2008年次貸危機(jī)以來(lái),人們逐漸意識(shí)到傳統(tǒng)的風(fēng)險(xiǎn)管理理論對(duì)極端金融風(fēng)險(xiǎn)的發(fā)生與影響存在明顯的低估,且危機(jī)發(fā)生時(shí)風(fēng)險(xiǎn)管理者缺乏應(yīng)對(duì)此類風(fēng)險(xiǎn)的有效措施,最終導(dǎo)致巨額損失的產(chǎn)生。全面風(fēng)險(xiǎn)管理理論已提出將極端金融風(fēng)險(xiǎn)的管理納入到整個(gè)風(fēng)險(xiǎn)管理的體系中,針對(duì)極端金融風(fēng)險(xiǎn)的研究已逐漸成為風(fēng)險(xiǎn)管理理論研究的熱點(diǎn)之一。風(fēng)險(xiǎn)的合理量化既是風(fēng)險(xiǎn)管理的核心內(nèi)容,也是整個(gè)風(fēng)險(xiǎn)管理的基礎(chǔ)。根據(jù)風(fēng)險(xiǎn)的影響范圍,金融市場(chǎng)的極端風(fēng)險(xiǎn)可從兩個(gè)層次上進(jìn)行量化:就單一市場(chǎng)而言,某產(chǎn)品收益率若落在某個(gè)既定范圍之外可認(rèn)為發(fā)生了一次極端事件,若將該事件造成的損失估計(jì)值作為量化極端風(fēng)險(xiǎn)的指標(biāo),則損失估計(jì)值越大,意味著極端風(fēng)險(xiǎn)程度越高;就多個(gè)市場(chǎng)而言,比起風(fēng)險(xiǎn)損失估計(jì)值,人們更關(guān)心極端風(fēng)險(xiǎn)在市場(chǎng)之間傳染的可能性,若將尾部風(fēng)險(xiǎn)相依程度的大小作為量化極端風(fēng)險(xiǎn)的指標(biāo),則市場(chǎng)間尾部風(fēng)險(xiǎn)相依程度越高,意味著發(fā)生極端風(fēng)險(xiǎn)傳染的可能性越強(qiáng)。本文分別從單市場(chǎng)和多市場(chǎng)這兩個(gè)層次對(duì)極端金融風(fēng)險(xiǎn)測(cè)度模型展開(kāi)研究。一是針對(duì)單一金融市場(chǎng)的極端風(fēng)險(xiǎn)測(cè)度模型研究。本文從收益率序列的波動(dòng)水平、尾部分布形式、風(fēng)險(xiǎn)測(cè)度方法這三個(gè)角度,對(duì)以SV-POT-VaR為代表的風(fēng)險(xiǎn)... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：137 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．１?ＶａＲ的扭曲函數(shù)圖（ｐ＝０．３）??Ｆｉｇ．?２．１?Ｔｈｅ?ｄｉｓｔｏｒｔｉｏｎ?ｆｕｎｃｔｉｏｎ?ｏｆ?ＶａＲ（／？＝０．３）??

圖２．２?ＥＳ的扭曲函數(shù)圖〇７＝０．３）??Ｆｉｇ．?２．２?Ｔｈｅ?ｄｉｓｔｏｒｔｉｏｎ?ｆｕｎｃｔｉｏｎ?ｏｆ?ＥＳ（／？＝０．３）??測(cè)度??Ｍａｙ〇ｒａｌ［９２ｈｉＥ明了在一定條件下，譜風(fēng)險(xiǎn)測(cè)度與扭曲風(fēng)險(xiǎn)測(cè)一個(gè)連續(xù)的譜風(fēng)險(xiǎn)測(cè)度的權(quán)重函數(shù)為４＞＜？，且ＭＷ－ｘ）足一致性的扭曲風(fēng)險(xiǎn)測(cè)度Ｄｇ［ｘ］?＝?－Ｘ），且它的扭曲函了用己知的譜風(fēng)險(xiǎn)測(cè)度構(gòu)造一個(gè)扭曲風(fēng)險(xiǎn)測(cè)度的方法，同理，的扭曲風(fēng)險(xiǎn)測(cè)度來(lái)構(gòu)造相應(yīng)的譜風(fēng)險(xiǎn)測(cè)度。??一個(gè)扭曲風(fēng)險(xiǎn)測(cè)度Ｄｇ［ｘ］，它的扭曲函數(shù)ｇ［ｕ）是凹函數(shù)，則一個(gè)譜風(fēng)險(xiǎn)測(cè)度Ｍ＋ｉＸ），使�。唇恚ǎ蓿�?＝?０９［－Ｘ］。??之外，Ｗｉｒｃｈ和Ｈａｒｄｙ［３７］證明了當(dāng)且僅當(dāng)扭曲函數(shù)為凹函數(shù)一致性框架的條件。當(dāng)扭曲函數(shù)為嚴(yán)格凹函數(shù)時(shí)，扭曲風(fēng)險(xiǎn)

ＰＨ［ｘ］?＝?ｆ?［Ｆ（ｘ）］ｒｄｘ＋?［?｛［Ｆ（ｘ）］ｒ?－?ｌ｝ｄｘ??』—ｃｏ??當(dāng)０＜６１時(shí)，即比例扭曲函數(shù)為凹函數(shù)時(shí)，比例轉(zhuǎn)換測(cè)度滿足一致性條件（如圖２．３??所示）。當(dāng)ｘ是非負(fù)變量時(shí)，Ｐ沖］可簡(jiǎn)化為：＝??比例扭曲函數(shù)??＾?＾?????ｓ?＝＇＇?＾??〇?Ｉ?Ｉ?Ｉ?Ｉ??０．０?０．２?０．４?０．６?０．８?１．０??ｕ??圖２．３比例扭曲函數(shù)圖（ｒ＝ｌ，０．６７，０．３３）??Ｆｉｇ．?２．３?Ｔｈｅ?ｄｉｓｔｏｒｔｉｏｎ?ｆｕｎｃｔｉｏｎ?ｏｆ?ｔｈｅ?ＰＨ?Ｔｒａｎｓｆｏｒｍ（ｒ＝ｌ，０．６７，０．３３）??從上圖可以看出，比例轉(zhuǎn)換扭曲函數(shù)對(duì)損失越高處（對(duì)應(yīng)發(fā)生概率ｗ較小處）的扭曲??程度越高，且隨著參數(shù)ｒ的減小，ｗ的扭曲更明顯，對(duì)應(yīng)的風(fēng)險(xiǎn)在整個(gè)概率分布中所占??比重也越來(lái)越大。??４二階隨機(jī)占優(yōu)是指，對(duì)兩個(gè)風(fēng)險(xiǎn)義和｝＾如果對(duì)所有的；《：２〇，有／７５（（）介５／７５（〇辦，則稱義二階隨機(jī)占優(yōu)｝＾??表示ＳＡ＞２ｎｄｙ。一階隨機(jī)占優(yōu)指對(duì)所有的ｔ乏〇，如果巧則稱義一階隨機(jī)占優(yōu)ｙ，表示為辦ｌｓｔｙ。??２

【參考文獻(xiàn)】：
期刊論文
[1]股災(zāi)背景下滬深股市波動(dòng)率的結(jié)構(gòu)轉(zhuǎn)換特征分析[J]. 羅君,喬高秀,王璐.  統(tǒng)計(jì)與決策. 2018(10)
[2]基于Markov狀態(tài)轉(zhuǎn)換模型的三種市場(chǎng)資產(chǎn)波動(dòng)率行為及其相關(guān)分析[J]. 繆程程,周勇.  數(shù)理統(tǒng)計(jì)與管理. 2018(05)
[3]基于已實(shí)現(xiàn)SV模型的動(dòng)態(tài)VaR測(cè)度研究[J]. 吳鑫育,周海林.  管理工程學(xué)報(bào). 2018(02)
[4]股指期貨與現(xiàn)貨價(jià)格影響研究綜述[J]. 陳康,尤超.  現(xiàn)代管理科學(xué). 2018(04)
[5]基于Beta-Skew-t-EGARCH-POT模型的極值風(fēng)險(xiǎn)測(cè)度研究[J]. 張保帥,金振琥.  南方金融. 2018(02)
[6]基于Expectile風(fēng)險(xiǎn)建模的原油價(jià)格風(fēng)險(xiǎn)測(cè)度研究[J]. 胡宗義,萬(wàn)闖,李毅.  統(tǒng)計(jì)與信息論壇. 2018(01)
[7]基于SV-POT-TDRM的滬深300股指期貨尾部風(fēng)險(xiǎn)研究[J]. 秦學(xué)志,郭明,宋宇.  系統(tǒng)管理學(xué)報(bào). 2017(05)
[8]我國(guó)金融市場(chǎng)尾部風(fēng)險(xiǎn)相依與區(qū)制轉(zhuǎn)移下的風(fēng)險(xiǎn)沖擊研究[J]. 嚴(yán)偉祥,張維.  金融評(píng)論. 2017(02)
[9]基于中國(guó)股票高頻交易數(shù)據(jù)的隨機(jī)波動(dòng)建模與應(yīng)用[J]. 張波,蔣遠(yuǎn)營(yíng).  統(tǒng)計(jì)研究. 2017(03)
[10]股市危機(jī)中股指期貨應(yīng)該限制交易嗎——基于2015年股市危機(jī)的實(shí)證分析[J]. 劉成立.  統(tǒng)計(jì)與信息論壇. 2017(01)

博士論文
[1]扭曲風(fēng)險(xiǎn)測(cè)度下的最優(yōu)再保險(xiǎn)模型[D]. 崔偉.北京大學(xué) 2012

碩士論文
[1]偏正態(tài)分布下扭曲風(fēng)險(xiǎn)測(cè)度的應(yīng)用研究[D]. 邱玲.西南財(cái)經(jīng)大學(xué) 2012



本文編號(hào)：3242938