GlueVaR失真风险度量下的最优再保险（英文）

受到文献[1]和文献[2]的启发,本文从保险人的角度,研究了GlueVaR失真风险度量下的最优再保险问题.假设保险标的的损失为X,保险人为分散风险签订了以索赔总额为计算基础的分保合同.按合同,分保人承担的风险为f(X),保险人承担剩下的风险X-f(X).此外基于期望保费原则,保险人需支付分保人再保险费(1+ρ)E[f(X)](其中ρ为安全负载系数).采用文献[2]中的技术方法,我们得出此时最优转移损失函数是一类增凸函数.从而可知最优再保险策略为停止损失再保险.

基于GlueVaR的商业银行操作风险度量研究

根据1987年到2012年我国商业银行操作风险损失事件数据,首先探究操作风险损失事件的总体特征,然后采用极值理论中的POT模型,得到了一定置信水平下的VaR、TVaR值.结果表明,操作风险损失事件数量随着时间推移呈现出先增加后减少的趋势,损失事件中内部欺诈和外部欺诈分别占49%和23%;监管部门和银行可以依据它们对于风险的态度,确定合适的权重(ω1,ω2,ω3),得到一定置信水平下的GlueVaR值.银行以该GlueVaR值作为操作风险监管资本,这样既能够有效弥补潜在的操作损失,又能够避免监管资本过高而使银行利润下降.

基于GlueVaR的我国养老金系统长寿风险度量

基于GlueVaR风险度量方法，选取1994～2012年国家统计局公布的死亡率数据，采取Lee—Carter模型对人1：7死亡率进行时间外推，运用Gompertz模型对我国缺失的高龄人口死亡率数据进行插补，计算得到GlueVaR方法下的养老金系统长寿风险度量值，并与VaR和TVaR的度量值进行比较。研究表明，长寿风险的GlueVaR度量方法与VaR和TVaR方法相比，不仅应对了尾部极端风险发生的可能性，同时该方法具有较强的灵活性，可以获取更加全面的长寿风险信息。GlueVaR风险度量方法具有多个参数，一方面可以满足我国养老金系统管理者有效控制长寿风险的要求，另一方面也可以满足养老金计划参与者预期较高的养老金回报的要求。

金融创新下风险度量工具的性质、优化及风险管理的应用——基于GlueVaR的研究

风险的度量与识别是金融市场中风险管理的核心,常见风险测量工具仍然集中在VaR、TVaR等方法,但该类方法本身存在诸多局限性。GlueVaR的提出弥补了上述不足,被广泛应用于经济、金融和保险等领域。作为一种风险度量工具,相比于传统的VaR与TVaR测量方法,GlueVaR在全面捕捉风险信息的同时,可以根据不同风险态度进行扭曲函数参数的调整,具有更好的灵活性。本文利用GlueVaR线性组合权重,结合线性规划方法,考虑投资者对风险的偏好程度,给出了GlueVaR满足次可加性和尾部次可加性时参数的变化范围,明确了GlueVaR的适用范围,为GlueVaR广泛应用于金融市场奠定理论基础。实证结果表明,风险的度量与识别,进一步深化了对金融市场中各类风险的认知;同时,风险的细化,对于完善我国金融市场风险评估体系,促进金融行业的健康发展,具有重要的理论与现实意义。

计及风光出力时变相关特性的输电可靠性裕度评估

风光并网背景下,为准确评估风光相关性出力及系统输电可靠性裕度(transmission reliability margin,TRM),提出了一种计及风光出力时变相关特性的TRM评估方法.首先,计及风光出力存在的时变相关特性和季节特性,提出了基于时变Copula函数的风光24 h联合出力场景生成方法,所生成的场景为准确评估TRM提供基础.然后,在考虑TRM时间尺度特性的同时,引入GlueVaR度量系统存在的传输能力缺额风险,进而构建了区分决策者不同风险偏好的TRM期望净收益模型.最后,以风光场景集为基础,利用序贯蒙特卡洛模拟方法生成系统时序运行场景集,结合IEEE-RTS系统利用优化算法求解模型.与以往方法相比,所提评估方法不仅提高了风光出力场景生成的精度,而且保障了系统的可靠经济运行,实现了TRM的差异化评估.