金融風(fēng)險(xiǎn)價(jià)值量化分析的模型與實(shí)證.pdf

1、風(fēng)險(xiǎn)價(jià)值(Value-at-Risk)已成為金融風(fēng)險(xiǎn)度量與管理的主流工具。隨著中國多層次資本市場體系創(chuàng)新性地構(gòu)建和金融系統(tǒng)功能的逐步完善，金融風(fēng)險(xiǎn)呈現(xiàn)出一些新的不確定性特征。針對我國金融市場的風(fēng)險(xiǎn)進(jìn)行量化分析與管理而言，采用一些新方法量化風(fēng)險(xiǎn)價(jià)值，對理論界和實(shí)務(wù)界都顯得十分重要。本文融合GARCH等金融時(shí)序計(jì)量模型、Copula函數(shù)、小波分析和MCMC算法等數(shù)據(jù)建模分析的前沿理論與方法，從多尺度和貝葉斯的視角，以提高VaR估值精度為切入

2、點(diǎn)，嘗試在金融量化分析與計(jì)算這一新興的統(tǒng)計(jì)學(xué)、金融學(xué)、管理學(xué)等學(xué)科交叉點(diǎn)拓展幾個新的風(fēng)險(xiǎn)計(jì)量模型與方法，對境內(nèi)外主要金融市場進(jìn)行實(shí)證檢驗(yàn)以及對部分模型進(jìn)行仿真分析，獲得的數(shù)值結(jié)果有效地支撐了模型與方法的正確性和可行性，從而為金融資產(chǎn)的風(fēng)險(xiǎn)管理與最優(yōu)化配置豐富了相關(guān)的理論內(nèi)涵和實(shí)踐經(jīng)驗(yàn)。
　　 論文展開了多方面富有特色的研究工作并獲得了相應(yīng)的研究結(jié)論：
　　 1)為了識別風(fēng)險(xiǎn)價(jià)值的多分辨率特征，論文將匯率風(fēng)險(xiǎn)引入資本資產(chǎn)定

3、價(jià)模型，得到資產(chǎn)定價(jià)的雙因子模型，給出了模型參數(shù)的小波多分辨率估計(jì)方法，推導(dǎo)了投資組合的風(fēng)險(xiǎn)價(jià)值(VaR)和邊際風(fēng)險(xiǎn)價(jià)值(MVaR)的多分辨率計(jì)算公式。對上證A股市場的實(shí)證分析表明以上方法的可行性和正確性，同時(shí)也顯示投資組合存在多分辨率的風(fēng)險(xiǎn)價(jià)值特征。這或許是市場系統(tǒng)風(fēng)險(xiǎn)和匯率風(fēng)險(xiǎn)以及異質(zhì)投資行為等共同作用的結(jié)果。
　　 2)考慮到交易周期對資產(chǎn)價(jià)格波動特征的重要影響，論文將小波分析引入廣義自回歸條件異方差建模理論，提出多尺度廣

4、義自回歸條件異方差模型和多尺度增廣分整廣義自回歸條件異方差均值模型，通過改進(jìn)參數(shù)迭代的步長，得到了收斂速度較快的數(shù)值算法。對上證綜合指數(shù)的實(shí)證分析表明該模型不僅揭示了蘊(yùn)含在資產(chǎn)價(jià)格內(nèi)部的多時(shí)間尺度信息，還能夠捕獲到風(fēng)險(xiǎn)價(jià)值在不同時(shí)間尺度上的局部特征。這類模型有助于探究風(fēng)險(xiǎn)價(jià)值伴隨交易周期演化的微觀動力學(xué)機(jī)制。
　　 3)考慮到金融風(fēng)險(xiǎn)管理研究中投資行為的異質(zhì)性及資產(chǎn)價(jià)格波動的多尺度特征，論文將小波閾值規(guī)則引入風(fēng)險(xiǎn)價(jià)值模型的計(jì)算問

5、題，利用收益率分布密度的小波非線性閾值估計(jì)方法，建立了VaR的多尺度估值模型，通過分析估值誤差的收斂性，發(fā)現(xiàn)密度函數(shù)空間的光滑度和樣本容量同時(shí)決定了均方誤差的收斂速度，最后以正態(tài)密度函數(shù)為例，采用不同容量的仿真樣本檢驗(yàn)了該理論方法的可行性。該模型對大中華區(qū)內(nèi)四大股指的風(fēng)險(xiǎn)價(jià)值的量化分析，獲得了較好的實(shí)踐經(jīng)驗(yàn)。
　　 4)考慮到資產(chǎn)之間相依結(jié)構(gòu)的局部特征及其對風(fēng)險(xiǎn)價(jià)值的影響，論文將小波閾值規(guī)則引入Copula函數(shù)的參數(shù)估計(jì)問題，提

6、出多元Copula密度的局部閾值估計(jì)量，通過估值精度的分析，發(fā)現(xiàn)Copula密度的光滑度指數(shù)、維數(shù)和采樣容量等是影響估計(jì)精度的三個重要因素，得到了以正態(tài)Copula為例與實(shí)證分析的支持。本方法增強(qiáng)了參數(shù)Copula建模的局部自適應(yīng)能力，同時(shí)仿真分析也說明該估計(jì)量有助于改進(jìn)資產(chǎn)及其組合的風(fēng)險(xiǎn)價(jià)值的估值精度與資產(chǎn)的最優(yōu)化配置。
　　 5)考慮到收益率分布受資產(chǎn)交易等后驗(yàn)新息的影響，論文假設(shè)收益率時(shí)序的新息服從標(biāo)準(zhǔn)的學(xué)生t分布，提出多

7、元時(shí)變Copula-GARCH-t模型，利用蒙特卡洛馬爾可夫鏈(MCMC)算法估計(jì)該模型的參數(shù)，給出了資產(chǎn)組合風(fēng)險(xiǎn)價(jià)值的度量方法，還基于風(fēng)險(xiǎn)最小化原則確立了最佳的資產(chǎn)配置模型。對上證指數(shù)、恒生指數(shù)、臺灣指數(shù)和標(biāo)準(zhǔn)普爾500指數(shù)的實(shí)證分析表明MCMC方法優(yōu)于經(jīng)典的IFM方法。從而正確地拓展了相依結(jié)構(gòu)建模方法在金融風(fēng)險(xiǎn)價(jià)值量化分析中的應(yīng)用視野。
　　 6)為了精確地預(yù)測資產(chǎn)組合的風(fēng)險(xiǎn)價(jià)值，論文考慮到投資者對資產(chǎn)風(fēng)險(xiǎn)偏好的差異性，假設(shè)