要的角色,它是关于市场极端风险的建模和量化的一种主要方法,通过极值理论中POT模型来估计用来度量市场风险的工具VaR和ES,并以中国股市作实证分析,结果发现沪市的投资风险要小于深市。

LOF流动性风险度量与实证研究

文章从投资者实际投资时所面临的价格冲击入手,提出了流动性风险的概念,并定义了LOF(Listed Open-end Fund)流动性风险指标L,并利用VaR(Value at Risk)、ES(Expected Shortfall)对流动性风险进行度量。针对L序列厚尾分布的特征,采用极值理论的POT(Peaks Over Threshold)模型对其尾部数据进行建模,能更准确地估计度量流动性风险的工具VaR、ES的值,从而更有效地捕捉投资者所面临的流动性风险。最后利用LOF的1小时交易数据进行了实证研究。

一种新的风险价值(VaR)计算方法及其应用研究

应用格列汶科定理对历史模拟法进行改进,以提高历史模拟法的计算准确性,并利用该方法来确定POT模型中的阈值,以此新方法计算金融市场的风险价值(VaR);然后运用上证指数进行了实证分析,得到了较好的结果。

基于动态极值VaR股指分析的中国行业风险研究

应用动态极值VaR模型分析中国行业股票价格指数,对不同市场条件下中国行业风险进行实证研究.在McNeil等提出的GARCH模型与极值理论基础上,运用Huisman等提出的VaR法修正上述风险值估计方法,构建了动态极值VaR模型.在该模型的构建中考虑了风险因子的时变特性,采用EVT方法对风险因子的厚尾特性进行建模,简化了风险值的估计过程,并提高了估计的准确性.动态极值VaR模型能够较好地刻画风险尾部分布特性,同时能够比较准确地度量所研究时间段内的市场风险和行业风险.研究结果表明,不同市场条件下各行业的风险特性具有显著的变化.最后利用Kruskal-Wallis一致性检验对上述结论进行了验证.据此,在资产组合管理过程中,有必要依据市场环境和行业风险特性对资产配置比例进行调整.

基于极值理论和Bootstrap方法的E-VaR研究和实证分析

考虑金融时间序列的厚尾特性,讨论了应用极值理论中的广义Pareto分布模型度量风险的问题。利用Bootstrap和MLE方法对参数进行点估计和区间估计,得出E-VaR的估计值,并对深证综指收益进行实证分析,探讨与尾部相关的极值风险,结果令人满意。

基于极值理论估计外汇在险价值VaR

采用极值理论POT模型对欧元兑美元等4种外汇对数收益序列的VaR进行了估计。为了比较阈值选取对估计结果的影响,变化选取不同汇率的阈值分位点,则超限点数也相应地变化。使用估计的GPD分布参数,分别构造上界和下界的分布函数,从而计算出VaR的95%置信区间。极值理论作为测量极端市场条件下市场风险的一种方法,具有超越样本数据的估计能力,并可以准确地描述分布尾部的分位数。结果表明:外汇对数收益分布左右尾具有不对称性,而且都有一定程度的胖尾现象,但是均存在二阶矩,分布具有有限方差。

金融数据的极端风险研究及实证分析

运用极值理论研究金融数据的极端风险,采用最优化方法选取POT模型的阈值;将广义帕累托分布(GPD)与Poisson分布相结合,引入新的参数,构造复合超阈值分布,确定它的参数估计和计算金融资产收益率的VaR和期望损失(ES)值;通过GPD和Poisson-GP复合超阈值两种分布下的POT模型,对上证指数1996-2013年间的日收益率序列进行对比实证分析。

极值理论及其在巨灾再保险定价中的应用

巨灾损失中往往存在极端值,一般统计分布对其拟合效果欠佳,本文运用极值理论对极端值建模,基于分层定价的思想,在不同的起赔点下对再保险超额损失部分的定价进行了探讨,并以洪水损失数据为例进行了实证研究,拟合了POT模型,得到了洪水再保险纯保费。

基于极值理论的商业银行操作风险度量研究

针对操作风险损失数据"右偏、厚尾"的特点,分析POT方法下操作风险损失强度建模、损失频率建模的思路和过程,给出POT框架下的操作风险尾部风险VaR和ES的计算方法,利用我国商业银行的操作风险损失数据进行了实证分析。实证结果表明:用极值理论来度量操作风险以真实数据为导向,不必事先对损失分布进行假设,避免由于损失分布选择不当带来的模型风险;POT方法中的GDP分布与操作风险尾部拟合较好,能恰当描述分布的"厚尾"特性,避免低估风险的弊端。

极值理论(EVT)在金融机构操作风险建模中的应用与改进

极值理论(EVT)是用来研究极端事件分布特性的理论。EVT理论应用于金融机构的操作风险衡量大致有两种方法:一种是POT方法,以点过程方法为基础,选择一个安全阈值,忽略操作损失事件的发生时间;另一种方法BM (Block MaXima)考虑操作损失事件的发生时间,并选择采用GEV分布。对操作风险的EVT衡量方法的改进,大致可以分为两类方向:一类是对POT和BM方法进行改进,把随机变量的非平稳性、相关性特性纳入模型的构建、参数估计和模型检验之中;另一类方向是设法建立新的统计建模分析方法,如因果关系模型、贝叶斯网络技术等。

基于极值理论的干散货运输市场运费风险测度

基于极值理论(EVT)中的超阈值(POT)方法,利用广义帕累托分布(GPD)拟合干散货运费市场收益率损失的尾部情况,并利用在险价值(VaR)和条件在险价值(CVaR)来度量干散货运费风险.实证研究发现,基于EVT的VaR和CVaR能够更贴切地反映干散货运输市场的运费风险水平,且在不同显著性水平下,CVaR的有效性优于VaR.