我国商业银行流动性风险研究——基于Copula和高阶ES测度的分析

流动性是现代商业银行正常运营的必要条件,流动性的正确衡量是商业银行有效管理流动性风险的前提和基础。运用Copula-EVT和广义随机占优理论中的高阶ES测度对我国商业银行的流动性风险进行分析,发现商业银行的流动性缺口不服从正态分布,Joe Copula函数能够更好地反映流动性缺口不同因子间的相依关系,更好地刻画流动性缺口的尾部特征,流动性缺口的风险值随着阶数的增加而逐渐增大,但其增幅逐渐递减。

VaR与ES风险分析法之比较——以我国商业银行汇率风险度量为例

介绍了VaR风险分析法和ES风险度量法,给出了它们各自的计算模型,并对这两种方法各自的特点进行了对比.以我国对人民币汇率机制改革之日(2005年7月21日)起到2010年6月25日结束这段时期内由中国人民银行网站公布的人民币对美元和欧元汇率的中间价作为模型计算的样本观测值,计算了VaR模型和ES模型的相关指标并进行了对比分析.结果表明,从某种意义上讲,ES风险度量法-是一种较之VaR风险分析法更实用的风险度量工具,可为我国商业银行汇率风险管理提供更有价值的参考.

基于EVT和高阶ES测度的人民币汇率风险研究

结合极值理论(EVT)和基于广义随机占优理论的高阶ES测度对三种国际主要货币对人民币汇率波动性风险进行考察,实证结果表明:美元对人民币汇率二阶及二阶以上广义随机占优于日元对人民币汇率和欧元对人民币汇率,而日元对人民币汇率和欧元对人民币汇率之间不存在四阶及四阶以下广义随机占优关系。使用ES(n)可以提高风险控制可靠性,提升风险决策能力。

风险度量与风险管理的新工具ES

采用资产组合损失变量描述风险,并基于损失分布的α-(上)分位数给出"期望巨额损失值"ES(expected shortfall)和"条件风险价值"CVaR(conditional value at risk)的定义。在一般损失分布下,通过直接计算说明了任一资产组合损失变量的"期望巨额损失值"ES的定义与α-(上)分位数的选取无关;而且也通过直接计算证明了ES与CVaR两者的等价关系;进而通过构造出ES的概率测度族表示证明了ES是一致性风险度量方法。此外,还就相关问题,例如分位数、一致性风险度量、尾部条件期望TCE等,给出了一些有价值的注记。

采用ES测度风险时的金融资产定价模型

为了更加合理地在金融资产定价模型中反应投资者等行为主体的真实风险感受,并分析除市场风险以外的其他风险对于资产均衡收益的影响,通过期望损失(expected shortfall,ES)方法测度风险,并将其作为目标函数,构建相应的均值-风险投资组合优化模型,进而通过求解优化模型的解析解得出基于ES的金融资产定价模型.同时将资产的流动性风险因子引入金融资产定价模型,进一步得出了经过扩展的金融资产定价模型.大量的理论和实证研究表明,ES较之于已有其他的风险测度方法要更为符合投资者的真实心理感受,而对资产风险进行准确有效测度是资产定价的重要前提和基础,所以与已有的金融资产定价模型相比,采用ES测度风险时所给出的金融资产定价模型所反应投资者风险感受也更为符合实际,同时从定价模型的形式上可以直观地看出其所包含的金融资产定价因子也更为全面.

ES自回归方法在商业银行流动性风险衡量中的应用

采用ES自回归方法对商业银行的流动性风险进行衡量.此方法能动态地衡量流动性风险,并且能对风险进行预测.与VaR,ES测度和自回归时间序列模型相比较,此方法对于商业银行的流动性风险在某个时点上风险的排序更合理.

基于ES的P2P平台风险测度方法

提出基于ES的P2P平台风险测度方法.选取260个平台的收益率数值进行风险观测与度量,探究借贷平台存在的风险及问题,提出利用ES模型进行P2P平台风险预警与管理方案,使投资者在自己所能承受的风险范围内进行投资并得到满意的回报,为参与者经营决策和资金管理行为提供参考.

沪深股市风险度量中半参数ES模型的实证检验

目前度量预期不足(Expected Shortfall, ES)的风险技术大多基于参数模型,其建模过程避免不了对收益的分布类型做出假定,但这些分布往往与现实相悖。为此,介绍两种重要半参数模型,即CARE模型和CARES模型,并应用我国2007-2016年上证综合指数与深证成分指数的相关数据评估模型优劣。结果表明:CARES模型与CARE模型在度量我国股市风险中都具有较好的效果,但两者比较,CARES模型明显优于CARE模型。因此,CARES模型能作为我国股市风险度量工具中的一个重要补充。

基于GARCH-EVT模型的证券投资基金动态风险测度

文章考虑了一类极值风险特征更为明显的金融资产,以股票基金、混合基金和债券基金为研究对象,比较研究了RiskMetrics、GARCH和GARCH-EVT 3类模型在动态极端风险测度上的表现,分别采用似然比检验和Bootstrap方法对3类模型给出的VaR和ES动态风险测度效果进行了返回测试。实证研究表明:基于GARCH-EVT模型给出的各类基金动态VaR和ES风险测度结果更为准确,意味着将GARCH模型与极值理论相结合,能够实现极端风险的准确测度;ES风险测度比VaR风险测度更保守,在测度极端风险时,应采用ES风险测度作为VaR风险测度的补充。

基于TGARCHSK模型的外汇市场极端风险测度研究

针对金融资产收益的时变高阶矩波动特征在风险管理中的作用和意义,提出了一个新的时变高阶矩波动模型——门限广义自回归条件异方差-条件偏度-条件峰度(Threshold Generalized Autoregressive Conditional Heteroskedastic,Skewness and Kurtosis,TGARCHSK)模型,并运用后验分析方法,考察了基于TGARCHSK模型与基于常数高阶矩波动模型,以及其他时变高阶矩波动模型的国际外汇市场ES风险测度精度差异,得出:(1)在将条件偏度和条件峰度纳入建模框架之后,条件方差的波动幅度将会变小;(2)在ES风险测度中,时变高阶矩波动模型的精确性要显著优于常数高阶矩波动模型;(3)各模型的风险测度精确性在不同头寸下会表现出显著的差异;(4)通过综合考虑不同模型在后验分析中表现出的精确性差异,认为对于精确测度外汇市场的ES值,TGARCHSK模型可以作为相对合理的模型选择。

基于t-copula的信用组合一致性风险度量

以预期短缺ES作为信用组合的风险量度,利用t-copula建模债务人的资产相关性,然后运用小样本近似方法求解信用组合损失分布,并与利用高斯copula得出的结果作比较,提出了一种确定信用组合一致性风险量度ES的方法,并研究债务人资产相关性建模中的模型风险。

多因素模型下的信用组合一致性风险度量

在债务人资产的多因素模型下,本文利用指数性质推导了信用组合损失的上边界,然后应用拉普拉斯近似方法计算了组合损失分布,得出了一种多因素模型下计算信用组合风险量度的方法,最后应用上面方法对银行实例分别在单因素和两因素模型下计算了组合风险的VaR和ES,并将两种模型下的结果相比较,说明了对于异质组合建模债务人资产为多因素模型的必要性和拉普拉斯近似方法计算一致性风险量度的优势。

基于E-GAS-AST模型对金融市场的风险度量与回测

针对金融数据的重尾、波动聚集、非对称性等特征,提出了基数据驱动的GAS模型的两种新模型:E-GAS-AST模型和E-GAS-AST-GPD模型,并利用新模型对实际数据进行了风险度量和回测.基于GAS模型,结合具有重尾特征的非对称学生t-分布(AST),参照EGARCH模型提出了E-GAS-AST模型,并使用GPD分布对尾部极值特征进行进一步的描述,重新得到E-GAS-AST-GPD模型.通过研究两个模型各自的残差分布计算出VaR值和ES值,并分别进行回测检验.引入参数驱动模型比如半参数GARCH模型、EGARCH-t模型和GJR-GARCH-t模型进行风险度量的估计,并与本文提出的两个模型进行比较.对道琼斯指数和上证指数在考虑收益率序列可能存在变点的情况下进行的实证研究表明,该数据驱动的E-GAS-AST模型是一个较好可行的模型,可用于对金融市场进行风险度量的模型.

一种计算金融风险在险价值的新方法

如何计算金融风险度量的在险价值(VaR)和预期不足(ES)一直是业界、学术界关心的课题。基于分位数的办法计算在险价值(简称QVaR)直观易于理解,但也有非常大的缺陷:QVaR度量只关注下方风险,即只给出一个损失的分位数,并未给出具体损失程度,而且对尾部极端风险不敏感。研究表明预期不足对尾部极端风险非常敏感而且给出了尾部损失的具体值,但预期不足不象在险价值那么易于理解和便于业界使用。针对上述问题,提出了一种基于2.5次幂期望分位数计算在险价值的方法(简称GEVaR),核心是将非对称最小二乘法的2次幂改为2.5次幂,其定义与传统的期望分位数类似。研究表明一些情形下GEVaR对尾部极端风险的敏感性与ES相当。

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.

基于非参数与L-Moment估计的股市动态极值ES风险测度研究

通过运用带宽非参数方法、AR-GARCH模型对时间序列的条件均值、条件波动性进行建模估计出标准残差序列,再运用L-Moment与MLE(maximum Likelihood estimation)估计标准残差的尾部的GPD参数,进而运用实验方法测度出风险VaR(value at Risk)及ES(ExpectedShortfall),最后运用Back-Testing方法检验测度准确性。结果表明,基于带宽的非参数估计模型比GARCH簇模型在测度ES上具有更高的可靠性;基于非参数模型与L-Moment的风险测度模型能够有效测度沪深股市的动态VaR与ES。

极端金融风险度量模型述评——基于一致性原理的VaR改进方法

针对VaR方法存在的不足以及其不满足风险度量的一致性原则,评述了当前国际上新近出现的系列对VaR进行改进的方法.尤其针对具有厚尾、动态性以及多变量相依特性的各种极端金融风险,需要综合考虑风险分布的各种实际状况而采用合适的度量模型,因此具体讨论了CVaR,ES,Copula,UBSR以及SRM等模型度量不同分布条件下的各种极端金融风险的思路,并对各模型的具体应用和函数功能进行了详细评述,指出了各种度量模型和方法的适用特点,以及未来的可能研究方向.

考虑投资者情绪的中国股市自激发效应研究

本文在极值理论中引入行为金融学,结合标值自激发点过程(MSEPP)刻画股指收益率极端值序列的集聚性、短期相依性,并将传统的超阈值模型所描述的齐次泊松过程拓展为非齐次泊松过程,探讨投资者情绪对极端收益率的冲击。运用风险偏好指数的方法,基于沪深300指数成份股合成中国投资者情绪指数(EMSI),进一步构建MSEPP-EMSI模型预测沪深300指数、上证综合指数及深圳成分指数的极端风险爆发概率,并对其进行动态ES风险测度。实证结果表明,沪深股市在短期内股指连续暴跌现象时有发生,投资者极度负面情绪会加剧股市的剧烈动荡,当考虑投资者情绪对极端风险的冲击时,MSEPP-EMSI模型能有效的提高对极端风险的概率预测精度及ES预测精度。