新書推薦：
《
中国高等艺术院校精品教材大系：材料的时尚表达??服装创意设计
》
售價：HK$
78.2
《
美丽与哀愁：第一次世界大战个人史
》
售價：HK$
147.2
《
国家豁免法的域外借鉴与实践建议
》
售價：HK$
188.2
《
大单元教学设计20讲
》
售價：HK$
78.2
《
儿童自我关怀练习册：做自己最好的朋友
》
售價：HK$
71.3
《
高敏感女性的力量（意大利心理学家FSP博士重磅力作。高敏感是优势，更是力量）
》
售價：HK$
62.7
《
元好问与他的时代（中华学术译丛）
》
售價：HK$
87.4
《
汽车传感器结构·原理·检测·维修
》
售價：HK$
112.7
|
| 內容簡介： |
本书研究考虑以随机波动SV模型和极值EVT理论的组合应用为主线，通过引入不同波动条件分布、波动结构转换等影响因素，试图组合并构建新的较为准确的金融极值风险度量模型。
本书关于金融波动和极值风险的研究贯穿了SⅤ模型、EVT理论的联合应用，追求对样本变量的随机特性和变化特征刻画，符合VaR计量的条件和实践要求；同时也规范并拓展了随机波动、极值理论、VaR模型、Copula函数等在金融风险管理计量实践中的应用，为市场参与者，尤其是监管机构、量化投资公司等市场主体提供了防范和抵御*金融风险的可用方法及参考。
|
| 關於作者： |
|
姬新龙，1982年生，河南南阳人，管理学博士，副教授，硕士研究生导师，中国金融工程学会理事，甘肃省金融学会理事。主要研究领域为风险投资、资本运作、金融风险管理等。近年来主持、参与完成国家社会科学基金、国家自然科学基金、甘肃社科规划重大招标项目、甘肃社科规划一般项目、甘肃省科技厅软科学专项、甘肃省教育厅高校项目等纵向项目10余项，主持、参与完成政府、企业委托的各类横向规划项目20余项，先后在《中国管理科学》《北京理工大学学报〉《华东经济管理》等期刊发表论文20余篇荣获甘肃省社科优秀成果三等奖、兰州市社科优秀成果一等奖等多项科研奖励。
|
| 目錄：
|
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 主要内容及研究方法
1.2.1 研究目的及内容框架
1.2.2 研究方法及技术路线
1.3 研究特色及创新
第2章 金融风险测度模型及其研究现状
2.1 早期风险度量及VaR方法出现
2.2 VaR测度的模型演变
2.2.1 VaR早期的经典测度方法研究
2.2.2 ARCH、GARCH族和SV族模型方法应用研究
2.2.3 极值理论与其他波动模型的组合应用研究
2.3 文献评述与研究问题的提出
第3章 现代金融风险理论与常见金融风险的度量
3.1 现代金融理论中的风险度量
3.1.1 金融投资组合理论与风险测度
3.1.2 资本资产定价模型与风险测度
3.1.3 套利定价理论与风险衡量
3.1.4 固定收益证券与风险度量
3.1.5 B-S期权定价理论与风险衡量
3.2 常见金融风险的度量
3.2.1 传统的金融风险评估方法
3.2.2 现代金融风险量化模型
第4章 SV-EVT模型组合构建及动态VaR测度
4.1 随机波动SV模型的选取
4.1.1 标准SV模型
4.1.2 厚尾SV模型
4.2 经典极值分布类型及特性
4.2.1 极值类型定理
4.2.2 广义极值GEV分布及特征
4.2.3 GPD分布及其模型参数估计
4.3 动态VaR测度方法及SV-EVT的组合模型构建
4.3.1 VaR的经济解释及动态测度分解
4.3.2 SV-EVT的组合及模型应用步骤
4.4 小结
第5章 广义双曲线与SV-EVT的模型组合
5.1 SV-GHSKt的模型构建和参数估计
5.1.1 GHSKt分布引入SV模型74
5.1.2 SV-GHSKt模型的参数估计
5.2 基于SV-GHSKt-EVT的动态VaR模型
5.2.1 构造标准残差序列
5.2.2 基于极值理论的动态VaR模型
5.3 实证研究
5.3.1 样本选取及统计特征描述
5.3.2 组合模型SV-GHSKt-EVT的应用分析
5.3.3 VaR风险值的度量及模型效果检验
5.4 小结
第6章 马尔科夫波动转换与SV-EVT的组合应用
6.1 马尔科夫波动转换的引入
6.2 组合模型构建及参数估计
6.2.1 MSSV-t模型及参数估计
6.2.2 基于MSSV-t-EVT的VaR模型
6.3 实证检验
6.3.1 样本选取及统计特征描述
6.3.2 参数估计及收敛性诊断
6.3.3 标准残差序列的EVT建模及检验
6.4 小结
第7章 时变连接函数和SV-EVT模型的组合应用
7.1 连接函数的引入
7.2 Copula基本原理及其时变模型
7.2.1 Copula函数基本原理和分类
7.2.2 时变Copula函数
7.3 边缘分布与组合模型构建
7.3.1 随机扰动过滤和SV-t-EVT模型
7.3.2 时变Copula-SV-EVT建模及参数估计
7.4 实证检验
7.4.1 数据选取及变量描述统计
7.4.2 阈值与边缘分布参数估计
7.4.3 时变Copula模型参数估计
7.5 小结
第8章 结论和展望
8.1 主要研究结论
8.2 研究不足及展望
参考文献
后记
|
| 內容試閱：
|
自 序
以风险为本实现风险收益均衡的管理战略，是当前包括政府监管部门、金融机构以及普通公司、企业在内的所有市场主体共同的目标。一般来讲，风险是指可能带来损失的各种不确定性，而且是未来潜在损失的原因，但风险并不像收益或成本那样容易度量，新的风险量化技术能够提供可信赖的方法，弥补传统风险管理技术的不足，近年来，金融风险管理领域的创新基本体现在：风险量化技术的更新、风险度量模型的构建和新型风险类型的管控。
自1952年马科维茨（Markowitz）提出投资组合理论，并将风险用数学上的方差或标准差来量化描述，金融风险管理开始从定性分析逐渐过渡到定量分析，风险管理的一般程序也逐步被归纳总结为对风险的识别、度量、监测和控制，从量化管理的角度看，这其中的每一个环节都要有必需的数理知识、技术和管理工具，而目的是要通过设计一个或几个完美的风险管理流程及模型，使金融机构或公司或企业能够实现风险管理成本收益平衡下的管理战略制定和经营活动开展。
虽然风险对市场主体尤其是金融机构十分重要，但直到今天，风险度量的研究和达成共识的模型方法并不显著。数理金融、概率统计、计量软件等方法工具能够广泛应用于研究金融市场上的风险问题，但由于各种复杂影响因素，金融机构各种类型的风险定量分析还没有被完全覆盖。显然，其背后的原因在于风险自身的复杂性、关联性及不可预测性，很多理论为金融风险模型化管理提供了基础，却没有为决策者提供可行的工具。
实践中，对风险的管理及监控需要模型来度量，理论上量化风险的唯一路径就是使用模型，许多风险评估指标无法替代风险的量化方法，比如贝塔系数、信用评级等级、固定收益债券的久期和凸度、利率风险敞口大小等，虽然它们都能从特定的某一维度描绘金融风险特征，但整体却无法对风险进行量化。风险度量模型能够在提供风险管理措施的同时对金融机构的风险进行价值评估，并能够把风险的度量融入风险管理活动的每一个环节，换句话说，如果不能通过适用的模型工具将金融理论应用到实际或实践中的风险管理活动中，那么风险的度量就没有实际意义。
纵观有关金融风险的量化研究历程，除一些特定领域内的资产组合管理之外，数理金融领域的众多模型是应用最多的，而微观金融涉及的几大经典理论都对风险度量有较大的理论贡献，也正是这些开创性的研究，使得它们的提出者几乎都获得了诺贝尔经济学奖。哈里马科维茨（Harry M. Markowitz）作为先导者，开创性地用数学方差度量风险，威廉夏普William F. Sharpe）等开创性地把股票市场的整体风险与个股风险用贝塔系数联系起来，迈伦斯科尔斯Myron Scholes等的期权定价模型则为金融衍生工具的定价奠定了基础。截至今天，这些模型仍然是风险管理实践应用中的标准工具，而在一些更为专业和具体的风险划分领域中，依据期权定价理论框架，罗伯特默顿Robert Merton提出了违约风险度量模型，他的贡献成为当前信用风险领域众多风险度量模型的支柱。
20世纪90年代以来，国际金融市场联系日益紧密，金融波动越发剧烈，局部类、区域类、国际类的金融危机出现的频率越来越高，时间间隔也越来越短，1997年的亚洲金融危机、2007年美国次贷危机引发的国际金融危机是最好的例证。各国政府当局、金融监管机构、市场参与者对金融资产价值变动尤为敏感，在已有金融风险管理模型方法基础上提出和构建更适合新型风险类别的有效且实用的风险管理方法和技术显得更为迫切。我们知道，有关金融风险管理的思路和方法有很多，比如风险分散、风险对冲、风险转移、风险规避、风险补偿等，但是面对当前信息高效和金融大数据时代背景，带有被动性甚至具有某些主观特性的类似于风险规避等定性类的风险管理方法根本不适合金融机构的业务现状，更不能及时有效地服务实体经济。因此，风险管理的核心必然是可以量化的风险价值预估。源于1994年J.P.摩根公司（J.P.Morgan）较早提出的风险价值VaR模型是一种理解简单便于计算的风险管理技术，该风险度量方法是由于J.P.摩根的管理者要求风险管理部门于每天下午下班之前必须出具报告，并阐明未来24小时内J.P.摩根所有业务组合的风险及潜在损失，为此该公司风险管理部门创新性地尝试设计了一个能够使用单一指标测度功能的反映公司各种交易组合和总体风险的模型，这构成了VaR的原始形态，后经J.P.摩根公司试验改进，VaR模型成为当前金融风险管理领域的国际通用标准，尤其是巴塞尔协议（Basel Accord）更是将该方法作为银行业经营管理中一个重要的监管考核量化指标。
VaR（Value at Risk直译为处于风险之中的价值，以概率论的思想解释就是在给定置信水平下，某一资产或其组合在一特定时间内可能遭受的最大损失。VaR的广泛应用源自该模型刚好符合风险关于不确定性的解释，能够对不确定性进行量化分析的恰好是概率论思想。从模型定义上讲，VaR的优势至少体现在三方面：一是可比性，即可用统一标准对不同类型资产或组合的风险进行直观比较；二是全面性，即可同时考虑所有风险因素；三是直观性，即可直观描述风险损失值及其发生的概率信息，简单有效，易于理解。从应用视角看，VaR的优势也表现在三方面：一是有助于信息沟通，监管机构、金融企业等在信息披露中以VaR模型阐述风险，能以简单易懂方式向利益相关者传递风险信息；二是有助于控制风险，简单举例就是可依据VaR设定金融资产交易员或业务部门的头寸上限，或者用于金融监管部门计量金融机构的最低资本保证金等；三是有助于管理风险，VaR常用于比较、选择和管理投资组合，平衡风险与收益关系。综上所述，VaR模型为不同类型的金融风险管理提供了一个可比的、全面的、直观的测度方法，其被全球范围内的各类金融机构、各类监管机构广泛应用于风险比较、风险控制、业绩评估、风险资本评估、风险投资决策、风险监管等诸多领域。
VaR模型的优势和特征固然明显，但实践应用中依然存在不足，其中最大的不足是该模型的理论假设或应用假设与实际存在较大偏差，比如经典的金融资产收益序列正态分布假定就与事实中的尖峰、厚尾特征严重不符，因此如何描述和刻画实际的金融资产尾部特征，探寻更合适的样本分布形式，构建更加精确的金融风险度量模型，对改进金融风险度量方法至关重要。与此同时，相关金融风险管理的研究文献及对策建议中，都在不断提示改进VaR计量或者变换VaR应用思路，因此，构建准确的VaR量化模型也成为本书研究的一个主要目的所在。而VaR估值的关键在于正确判断样本数据的波动形态，由此本书研究考虑以随机波动SV模型和极值EVT理论的组合应用为主线，通过引入不同波动条件分布、波动结构转换等影响因素，试图组合并构建新的较为准确的金融极值风险度量模型。本书的特色在于不同波动风险度量模型的组合应用，主要研究内容和创新性体现如下：
首先是基本模型理论介绍及组合建模思路分析。在分别详细介绍随机波动SV理论和极值EVT理论的基础上，结合VaR的变换应用，组合并构建基于SV-EVT的动态VaR计量模型。该部分先强调的是如何选用合适的SV模型对样本数据的波动性进行分析和刻画，然后是对样本均值的波动残差进行标准化处理，然后探讨应用极值理论对样本尾部分布拟合并预估极值分位数，较为系统和全面地阐述SV-EVT的组合模型构建及其在测度VaR时的应用思路。
其次是组合模型的实证检验及其在实践中的应用分析。针对已构建的SV-EVT模型，引入不同样本分布函数或波动状态变化因素到该组合模型中，通过样本序列数据对其进行实证检验和分析。其中，对于样本变量的分布问题，借助广义双曲线偏t分布（GHSKt）能够反映样本波动非对称厚尾的特性，首次提出用该分布与带有杠杆效应的SV模型进行组合，由此构建SV-GHSKt模型。进而应用该模型对初始样本拟合处理并得到标准化残差序列，再与极值理论方法EVT联立，形成SV-GHSKt-EVT的组合风险测度模型。实证分析验证了SV-GHSKt-EVT模型比其他异方差模型、简单SV模型更具优势，为带有尖峰厚尾、随机波动、杠杆效应特征的金融资产的风险测度提供了更实用的方法。而对于样本变量的波动状态转移问题，考虑到以往研究中的波动模型在拟合样本数据时都是暗含波动变换呈单一连续状态的，因此考虑将能够反映变结构特征的马尔科夫结构转换模型引入SV模型中，同时结合厚尾t分布提出构建MSSV-t模型，再结合极值理论对经MSSV-t模型筛选过的残差进行极值分析，得出建立在MSSV-t-EVT基础上的VaR测度模型。实证分析也表明，MSSV-t-EVT模型能够有效识别样本数据的波动转换特征，并且能合理地测度风险变化，尤其在高置信水平下表现更好。
最后是多元极值及组合模型的拓展应用分析。由于前文介绍的SV-EVT模型仅是考虑一维样本变量的风险状况，而对衡量多维市场或者金融资产组合的整体风险时似乎并不适用。因此本书考虑从简单的二元市场结构的风险相关性分析入手，引入连接函数Copula理论到SV-EVT模型中，运用该组合模型刻画二元资产变量波动的厚尾性、非对称性和尾部相关性，同时为了凸显组合变量之间风险相关的时变性，又将Copula函数进行时变变形，进而建立时变Copula-SV-EVT模型。实证分析表明，与静态的风险相关性测度方法对比，基于时变特征的Copula-SV-EVT模型更能反映不同金融资产之间的尾部风险相依关系。虽然该时变模型并不能有效解决多变量资产组合的整体风险测度问题，但却为后续研究奠定了有益基础。
本书关于金融波动和极值风险的研究贯穿了SV模型、EVT理论的联合应用，追求对样本变量的随机特性和变化特征刻画，符合VaR计量的条件和实践要求；同时也规范并拓展了随机波动、极值理论、VaR模型、Copula函数等在金融风险管理计量实践中的应用，为市场参与者，尤其是监管机构、量化投资公司等市场主体提供了防范和抵御极端金融风险的可用方法及参考。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
