银行间同业拆放利率风险度量:基于EGARCH-SGED模型的实证分析

根据上海银行间同业拆放利率(SHIBOR)数据的基本特性,分析SHIBOR收益率序列呈尖峰厚尾、偏态和波动集聚等特征,利用EGARCH模型来刻画收益率的波动性,同时利用Skew-GED(SGED)分布来描述收益率的概率分布特征,构建EGARCH-SGED模型来测度SHIBOR收益率的风险价值,并与GED和Skew-t分布下的EGARCH模型的风险测度能力进行了比较。研究结果表明,与其他两类模型相比较而言,EGARCH-SGED模型能更好地描述SHIBOR收益率特性,并且能够显著提高风险价值预测的准确性。

基于ARMA-APARCH-SGED模型的原油价格风险度量研究

从原油现货市场收益率的特征分析着手,为了更好地描述原油现货市场收益率的尖峰厚尾、偏态和波动集聚等特性,利用APARCH模型来刻画收益率的波动性,同时利用Skew GED(SGED)分布来描述收益率的概率分布特征;进而运用ARMA-APARCH-SGED模型对原油现货市场收益率的VaR进行估计和分析,并与基于Skew-t和GED分布的ARMA-APARCH模型进行比较。通过返回检验,结果表明,AR-MA-APARCH-SGED模型能更加准确地度量原油现货市场的风险价值。

基于有偏胖尾分布的随机波动模型估计及其检验

金融资产的收益分布普遍展现出两个重要的典型特征:"有偏"性和"胖尾"性,但目前绝大多数的随机波动模型都无法同时将上述两类典型特征综合纳入其估计的条件分布假定中。以上证综指和标准普尔500指数为例,通过引入有偏的广义误差分布(Skew GED)来综合刻画条件收益的有偏和胖尾特性,并运用马尔科夫链-蒙特卡罗模拟法(MCMC),探讨了在正态分布(Normal)、有偏的正态分布(Skew Normal)、广义误差分布(GED)以及Skew GED这4种条件分布假定下的随机波动模型估计方法,同时实证检验了不同分布假定下的随机波动模型对实际市场波动率的刻画精度和适用范围。

基于偏态分布的风险度量计算

金融时间序列具有尖峰厚尾性,同时在股市中又存在着杠杆效应.对股票指数收盘价格的对数收益率序列建立ARMA-APARCH模型,在对数收益率序列分别满足Skewed-t分布和Skewed-GED的假设下,给出了在险价值及期望损失的计算方法.对t分布与Skewed-t分布、GED与Skewed-GED分别进行对比性实证分析,结果表明,在两个偏态分布假设下计算得到的期望损失估计结果更为保守,更能够捕捉到股市的尾部风险.

非对称GARCH模型在VaR预测上的应用

基本统计分析发现,上证综合指数回报率分布存在高峰厚尾性,不服从正态分布,并且还具有杠杆效应.本文应用非对称APARCH模型在四种分布(正态分布、T分布、GED分布和SKST分布)假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与GARCH模型的估计结果进行比较分析.通过返回检验,发现APARCH应用于VaR估计是统计有效的,并且明显优于GARCH模型.