CVaR、VaR应用在RAROC的比较研究

本文将CVaR引入到RAROC(R isk-Ad justed Return on Cap ital)中,进行绩效评价。而且,将CVaR与VaR的结果进行了比较。在正态分布的情况下,CVaR与VaR的RAPM(R isk-Ad justedPerform ance M easure)对于绩效评价都是充分的、可靠的、有效的,且两者是等价的。但在非正态的情况下,CVaR的RAPM相对于VaR的RAPM更加充分、谨慎、可靠、有效。我们运用Bootstrap方法进行了实证研究。

VaR与CVaR在商业银行风险度量中的比较分析及应用

本文系统地阐述了时下银行流行的VaR(ValueatRisk)风险度量技术,并分析了该理论存在的缺陷和使用上的局限性,从而提出以CVaR(ConditionalValueatRisk)模型作为风险度量的替代方法,详细分析了CVaR的原理、特长以及在银行业应用前景,包括风险度量、绩效分析和行为指引等方面的突出作用。最后研究了CVaR在我国商业银行的具体应用。

基于VaR和CVaR风险度量的发电商竞价策略

在发电侧竞争市场模式下,发电商关心的是如何获得最高利润,且尽量降低不必要的损失。竞价策略对发电商而言直接关系到其利润的多少,如何衡量竞价策略的风险正是本文拟探讨的问题。借鉴金融学的风险管理理论,采用风险价值(VaR)和条件风险价值(CVaR)作风险度量指标,建立了Pool模式和Bilateral模式下发电商的收益模型,并通过VaR、CVaR值的计算分析了不同报价策略下发电商的风险。仿真计算结果表明VaR和CVaR能为发电商竞价策略提供有效的风险度量方法。

CVaR风险度量模型在投资组合中的运用

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标,条件风险价值(CVaR)是VaR的修正模型,也称为平均超额损失或者尾部VaR,它比VaR具有更好的性质。在本文中,我们将运用风险度量指标VaR和CVaR,提出一个新的最优投资组合模型。介绍了模型的算法,而且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提供了一种新思路。

基于极值理论的沪深股市VaR和CVaR分析

将VaR和CVaR结合起来能全面描述金融时间序列与尾部相关的风险。考虑沪深股指收益序列胖尾特性,极值理论方法能够对沪深股市VaR和CVaR进行较好估计,运用基于Boot strap和极大似然估计方法解决极值理论数据不足的缺陷,从而给出对VaR和CVaR的点估计和区间估计。

不确定环境下基于VaR和CVaR的投资组合优化模型

对不确定环境下的投资组合问题进行研究,使用不确定测度来定义不确定环境下的VaR和CVaR,并用VaR和CVaR度量风险,建立基于VaR和CVaR风险控制的投资组合优化模型,并设计了集成遗传算法、99-方法的混合智能算法来求解此模型,最后通过实例验证了模型和算法的有效性。

基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究

运用GARCH-CVaR和GARCH-VaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,测度结果表明:GARCH模型的种类对CVaR和VaR的计算结果影响不明显,而分布假定和置信水平对CVaR和VaR的计算结果影响显著;同时,还对GARCH-CVaR和GARCH-VaR的风险测度效果进行了对比研究,对比结果表明:分布假定和置信水平会显著影响CVaR对VaR的改进效果.

均值-CVaR模型下的两基金分离定理

两基金分离定理对资本资产定价模型的研究有重要意义.经典的理论以方差为风险度量方法,而CVaR是近年来提出的一种新的风险度量方法.本文基于CVaR风险度量方法,研究了正态情形下风险资产组合的均值-CVaR模型,得到了此模型下的两基金分离定理及其有关性质,并与均值-方差模型进行了比较.最后通过实例分析表明均值-CVaR模型下的两基金分离定理更能满足投资者不同的风险忍受水平.

基于CvaR风险度量的证券组合投资决策模型研究

利用VaR以及Rockafeller和Uryasev[3]提出的CvaR这一概念,并把它作为风险度量,建立了与马柯维茨的均值方差模型相类似的证券组合投资的均值——CvaR模型,在正态分布的条件下,导出了具体的模型,研究给出了其最优解的具体表达式。

基于Factor-GARCH模型的动态VaR与CVaR度量及实证研究

动态CVaR作为投资组合的风险度量工具较动态VaR有很多优点,但同动态VaR的计算一样,随着投资组合资产数量的增加,计算难度迅速增大。通过改良Factor-GARCH模型,将其用于多种资产时变方差-协方差矩阵的估计,实现了降维的目的,克服了计算多元动态CVaR时的困难。实证研究表明,与动态VaR相比,动态CVaR作为一种更保守的风险度量工具,能准确反映投资组合的可能损失。

金融资产的VaR和CVaR风险的优良估计

本文利用统计理论的优良点估计方法来估计金融市场风险的VaR和CVaR,既可避开现有方法中大量的模拟计算和参数估计等工作,又可提高估算精度。在资产-正态模型下,根据不同的风险估计要求,对金融资产的这两种风险分别提供了三种优良估计,即一致最小方差无偏估计,最佳线性次序统计量无偏估计,最佳线性次序统计量同变估计,并提供了实证分析。

基于CVaR的投资组合优化模型研究

风险价值(VaR)是近年来国际金融机构所倡导的测度和控制金融风险的国际主流技术,但是它在投资组合损益服从非正态分布的情形时,不满足一致性风险度量,出现尾部损失测量的非充分性。为了使具有一致性的条件风险值度量(CVaR)克服VaR的不足,构建基于CVaR约束的投资组合优化模型,该模型虑及了投资组合资产的交易成本、交易限制、资金约束和投资者的风险承受度,为制定合理的最优投资组合提供了一种新的思路。

基于VaR和CVaR的金融风险测度研究

VaR方法能够将金融资产发生风险的概率与具体损失大小联系起来,而且能够计算资产组合的风险价值,在VaR的基础上发展而来的CVaR作为一种一致性风险测度指标,弥补了VaR的非凸性和非次可加性的缺陷,能够更好的测量极端风险价值。使用2007年4月27日至2015年12月14日上证指数进行实证分析,分别利用历史模拟方法、方差-协方差方法、蒙特卡罗方法计算VaR和CVaR,,计算发现2015年6月15日的VaR和CVaR较前一交易日均出现大幅增加,这与该日的上证指数出现大幅下跌不无关系。实证分析表明VaR、CVaR能够较好的捕捉金融风险。

VaR与CVaR的对比研究及实证分析

对两种风险度量方法———风险价值(VaR)和条件风险价值(CVaR)的性质和最优化算法进行了比较.首先对它们具有的性质如平移不变性等进行了比较,其中CVaR独有的次可加性最能显示它相对于VaR的优越性.然后,通过引入顺序统计量,把现实中基于CVaR的最优组合问题转化成线性规划问题,并说明只有当收益服从高斯分布时,基于VaR和CVaR的两种最优组合问题的解才是一致的,基于VaR的最优问题才有意义.最后对深市股票进行了实证分析,验证了上述结论,并分析了可能存在的影响结果的因素.

VaR与CVaR在投资组合中的应用及对比分析

VaR(在险价值)理论是当今国际上比较成熟的分析和度量风险的理论,在世界范围内得到广泛应用,但在对风险分布函数的度量中,却常常忽视对函数尾部特殊值(即超出VaR预测值的实际发生值)的分析和计量,从而影响到风险评估的准确性。本文分析了VaR的缺陷,介绍了在其基础上发展并完善起来的CVaR(条件VarR)分析的优点,并构筑投资组合对二者的差别进行了分析。

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。

CVaR的灵敏度分析

是对CVaR关于投资组合的灵敏度进行分析,得到CVaR关于投资组合一阶、二阶偏导数的解析表达式.通过对CVaR的灵敏度的仿真,验证了CVaR的凸性并为寻求最优投资比例提供了一种方法.

一类金融时间序列VaR和CVaR的非参数计算

该文在损益变化为一个严平稳过程的假设下,采用非参数方法给出了在已知t时刻之前的历史损益时,t时刻风险值估计所应满足的方程,以及条件风险值估计的解析表达式.以S&P500指数为实例,讨论了t时刻之前的历史损益数据长度对t时刻风险值和条件风险值的影响,并将算得的风险值与由GARCH模型得到的风险值进行了比较,发现它们反映风险随时间的波动情况基本一致,但该方法避免了正态假设,因此得到的风险值相对较大,变化也较平缓.最后,采取不同数量的样本对风险值进行估计,结果表明方法是稳健的.

长寿风险对基本医疗保险统筹基金的冲击效应研究——基于VaR与CVaR模型的综合测算

借鉴金融风险管理中VaR和CVaR模型对尾部风险的测量思路,通过构建有限数据Lee-Carter死亡率预测模型,测算了人口的长寿风险及其对基本医疗保险统筹基金的冲击效应,结果表明:2015-2060年基本医疗保险参保人群将面临巨大的长寿风险,极端情况下长寿风险将给统筹基金收支结余超预期下降造成不容忽视的尾部损失;推迟退休年龄、提高生育率、调整个人账户和报销比例、提高职工缴费工资和控制住院费用增长均可以在一定程度上缓解长寿风险的冲击。建议明确政府在基本医疗保险长寿风险管理中的主导作用,构建医疗、养老和长期护理保险的三险联动保障机制。

极值理论在高频数据中的VaR和CVaR风险价值研究

高频数据具有与低频数据明显不同的特征。本文引入广义帕雷托分布代替传统的正态分布等,精确描述金融高频数据收益的厚尾特征;并且计算高频数据下的VaR和CVaR,然后利用深成A指数据进行返回检验。两种返回检验方法的结果表明,极值理论方法可以比较精确地度量VaR和CVaR。