VaR估计中的概率分布设定风险与改进

在金融风险管理中,金融风险的事先判断具有极其重要的意义,然而金融机构金融决策事前支持技术的缺陷常常被忽略,在金融投资收益率概率分布估计方法尚未建立以前,将样本数据特征纳入风险度量的计算则不失为一种改进风险判断的有效途径。本文选择度量金融风险的主流方法—VaR技术来讨论概率分布设定风险,探讨依据数据特征改进和扩展VaR计算方法,通过对Delta-正态方法与Delta-Gamma-Cornish-Fisher扩展方法估计VaR值的比较,从实证分析角度论证了扩展方法在VaR估计中的有效性与稳健性。

概率分布设定风险与投资选择

从主客观概率之争入手,结合现实金融资产投资中概率分布的不可知性,讨论金融资产投资分析中的概率分布设定风险,同时借用贝叶斯学习过程与序贯决策策略,探讨概率分布设定风险的控制与投资决策的优化。分析结论认为,基于贝叶斯分析的序贯决策,无论在提升期望收益方面,还是在控制概率分布设定风险方面都是有效的。

计及分布参数时变性的电力市场风险测度研究

准确刻画电价的波动特征是有效度量电力市场价格风险的基础。以负荷作为外生解释变量,建立了考虑电价多季节、异方差、波动集聚、尖峰厚尾等特征的GARCH-VaR计算模型,以正态分布、t分布、有偏t分布为例研究了残差的分布形式设定和参数的时变性对VaR估计精度的影响。对PJM历史数据的实证表明:计及参数时变性的有偏t分布模型的VaR估计结果准确有效,正态分布模型在置信水平大于95%时低估了电力市场的VaR,t分布模型在置信水平小于97.5%时高估了电力市场VaR。该结果对于电力市场参与者准确地评估价格风险、制定有效的风险规避策略具有重要的指导意义。

考虑高阶矩时变性的电力市场风险价值计算

有效地评估电力市场价格波动风险是电力市场风险管理的基础。在对电价的基本特征及其影响因素综合分析的基础上,建立了考虑电价多季节性、异方差性、波动集聚性、尖峰厚尾特征及其与负荷相关性的GARCH-VaR计算模型,分析了残差的分布形式设定及分布参数的时变性对VaR估计精度的影响。对PJM电力市场历史数据的分析表明:计及偏度和峰度时变特征的基于正态分布密度函数的Gram-Charlier展开的GARCH模型的VaR估计结果准确有效,而正态分布GARCH模型在高置信水平下低估了电力市场风险,t分布GARCH模型在低置信水平下高估了电力市场风险。该结果对于电力市场参与者准确地测度价格波动风险和制定有效的风险规避策略具有重要的指导意义。

基于GARCH模型的电力市场价格风险测度研究

有效地评估电力市场价格波动风险是电力市场风险管理的基础.在对电价的基本特征及其影响因素综合分析的基础上,建立了考虑电价多季节、异方差、波动集聚、尖峰厚尾及其与负荷相关性的GARCH-VaR计算模型,以正态分布、t分布、有偏t分布和广义误差分布(GED)为例,分析了残差的概率分布设定对VaR估计精度的影响.对PJM电力市场历史数据的分析表明:低置信水平下GED分布的估计结果较为精确,高置信水平下t分布的估计结果更加有效,考虑残差的偏度可在一定程度上改善VaR的估计精度.

基于条件有偏t分布ARMAX-GARCH模型和极值理论的电力市场风险测度研究

在对电价的基本特征综合分析的基础上,采用残差服从时变偏度和自由度的有偏t分布ARMAX-GARCH(ARMAX-GARCH-VST)模型对电价序列的相关性、有偏性、多季节性、异方差性和波动集聚性进行过滤,以获得统计特性更好的独立同分布残差序列,然后运用极值理论描述ARMAX-GARCH-VST模型归一化残差的尾部分布,以获得更加精确的VaR估计。基于PJM电力市场历史数据的分析表明,ARMAX-GARCH-VST模型和ARMAX-GARCH-EVT模型都能对现货电价的变化做出比较迅速的反应,VaR的估计结果在各个置信水平下均准确有效,但ARMAX-GARCH-EVT模型的VaR估计结果更加准确,表现出了更好的动态特征。该结果对于电力市场参与者准确地测度价格波动风险和制定有效的风险规避策略具有重要的指导意义。