论文部分内容阅读
VaR风险度量是重要的金融风险度量工具，也是目前业界广泛应用的风险度量和风险管理技术，是金融计量研究中的重要议题之一。金融风险度量是对金融风险水平的分析和估量，包括衡量各种风险导致发生损失的可能性大小以及损失发生的范围和程度，是进行风险管理的核心内容和最基础的技术。通常计算VaR的方法主要是基于资产收益率分布来度量其尾部分位数，从而获得VaR风险度量。但是，通常的VaR度量方法都没有直接考虑风险因素，因而无法识别和度量所研究风险的来源，以及风险因素的贡献度，甚至在复杂的数据类型下，该类方法是失效的。另外，金融风险的复杂性，使得总的VaR风险度量并不是各风险因素的简单线性叠加，而可能存在复杂的交互影响和动态效应(如时变性)。因此，复杂风险因素下的风险度量方法的研究仍然是一个重要的未解决问题，也是本文感兴趣的研究问题之一。
尽管VaR风险度量由于其简单性得到了广泛的应用，但是风险管理者往往更关心的问题是：如果超过VaR值的损失真的发生了，损失的大小会是多少。此时，当更关心极端损失的大小时，VaR风险度量不再是一个合适的工具。众所周知，VaR风险度量对极端损失的大小并不敏感，它关心的只是极端损失发生的可能性。为了克服VaR度量的这一缺陷，一些度量极端损失大小的工具应运而生，包括预期不足ES(Expected Shortfall)，期望分位数EVaR(Expectile-based VaR)，CVaR(Conditional VaR)，Copula等大量关于VaR度量的改进和创新度量方法。
但是，现有的VaR和EVaR风险度量技术，很少或者未曾考虑资产相关性及宏观因素的影响，因而不能说明或解释风险的来源。事实上，风险度量是依赖于经济状态的，在不同的经济环境和市场条件下，风险是迥然不同的。因此，适当的风险度量方法应当能够综合考虑当前的经济和投资环境信息。但是，过度引入风险因素，在风险度量模型构建中，可能引起“维数祸根”。为了解决“维数祸根”问题，一种办法就是建立参数多因素模型。但是参数模型可能存在模型误判，也即为模型风险。本文提出一类变系数风险度量模型，推广了条件CVaR和条件EVaR风险度量模型。该类模型可以同时克服“维数祸根”和模型误判等模型风险，并且可以包括各种宏观因素、行业因素和个体因素在内的风险度量新技术，解决动态风险因素、风险交互效应以及特有的风险特质的时间滞后性综合作用下的风险度量问题。本文的第二章和第三章主要研究复杂风险因素的条件CVaR和EVaR风险度量方法。
在风险度量中，另一个具有挑战性的问题是风险传染，特别是交易对手违约造成的违约风险传染性问题。如何在风险度量中加入风险传染也是风险度量重要的研究议题，同时由于风险传染机制的复杂性和相关性，也使风险的度量更具有挑战性。本文的第四章对造成风险蔓延的信用违约传染机制进行了深入的分析，在此基础上，本文第五章基于强度模型，提出在状态变量中包含行业特有因素来刻画行业间可能存在的信用传染效应的一般模型，扩展了现有的违约预报模型，即公司间的违约相关性既源于共同的宏观经济变量的影响，也源于微观的行业共同因素的影响(该风险源导致了传染性)。所提出的模型除了可以引入传染因素外，还可以考虑动态的风险因素对风险度量的影响，从而可以动态地进行违约风险预报。
金融或经济中重大或突发事件可能导致资产收益率的巨大波动，甚至产牛结构性的改变。变点结构检测是一类重要的分析结构性突变发生的时间和强度大小的计量方法，也是一类重要的研究问题。经济的实际运行中会经常受到外生事件的冲击，如金融危机、体制转变、政策性协调等，这使得经济变量数据(资产收益，汇率等)往往具有结构性突变。变点结构检测可用于研究某一金融政策的颁布实施后，金融市场的承受能力检验，以及金融风暴发生后，金融市场的稳定性检验等问题。另外，结构变点对金融市场数据统计分析和金融产品价格预测也有重大影响。本文第六章研究了金融与经济中重大或突发事件对市场收益影响的风险模型，发展了检验收益函数的跳点和尖点的小波技术与方法，由于经济与金融数据中经常带有异方差，从而也使得变点检测的统计推断更有挑战性。
本文将统计推断方法应用到研究金融风险的度量和管理中的热点问题，包括复杂风险因素的条件CVaR和EVaR风险度量，金融危机下的信用违约传染效应，以及结构性变点的检测问题。本文共包括七章，各章的主要内容如下：
第一章介绍本文的研究背景和研究内容的概况；综述了与金融风险度量有关的国内外文献，并针对风险度量模型存在的问题及本文的研究意义和科学价值进行叙述。
第二章主要是讨论不完全观测数据下的条件CVaR风险度量问题。本章在右删失数据下，研究了变系数的分位数回归模型，所提出的模型框架可以用来研究包括VaR风险度量等相关问题，如教师晋升风险因素中性别差异的影响，公司治理中的大股东监管问题，等等。
第三章发展了一种新的基于Expectile的风险度量工具EVaR。该章扩展了简单线性期望分位数(EVaR)回归模型到变系数的EVaR风险度量模型，提出变系数EVaR风险度量模型，并进行了相关分析。在极端风险情况，各种复杂因素环境下，该模型较CVaR度量对极端值更加敏感，并且数学上比CVaR也更容易求解，同时变系数EVaR风险模型除了具有变系数CVaR模型的优点外，还具有比CVaR模型度量极端风险更加精确的特性。
第四章是在2008年金融危机的背景下，对造成违约蔓延的传染机制进行了深入的分析。该章从不同的传染机制出发，构造违约传染模型。通过模型中的参数可以定量研究公司违约的传染效应。同时，提供了一个控制金融危机爆发的定量策略，此结果对金融机构和监管者在风险的度量和管理方面具有重要的指导和借鉴意义。
第五章研究了金融危机中带有传染效应的违约预报模型，所提出的Cox传染效应模型考虑了多阶段动态的协变量过程，可以进行带传染因素的多阶段违约预报。主要创新是：通过引入行业因素研究可能存在的传染效应，改善Duffie等[91]因忽略微观行业变量的影响导致违约相关性低估的问题。其次，所提出的边际模犁无需对相关性结构作任何假设，通过数据自动选择得到一个更有效估计。同时给出了一种更有效的处理相依数据的方法。
第六章建立了金融与经济中重大或突发事件对收益率影响的风险模型，提出了检验收益率函数的变点估计及检测方法。采用小波分析方法构造了一种检测收益函数变点和尖点的检验方法，可以处理异方差性的观测数据。其次，提出的检验方法即可检测跳点，也可以用于检测尖点，应用更加广泛。最后，所提出的检验方法较现有的检验方法具有更快的收敛速度，更加有效。
第七章是全文工作的总结和展望。