利用PGARCH-M模型估计风险值

建立一种新的度量风险值(VaR)模型PGARCH-M(PowerGARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型。

对我国开放式基金风险的实证研究——基于GARCH模型的VaR方法

从我国开放式基金收益率序列的分布、波动性和杠杆效应三方面考虑,在正态分布t、分布和GED分布的假设下,建立了估计基金风险的VaR-GARCH、VaR-EGARCH模型,选择合适的模型对各只基金及不同类型基金的VaR值进行估计,并应用Kupiec方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于t分布的GARCH模型计算的VaR值更真实地反映了基金的风险,不同投资类型和投资风格的基金的风险也不尽相同。

基于VaR-GARCH模型族的我国豆粕期货市场风险分析

对大连期货市场豆粕期货每个交易日价格的波动进行分析,利用VaR风险值方法和GARCH模型族,建立了基于VaR-GARCH模型族的豆粕期货市场风险评估模型.通过实证分析,发现豆粕期货的收益率具有尖峰厚尾聚集波动的特性,并在收益率为3种不同分布的假设下,比较相应的VaR估计值,最后得出当收益分布为广义误差分布时,用VaR-EGARCH模型能更好的刻画豆粕期货的市场风险.

Copula-SV-GED模型的投资组合风险分析

将多种Copula函数和SV模型多种扩展形式相结合,对我国股票市场实际的组合投资问题进行了实证风险分析,结果表明边缘分布和相关关系的选择共同影响联合分布,并且Gumbel-copula-SV-GED模型在计算风险VaR值方面效果较好。

已实现GARCH-GED模型的研究及应用

针对高频金融数据分布普遍存在尖峰厚尾的现象,将经典的已实现GARCH模型的残差分布拓展到服从广义误差分布的形式,并将杠杆函数的幂次放松为待估参数,建立了新的已实现GARCH-GED模型。基于上证50指数5 min频率的高频数据的实证研究结果表明:相对于正态分布假设下的已实现GARCH模型,已实现GARCH-GED模型更能刻画波动率的杠杆效应,在一定程度上提升了对尾部风险度量的精度。

我国外汇储备汇率风险测度

选取2015年3月18日至2016年7月8日的美元/人民币日频汇率数据作为样本,建立了基于正态分布、t分布、GED分布的GARCH(1,1)模型来研究汇率的波动性,并计算出风险价值(VaR值),结果显示,在置信水平分别为0.99,0.95,0.9的条件下,基于t分布、GED分布的GARCH(1,1)模型的VaR值大于基于正态分布的GARCH(1,1)模型的VaR值,使其有效地估计风险具有现实意义。

风险值和尾部条件期望的实证比较分析

由于风险值VaR具有一定局限性,因此人们在VaR的基础上又提出了一种新的度量市场风险的方法:尾部条件期望TCE。利用GED分布和T分布的TGARCH-M模型建立计算公式,并实证比较了VaR和TCE度量市场风险的准确性,结果表明,在通常情况下TCE和VaR均能较准确地度量市场风险。

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR弥补了VaR方法存在的缺陷。利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论。我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值。

GARCH族模型计算中国股市在险价值(VaR)风险的比较研究与评述

如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题。VaR方法作为当前业内比较流行的测量金融风险的方法,具有简洁、明了的特点,而且相对于方差来讲,更多的将投资人的损失作为风险具有更好的合理性。但是在用参数法计算VaR时,关于分布假设、模型的选择,具有一定的主观因素,很多是靠经验来进行判断。文中用当前金融领域刻画条件方差最典型的GARCH模型及其几种最新衍生模型如EGARCH、PARCH等,分别在正态分布以及能刻画收益厚尾特性的分布(t-分布、GED分布)假设下,再结合上证指数、深圳综指与上证180指数进行实证分析,并对结果作了比较,分析各种模型的优缺点、与分布假设的关系以及与指数序列数据的关系,得出一些新的结论。作为对比,也用Riskmetrics模型计算了VaR值,分析其与GARCH族模型的不同。

基于GARCH模型的VaR方法对我国开放式基金风险的分析

本文从我国开放式基金收益率序列的分布与波动性两方面建立了一个估计基金风险的VaR-OARCH模型,在正态分布和能够刻画收益率的尖峰厚尾特征的t分布及GED分布三种不同的分布假设下,对基金的VaR值进行估计,并应用Kupiec失败频率检验方法对VaR模型的准确性进行了返回检验。结果显示,基于GED分布的GARCH模型计算的VaR值比基于正态分布和t分布的QARCH模型计算的VaR值更真实地反映了基金的风险。

VaR方法在股票投资风险管理中的应用

通过介绍选题背景及国内外文献综述,探讨股票市场风险管理的Va R理论,并对上证综合指数进行了实证分析。实证分析在数据检验的基础上,采用广义误差分布(GED)下的指数广义回归条件异方差(EGARCH)模型对上海证券综合指数日收益率数据进行拟合,计算出对应的Va R值,对结果进行检验和分析,发现该模型很利于股市风险的刻画。

基于不同分布EGARCH模型的EU ETS价格波动和风险研究

分别基于正态分布、t分布、GED分布假设下的EGARCH模型,考察EUA和CER期货价格收益率的波动特征,并估算期货市场的风险VaR值,利用LR统计量检验VaR,估计值的准确程度.实证结果表明:碳期货收益率存在明显的"尖峰厚尾"特性;碳期货市场存在负的"杠杆效应","利多"的影响小于"利空"的影响;EUA期货市场相比CER期货市场具有更高的风险;EGARCH-GED模型对碳期货市场的风险刻画能力最强,其次是EGARCH-N模型,EGARCH-t模型刻画能力最差.