证券投资组合的VaR模型风险分析

讨论金融风险的定量分析技术模型 (Value at Risk,Va R) ,对 Va R的模型进行了分析 。

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.

VAR方法及在基金投资组合风险管理中的实证分析

VAR英文为Value—at—risk，通常译为在险价值。VAR是指在市场正常波动下，某一金融资产或证券组合的最大可能损失，更为精确的讲就是：在一定的概率水平下（置信度），某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。VAR方法是建立在马克维茨投资组合理论和法玛的有效市场理论基础上的，在此基础上VAR是可以运用数量统计的方法精确地计算出投资组合中各项因素的风险度量，

多元Copula-GARCH模型及其在金融风险分析上的应用

针对传统风险分析模型的不足,结合Copula技术和GARCH模型,提出了多元Copula-GARCH模型。指出该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到更灵活的多元分布进而用于资产投资组合VaR分析。在详细探讨了基于Copula技术的资产投资组合的MonteCarlo仿真技术的基础上,运用具有不同边缘分布的多元Copula-GARCH模型,对上海股市进行了研究,结果证实了所提模型和方法的可行性和有效性。

投资组合风险管理中VaR模型的缺陷以及CVaR模型研究

本文对VaR和CVaR这两个风险度量进行了较充分的比较分析,参照了我国证券市场的实际情况,并考虑了交易成本,实际收益率的计算以及最小交易单位等因素,建立了CVaR资产组合优化模型,为如何制定合理的资产组合投资方案提出了新的思路。

基于VaR和CVaR风险控制下的M-V投资组合优化模型

文章以风险价值(VaR)和条件风险价值(CVaR)分别作为约束条件,结合均值-方差模型,得到了新的最优投资组合模型,并利用我国的股票市场进行了实证分析,验证了新模型的有效性,为制定合理的投资组合和控制风险提供了一种新的有效途径。

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.

投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定,随着投资组合规模的扩大,其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点,基于ICA的投资组合动态VaR风险度量方法和计算步骤,克服了多元非正态条件下VaR测算上的困难。实证研究表明,与EWMA模型法、MGARCH模型法相比,ICA法能够准确地度量投资组合动态VaR。

动态投资组合中的VaR分析

VaR是学术和商业界一个重要的风险测量方法。近年来 ,学术领域中指出了VaR的一些严重不足为一是用不同模型求解存在不一致性 ;二是VaR不能解释此风险测量本身在贸易行为中的反馈效应。通过用模拟汇率模型来研究VaR方法 ,分析外汇交易者的动态行为 ,进一步研究风险测量对交易行为的影响。

基于蒙特卡洛模拟法的证券投资组合风险分析

20世纪七十年代以来,金融风险不断加大。蒙特卡洛模拟法是Va R模型的一种分析及计算方法,是分析证券投资风险的常用方法。本文以两只股票为例,介绍如何利用蒙特卡洛模拟法分析我国证券市场中存在的投资风险,为我国投资者进行投资提供参考。

VaR约束下的投资组合管理

投资组合管理在Value -at-Risk水平限制条件下的目标是在风险不超过期望最大损失的前提下获得最大的收益。VaR约束直线和从分离定理中得出的资本市场线相交得出有效投资边界。同时表明是否服从正态分布对VaR约束组合方案产生显著的影响。

VaR方法及其在投资组合选择中的应用

本文提出了一种资产配置的模型,该模型通过最大化预期收益来分配资产,该预期收益的约束条件是预期的最大损失应该落在投资者的VaR约束集。我们主要研究VaR所测量的风险下限的用法,因此能够更多地按照投资者所持有的风险比例来配置资产。导出VaR约束下的均值———方差模型不必要求有关未来收益分布的分布假设,因此使它成为一种涵盖均值—方差方法的一种新的方法。

投资组合风险测算的风险价值方法

指出了传统方法求投资组合风险价值（ＶａＲ）的缺点，考虑用价格比的对数定义的几何收益率来计算投资组合ＶａＲ值，建立了投资组合风险ＶａＲ测算估计方法，并阐述了ＶａＲ方法的局限性。

Copula-GARCH模型及其在金融市场风险分析上的应用

目的探讨Copula-GARCH模型及其在金融市场风险分析上的应用。方法用Copula函数刻画上证综指和深成指之间的相关结构,建立了GARCH(1,1)-t模型,利用各项资产收盘价、成交量的历史数据,运用具有不同边缘分布的多元Copula-GARCH模型,对上证综指和深成指股市进行了研究。结果利用Eviews5.0对资产收盘价、成交量的历史数据进行描述,接着用极大似然法和Mathcad软件对模型进行了参数估计。结论证实了所提模型和方法的可行性和有效性,对探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。

基于Copula-GARCH模型的投资组合日收益率的相关性的风险度量实证研究与应用

以Gaussian GARCH模型和Copula函数为基础,建立了Copula-GARCH模型,利用4个股指国债指数(000012)、企债指数(000013)、基金指数(399305)和沪深300指数(000300)的收盘价、成交量的一些历史数据(数据来源于国信证券网上交易系统),通过建立的Copula-GARCH模型和统计软件Eviews5.0的模拟计算,得到了投资组合日收益率的风险价值.构建了投资组合风险的多元联合收益分布和资产之间的相关性.结果说明,随着时间的变化,股指之间的波动存在着较稳定的正相关关系.对进一步探讨股票市场波动(风险)和预期的收益之间有非常重要的理论意义.

金融风险的度量与指标选择

目前理论界用来度量金融风险的技术或方法主要有VaR技术、方差、半方差、分位数差等,但是,最近的研究和实践已发现用这些技术或方法来度量金融风险的大小存在着明显的缺陷。本文认为采用“投资发生损失”这个指标来度量金融风险的大小较为合理,并试图用“发生损失”这一事件出现的概率最小来导出投资组合的选择。