论文部分内容阅读
在金融全球化和自由化的背景下，特别是在2008年国际金融危机以后，金融风险成为国内外金融实务界、理论界和监管机构共同关注的对象，风险估计是风险管理中首要而核心的部分。风险价值(VaR，Value-at-Risk)和条件风险价值(CVaR，Conditional Value-at-Risk)是当今最为流行的两大风险度量指标，风险价值VaR度量在给定的概率水平下未来可能达到的最大损失，CVaR为损失超过VaR的期望值。针对VaR和CVaR的测算问题，理论界提出了很多的计算方法，大体上可以分为参数方法、半参数方法和非参数方法三大类。与参数半参数方法相比，非参数核估计方法对分布不做任何假设，避免人为的模型设定风险，能够给出较为稳健的估计;更为重要的是，非参数核估计方法可以抓住金融时间序列的非对称型和厚尾性。Bellini和Figa-Talamanca(2002)指出金融时间序列具有很强的尾部依赖，当考虑依赖性时，参数估计模型将变得复杂，而不容易实施，无论是独立同分布变量还是依赖变量，非参数估计能够得到非常一般的结论。然而，非参数估计的VaR(或CVaR)推断仅仅基于数据的尾部信息，容易受到样本容量的影响，客观上要求有更多的样本观测值，这种局限也存在广为流行的半参数EVT方法上。Tang(2003)指出，相比较而言，非参数方法比参数方法更加有效，同时得到的结果也更加稳健。 本文第一部分给出VaR和CVaR的非参数核估计方法，并通过蒙特卡罗模拟方法，来检验核估计方法的估计精度，并同其它估计方法的估计精度进行对比，得出在大样本的情况下，本文的核估计方法比其它的估计方法更加有效，估计偏差更小。在此基础上，利用我国金融市场的实际数据来对我国的金融市场风险进行测算，得出，从系统风险来看，我国上证综合指数的风险小于深证成份指数，个股风险方面，以深发展A和万科A为例，得出深发展A的风险要低于万科A。进一步，在风险度量VaR(或CVaR)核估计的基础上，本文建立了证券组合风险优化模型，基于牛顿迭代算法，设计出求解最小化风险模型的迭代程序，使得不仅可以测算风险，还可以对风险进行对冲和管理，大大提高了本文的应用价值。 投资组合理论最早可追溯到马克维兹(Markowitz，1952)年建立的均值-方差模型，现代的投资组合理论大多遵循着均值-风险这一框架，期望收益率作为投资收益的观点已被广泛接受，然而，以收益率的方差作为风险度量指标，受到多方面的批评，许多学者在批判方差指标的基础上发展出了多种风险度量工具，从而推动了现代投资组合理论的发展。VaR和CVaR的概念正是在这个背景下被提出并很快被运用到投资组合选择理论上来，学者建立了均值-VaR(或CVaR)模型来讨论风险收益权衡问题，关于均值-VaR模型和均值-CVaR模型较为成熟的研究大多在正态(或椭球）分布假设下进行的（参见Alexander and Baptista，2002;姚京和李仲飞，2004等）。在正态分布的假设下，VaR和CVaR可以表达成均值和方差的线性函数，均值-VaR模型和均值-CVaR模型退化成均值-方差模型，而均值-方差模型的研究已经相当成熟。另一方面，在实际的金融市场上，金融时间序列数据通常表现出尖峰厚尾、非对称等非正态（或椭球）分布特征，在这种情况下，错误的正态(或椭球）分布假设将会导致风险估计的系统偏差，进而会误导投资组合决策，使得人们无法在真实金融市场中进行有效的风险管理和投资组合优化。 一直以来，风险估计与投资组合优化问题相对独立发展，风险估计的研究注重开发更加精确的估计方法来捕捉金融市场的特征，进而更加准确地估计金融市场风险，这方面的统计计量方法已经发展得相当成熟;而另一方面，投资组合理论的研究者通常在给定分布的假设下，来研究投资组合选择问题，他们使用的风险指标都是理论上的风险值而非实际市场中的风险估计值。然而，理论上假设的风险和实际中的风险有非常不同的特征，这使得投资组合选择理论在实际中的运用价值大打折扣。 本文第二部分的内容正是基于以上的考虑，把实际金融市场风险的非参数估计式嵌入到投资组合选择模型和风险控制模型中，建立一个基于核估计方法同时考虑风险估计和投资组合优化问题的框架。在这个框架下，一方面，直接给出组合收益率的金融风险非参数估计公式，克服“维数灭难”，使之容易进行最优化外理;另一方面，则同时研究最小化风险模型和均值-风险权衡模型等投资决策模型，给出求解模型的数值算法，并把这些模型应用于中国的金融市场，考虑中国金融市场中的市场风险、投资组合前沿和风险控制问题等。