样本数据正态性转换时变VaR

虽然摒弃估测VaR值的正态分布假设已成为当今金融学研究的一个重要方面及热点问题,但先利用正态性转换处理样本数据,然后利用基于正态分布假定下的VaR估测方法来修正VaR的估值则是精准化VaR计算的一条有效途径。本文试图在考虑收益率分布时变性特征的情况下,利用正态性转换处理样本数据这一思想来细化和改善我国证券市场不同运行阶段的VaR估测。相应的经验分析表明:我国证券市场收益率分布不仅存在时变性特征,而且牛熊市期间的VaR值存在显著差异。Johnson转换函数之SU型适宜作为样本数据正态性转换函数,经转换样本数据估测的VaR值既提高了VaR估值的准确性,又改善了VaR估测精细化的有效性。

不同市态下正态性转换时变VaR

VaR技术作为全球广为流行的金融风险管理技术,其测度的是极端情况下的风险头寸,但在传统假设下可能会极大地低估其值,这就会使得在实践中使用VaR值作为风险管理标准时面临更大的新的风险.考虑我国股市处于不同市场态势下对风险头寸的影响,就牛、熊市中分别估测VaR值.首先利用各种Delta-Gamma-Johnson转换函数对经验数据进行正态性调整.考虑通过转换机制调整后的经验数据仍然存在的异方差性特征,然后运用GARCH模型计算时变VaR值,以此来改善VaR的计算风险,探讨我国股票市场VaR技术的适用性和准确性.

投资者偏好、决策准则以及组合选择优化

在不确定性条件下,由于期望的不可计算性、行动结果比较的局限性以及投资者选择的有限理性,传统决策模型的精巧性在投资实务中无法体现,于是对于复杂的不确定性决策问题的研究又重新回到了对决策技术研究、偏好以及决策准则选择的讨论。文章首先探讨了有限理性的投资者确定性偏好与满意准则的形成;然后基于VaR与CVaR构建满意水准—风险模型,探讨了正态与部分非正态性假设下满意水准—风险模型的显性解或有效边界;最后通过相关实际数据,验证了正态性转换方法与满意水准—风险模型是适合中国股票市场测度风险与组合决策选择的一种有效方法。