Star-Shaped deviations
我们提出了与星形风险度量和星形可接受性指标相同的星形偏差度量。我们通过星形接受集和作为凸偏差测度族的最小值来表征星形偏差测度。我们还揭示了星形风险措施和偏差措施之间的相互作用。
2022-07-18 q-fin.RM
Star-shaped Risk Measures
本文刻画了正超齐次的货币风险测度,即星型风险测度,并研究了其性质。这一类的措施,产生时有争议的次可加性属性的一致风险措施是免除和正齐性被削弱,包括所有实际使用的风险措施,特别是,凸风险措施和风险价值。从财务角度来看,我们对凸性的放松对于量化存在流动性风险、竞争性授权或稳健的聚集机制的风险敞口的资本要求是必要的。从决策理论的角度来看,星形风险措施出现时,风险缓解策略可以通过一个理性的决策者的变分偏好。
2022-04-29 econ.TH math.FA q-fin.RM
Optimizing S-shaped utility and implications for risk management
我们认为市场参与者的尾部风险寻求行为的例子是S形效用介绍了卡尼曼和特沃斯基。我们认为,风险度量,如风险价值(VaR)和预期损失(ES)是无效的约束这些球员。我们发现,在许多标准的市场模型中,产品设计的目的是效用最大化是不受约束的风险值或ES界:最大化的效用对应于最优收益是相同的或没有ES约束。相比之下,我们表明,在合理的市场,风险管理约束的基础上,第二个更传统的凹效用函数可以减少最大的S形效用,可以实现的投资者,即使约束的效用函数只是相当温和的凹。由此可见,当用这种传统效用函数来衡量时,导致无界S形效用的产品设计将导致无界负预期约束效用。为了证明这些后者的结果,我们解决了一个一般性的问题,优化投资者的期望效用下风险管理的约束,投资者和风险管理人员都有传统的凹效用函数,但投资者有有限的责任。我们说明我们的结果与布莱克-斯科尔斯期权市场的例子。考虑到风险价值的历史作用以及巴塞尔委员会在2012- 2013年认可的ES,这些结果尤为重要。
2018-01-29 q-fin.RM
Tsallis Relative entropy from asymmetric distributions as a risk measure for financial portfolios
在早期的研究中,我们发现,Tsallis相对熵(TRE),这是Kullback-Leibler相对熵(KLRE)的推广到非广泛的系统,可以作为一个可能的风险度量在构建风险最优投资组合,其回报超过市场回报。从长期来看(> 10年),作为风险度量的TRE的风险-收益曲线比资本资产定价模型(CAPM)常用的风险度量“beta”的风险-收益曲线表现出更一致的行为。在这些研究中,从TRE导出的模型分布是对称的。然而,观察表明,金融市场和股票的收益率分布在正收益率和负收益率方面一般是不对称的。在这项工作中,我们推广TRE的非对称情况下(ATRE)考虑数据分布作为两个独立的归一化分布的线性组合-一个为负收益,一个为正收益。这两个独立的分布都是具有不同的非扩展性参数q和温度参数b的半q-高斯分布。的风险回报(超过市场回报)模式进行了调查,使用ATRE作为风险度量。结果进行了比较,从其他两个风险措施:TRE和Tsallis相对熵S-来自负收益。对数据(包括互联网泡沫、2008年崩盘和新冠肺炎疫情期间的数据)进行的长期(20年)和短期(10年)测试表明,所有三种风险指标的风险-超额收益率曲线都可以获得线性拟合。然而,在混乱的市场条件下(崩溃)使用S-作为风险创建的投资组合的拟合显示出更高的斜率,指向给定风险值的更高回报。此外,在这种情况下,即使是短期投资组合的超额收益率仍然是正的,而与市场行为无关。
2022-05-26 q-fin.RM q-fin.ST
Risk Without Return
在过去十年中,由于传统的投资策略未能达到回报目标,纯风险投资策略越来越受欢迎。然而,风险投资者应该注意四件事。首先,理论思考和实证研究表明,显然独裁的风险为基础的投资策略是一个单一的效果的表现。第二,营业额和相关的交易成本可能会严重拖累回报。第三,资本多元化的好处可能会减少。第四,业绩和风险分散之间存在明显的联系。为了以一致的方式分析风险分散化的好处,我们引入了风险分散化指数(RDI),该指数衡量风险集中度,并补充了赫芬达尔-赫希曼资本集中度指数(HHI)。
2013-09-02 q-fin.PM q-fin.RM q-fin.ST
Entropic Value-at-Risk parity for tempered stable returns
本文提出调和稳定收益下的熵风险价值平价方法,构建逆风险平价与等风险贡献组合,实证显示其夏普比率优于等权重。
2026-09-11 q-fin.PM q-fin.RM
Quantum Financial Economics - Risk and Returns
金融波动风险及其与商业周期相关的内在时间的关系是通过多轮进化量子博弈均衡导致金融回报和风险动态中的湍流和多重分形签名来解决的。对模型进行了模拟,并将模拟结果与实际金融波动数据进行了比较。
2012-01-02 nlin.AO physics.soc-ph q-fin.RM
Measurement of Common Risk Factors: A Panel Quantile Regression Model for Returns
本文研究了如何使用新提出的面板分位数回归模型来度量常见的市场风险因素。通过探索波动率跨越收益分布的所有分位数的事实,并使用惩罚固定效应估计量,我们能够控制金融资产之间的异质性,否则无法观察到。所提出的方法的直接好处是揭示在投资组合的风险价值预测应用程序中,我们的建模策略的表现显着优于几个基准模型,根据统计和经济比较。特别是,回报率的面板分位数回归模型在5\%和10\%分位数方面始终优于所有竞争对手。良好的统计表现直接转化为经济收益,这在全球最低风险价值投资组合和Markowitz式比较中得到了证明。我们的研究的总体结果是重要的正确识别的系统性风险的来源,特别是高维应用程序的吸引力。
2017-08-29 q-fin.PR q-fin.RM
Quantile-based modeling of scale dynamics in financial returns for Value-at-Risk and Expected Shortfall forecasting
University of Alabama(阿拉巴马大学);Laval University(拉瓦尔大学)
本文提出一种半参数方法,通过限制分位数回归建模金融收益率的条件尺度,用于预测风险价值和预期短缺,展现其在极端损失估计和捕捉偏态、厚尾和杠杆效应方面的优势。
2026-03-16 econ.EM q-fin.RM
Risk, VaR, CVaR and their associated Portfolio Optimizations when Asset Returns have a Multivariate Student T Distribution
我们展示了如何减少计算风险值和CVaR的学生T回报分布的分析函数的时刻的评价的问题。这使得系统的风险属性分析可以在风险函数的选择(例如,VaR与CVaR)、收益分布的选择(幂律尾与高斯分布)和事件频率的选择之间仔细归因,以进行风险评估。当资产收益服从标准多元T分布时,我们利用这一点为投资组合优化提供了一个简单的方法。这可以用作更一般的优化器的半分析验证工具,以及用于较短时间范围内肥尾对资产配置的影响的实际评估。
2011-02-28 math.OC q-fin.PM q-fin.RM
Geometrically convex return risk measures on AM-algebras
RPTU University Kaiserslautern-Landau(凯泽斯劳滕-兰道技术大学)
将收益风险度量从有界随机变量空间推广到一般有序向量空间,并在AM-代数上研究几何凸性,建立与货币风险度量的联系,提出系统性和向量值收益风险度量新类,给出有限性、连续性、对偶和聚合表示结果。
2026-09-03 q-fin.MF q-fin.RM
Risk and Return models for Equity Markets and Implied Equity Risk Premium
股权风险溢价是财务中每个风险和回报模型的核心组成部分,也是企业融资和估值中估计股权和资本成本的关键输入。Damodaran的一篇文章研究了估计股权风险溢价的三种主要方法。第一种是基于调查的,它包括询问普通投资者或像养老基金经理这样的大公司,他们需要什么作为投资股票的溢价。第二种方法是观察股票投资相对于无风险投资的历史溢价。第三种方法试图通过分析今天市场上的股票价格来推断市场对股票风险溢价的共识(隐含股票风险溢价)。在介绍了一些基本概念和模型之后,我将简要说明前两种方法的优缺点,并对第三种方法进行更深入的分析。最后,我将使用隐含ERP(第三种)方法的变体,展示我对真实数据的ERP估计结果。
2019-03-18 q-fin.PR q-fin.RM
Dynamic Network Risk
本文在股票收益率的横截面上考察了短期和长期动态网络风险的定价问题。对动态网络风险高度敏感的股票回报率较低。我们合理化我们的发现与经济理论,允许随机贴现因子加载网络风险通过预防性储蓄渠道。长期(短期)网络风险负荷增加一个标准差,年化预期收益率下降7.66%(6.71%)。
2020-07-11 q-fin.GN q-fin.RM
On the Return Distributions of a Basket of Cryptocurrencies and Subsequent Implications
本文评估和评估了与加密货币(CC)资本配置相关的风险。在这方面,我们考虑了一篮子27个CC和CC指数EWCI $^-$。在考虑了一系列的统计检验,我们发现稳定分布(SDI)是最合适的模型的身体的CC回报。然而,由于我们发现SDI在高分位数的尾部区域具有不太有利的特性,因此广义帕累托分布适用于更精确的风险评估。我们使用两种分布的组合来计算风险价值和条件风险价值,表明CC的两个亚组具有不同的风险特征。
2021-05-26 q-fin.RM
Risks and Returns of Uniswap V3 Liquidity Providers
分散式交易所(DEXes)的交易执行是自动的,不需要匹配单个买入和卖出订单。相反,来自单个流动性提供者的池中聚集的流动性使加密货币之间的交易成为可能。以交易量衡量的最大DEX,Uniswap V3,承诺为资本效率优化DEX设计。然而,Uniswap V3比以前的DEX设计需要流动性提供者做出更多的决定。在这项工作中,我们开发了一个理论模型来说明Uniswap V3流动性提供者所面临的选择及其影响。我们的模型表明,在Uniswap V3上提供流动性是非常复杂的,需要用户考虑许多因素。我们对真实Uniswap V3流动性提供者的风险和回报的支持数据分析强调,Uniswap V3中的流动性提供非常复杂,表现可能会有很大差异。虽然在价格波动性可忽略不计的流动性池中,流动性提供者有一些简单而有利可图的策略,但这些策略只能产生适度的回报。相反,只有接受更大的财务风险,并以积极管理为代价,才能获得可观的回报。因此,随着Uniswap V3的推出,提供流动性已成为一个为成熟玩家保留的游戏,零售交易员没有机会。
2022-09-21 q-fin.RM
Risk Limited Asset Allocation with a Budget Threshold Utility Function and Leptokurtotic Distributions of Returns
本文提出了一种基于预算阈值效用函数和 leptokurtotic 收益分布的风险受限资产配置方法,通过简单结构的函数形式实现了单时间 horizon 资产配置的分析解。
2025-12-16 q-fin.PM q-fin.RM
Monte Carlo Portfolio Optimization for General Investor Risk-Return Objectives and Arbitrary Return Distributions: a Solution for Long-only Portfolios
我们发展了使用随机投资组合的蒙特卡罗抽样来解决证券投资问题的思想。在这第一篇论文中,我们探讨了需要更一般的优化工具,并考虑约束随机投资组合可能产生的手段。一个实用的计划,只有充分投资的问题,开发和测试的经典QP应用程序。蒙特卡罗方法的优点是,它们可以扩展到风险函数,这些风险函数是收益分布的更复杂的函数,并且可以在没有经典高斯限制的情况下计算潜在的收益分布。二次风险收益函数的优化,即风险值、CVaR,可以用类似于Sortino和Omega的变异率,或类似于期望效用及其行为金融扩展的数学结构的方式来处理。也有可能进行强化。网格计算技术是一个很好的平台,这种计算的发展,由于内在的并行计算的性质,再加上需要在网格上传输只有小数据包。我们给出了一些部署GridMathematica的例子,在这些例子中,不同的投资者风险偏好被优化为不同的多元分布。当采用“边顶点有偏”抽样方法创建随机投资组合时,与均值-方差和CVaR优化的已有结果进行了很好的比较。我们也给出了一个应用Omega优化。
2010-08-22 q-fin.CP q-fin.PM q-fin.RM
The case of 'Less is more': Modelling risk-preference with Expected Downside Risk
本文讨论了另一种解释的实证研究结果矛盾的积极关系之间的风险(方差)和回报(预期收益率)。我们发现,这些矛盾的结果可能是由于错误的定义的风险感知,我们通过引入预期下行风险(EDR)纠正。EDR参数,类似于预期损失或条件风险价值,测量尾部风险,但是,适合并更好地解释投资者的效用感知。我们的研究结果表明,当使用EDR作为风险度量时,预期收益率与风险之间的正关系和负关系可以在标准条件下(例如,期望效用理论和正风险厌恶)导出。因此,不需要其他心理学解释或效用理论的额外边界条件来解释这一现象。此外,我们的经验表明,它是一个更精确的线性预测预期收益率比波动率,无论是对个别资产和投资组合。
2017-04-18 q-fin.RM
Replication of Reference-Dependent Preferences and the Risk-Return Trade-Off in the Chinese Market
本研究复制Wang等(2017)在中国市场的发现,利用1995-2024年数据及CGO代理,揭示高CGO公司风险收益关系弱化且交互效应多为负,表明参考依赖作用较弱,需定制投资策略。
2025-05-27 q-fin.RM q-fin.ST
An intelligent algorithmic trading based on a risk-return reinforcement learning algorithm
Shandong University of Finance and Economic(山东财经大学)
这篇科学论文提出了一种新的投资组合优化模型,使用改进的深度强化学习算法。该优化模型的目标函数是投资组合累积收益率的期望值与风险价值(VaR)的加权和。该算法基于actor-critic结构,其中关键网络的主要任务是利用分位数回归学习投资组合累积收益率的分布,actor网络通过最大化上述目标函数输出最优投资组合权重。同时,我们利用一个线性转换函数来实现资产卖空。最后,使用多进程方法Ape-x来加快深度强化学习训练的速度。为了验证我们提出的方法,我们进行了两个代表性的投资组合的回测,并观察到,在这项工作中提出的模型是优于基准策略。
2022-08-28 cs.LG q-fin.RM
Minimal Investment Risk with Cost and Return Constraints: A Replica Analysis
以往基于统计力学信息学的投资组合优化预算约束问题的研究没有考虑到每种资产的单位购买成本是不同的。此外,最优投资分配因可投资资金规模而异的事实也被忽视。在本文中,我们探讨的问题,投资风险最小化,利用复制分析。这个问题带来了成本和回报的限制。我们还推导了最优解所表示的宏观理论,并通过数值实验证实了我们所提出的方法的有效性。
2019-01-30 cond-mat.dis-nn cond-mat.soft q-fin.PM
The Variance of Standard Option Returns
绝大多数关于期权定价的工作都是基于风险中性定价的假设,因此主要关注期权收益的期望值,而不考虑风险参数,如方差。我们表明,它是可能的,以明确的公式为欧式期权收益率(香草呼叫和看跌期权,以及障碍期权)的方差,并为美式期权的方差可以使用PDE方法计算,涉及修改后的Black-Scholes PDE。我们展示了如何需要考虑风险参数,如方差,以及到期无价值的概率(PEW),自然产生的个人投资者的选择。此外,我们表明,波动率微笑出现在一个简单的风险寻求期权定价模型。
2012-04-16 q-fin.PR q-fin.RM
Recurrence interval analysis of high-frequency financial returns and its application to risk estimation
本文研究了中国股票市场两个指数和20只个股的连续1分钟收益率高于正阈值$q>0$或低于负阈值$q<0$的重现区间$τ$的概率分布。正、负阈值的重现区间分布是对称的,并通过Kolmogorov-Smirnov(KS)统计量、加权KS统计量和Cramér-von Mises准则三种拟合优度测度检验,呈现幂律尾。在正阈值和负阈值$q$的复发间隔中观察到长期和短期记忆效应。在此基础上,我们进一步将递归区间分析应用于中国股票市场的风险估计中,分别基于概率$W_q(Δ{t},t)$、风险价值(VaR)分析和基于前一个递归区间的VaR分析。
2009-09-01 q-fin.RM q-fin.ST
Value-at-Risk forecasting model based on normal inverse Gaussian distribution driven by dynamic conditional score
在动态条件评分的框架下,提出了一种基于正态逆高斯分布的风险价值参数预测模型(NIG-DCS-VaR),该模型创造性地将日内信息融入到每日的VaR预测中。NIG为收益率指定了一个合适的分布,并且NIG参数的半可加性使得可以根据日内收益率来改进日收益率的估计,从而可以通过计算重新估计的日收益率分布的分位数来显式地获得VaR。本文利用中国股票市场的两个主要指数进行了实证分析,通过多种回测方法和模型置信集方法证明了NIG-DCS模型的VaR预测总体上优于已实现GARCH(RGARCH)模型。特别是当风险水平较高时,NIG-DCS-VaR在覆盖能力和独立性方面优于RGARCH-VaR。
2021-10-06 q-fin.RM
Risk reduction and Diversification within Markowitz's Mean-Variance Model: Theoretical Revisit
均值-方差(MV)投资组合理论的传统观点认为,风险和分散化之间的关系本质上是一个递减的渐近函数,其渐近线近似于投资组合的系统风险或不可分散风险的水平。该文献假设投资者持有等权重或MV投资组合,并使用投资组合规模量化投资组合多元化。然而,当且仅当资产收益率分布是可交换的或投资者没有关于资产预期收益率和风险的有用信息时,等权重投资组合和投资组合规模是MV最优的。此外,所有的文献,绝对是所有的文献,都只关注风险资产,忽略了无风险资产在有效多元化中的作用。因此,它变得有趣和重要的是要回答这个问题:当投资者有充分的信息,资产预期收益率和风险和资产收益率分布是不可交换的情况下,无风险利率是可用的或没有,这种传统的智慧是如何有效的?不幸的是,这个问题从来没有在目前的文献中得到解决。本文填补了这一空白。
2016-08-18 q-fin.PM q-fin.RM
Panel quantile regressions for estimating and predicting the Value--at--Risk of commodities
本文研究了已实现波动率和期权隐含波动率与商品收益率未来分位数的关系。已实现波动率衡量的是事后的不确定性,而期权价格隐含的波动率揭示了市场的预期,通常被用作投资者情绪的事前衡量标准。使用一个灵活的面板分位数回归框架,我们展示了商品收益率的未来条件分位数如何依赖于事后和事前的不确定性度量。对包括能源、食品、农业、贵金属和工业金属在内的主要部门的流动性最强的商品进行的实证分析揭示了有关数据的几个重要的典型事实。我们记录了未来分位数收益率与事后和事前波动率之间依赖关系的常见模式。我们进一步证明了条件收益率分布是平峰时不变的。该方法可以作为一个有用的风险管理工具,投资者感兴趣的商品期货合约。
2018-07-31 q-fin.RM
Cash-subadditive risk measures without quasi-convexity
本文研究无需拟凸性的现金次可加风险度量,证明其可表示为拟凸现金次可加风险度量的下包络,并引入拟星形性获得相应表示结果。
2025-01-26 math.PR q-fin.MF q-fin.RM
Modelling catastrophic risk in international equity markets: An extreme value approach
这封信使用块极大值极值方法来量化国际股票市场的灾难性风险。风险度量是从收益分布的设定阈值中产生的,该阈值避免了对表现出不同风险水平的市场使用绝对收益的陷阱。从对领先市场的应用来看,这封信发现日经指数比富时指数和道琼斯指数更容易发生灾难性风险。
2011-03-29 q-fin.RM q-fin.ST
Measuring the risk or reducing it, that is the question: is risk measurement necessary for risk reduction?
University of Milano-Bicocca(米兰比可卡大学)
本文提出通过矩阵谱分析实现风险减少,无需依赖风险测量,通过识别高风险情景并降低投资敞露来降低风险,实验证明其有效性。
2026-04-30 q-fin.RM
Tail risk forecasting with semi-parametric regression models by incorporating overnight information
本研究提出RES-CAViaR-oc模型族,融合隔夜收益与已实现波动率,利用贝叶斯方法联合预测VaR和ES,实证表明其有效提升尾部风险预测精度。
2024-02-11 q-fin.RM stat.AP
Portfolio optimization with two coherent risk measures
我们提供了两个一致性风险度量的静态投资组合优化问题的分析结果。两个风险度量的使用是由投资组合选择的联合决策所激励的,其中投资组合经理的风险感知是主要关注的,因此,它出现在目标函数中,并且外部权威的风险感知也需要考虑在内,其以风险约束的形式出现。该问题包括风险最小化问题的预期收益率约束和预期收益率最大化问题的风险约束,作为特殊情况。对于资产收益率服从任意联合分布的一般情形,在一定条件下,我们将最优投资组合刻画为一个等式约束对偶问题的最优拉格朗日乘子.然后,我们考虑高斯收益的特殊情况下,它是可能的,以确定所有的情况下,最优解存在,并给出一个明确的公式,只要它存在的最优投资组合。
2020-07-11 math.OC q-fin.PM q-fin.RM
A return-diversification approach to portfolio selection
本研究提出收益-分散化双目标投资组合选择模型,扩展最大分散化方法并给出多风险度量下的显式公式,实证表明该模型组合表现优于单一分散化或经典风险收益策略。
2023-12-15 q-fin.CP q-fin.PM q-fin.RM
A Financial Risk Analysis: Does the 2008 Financial Crisis Give Impact on Weekends Returns of the U.S. Movie Box Office?
2008年的金融危机是一场全球性的金融危机,导致了自20世纪30年代以来最严重的全球经济衰退。根据国际货币基金组织(IMF)的数据,全球金融危机在2007年至2010年期间给全球金融机构造成了3.4万亿美元的损失。危机对美国电影票房的回报有影响吗?通过对基于极值理论的金融风险模型的分析,以及风险价值(VaR)和预期损失(ES)的计算来回答这一问题。比较了1982 - 1995年和1996 - 2010年两个时期的VaR和ES值。结果表明,在这两个时间段内,电影产业投资亏损的可能性相对低于盈利的可能性。第二个时期的VaR和ES值高于第一个时期。我们能够得出结论,二零零八年金融危机对第二期间的该等计量值并无重大影响。这一结果说明了美国电影制片商投资的高潜力机会。
2013-06-05 q-fin.RM
Forecasting the distribution of long-horizon returns with time-varying volatility
长期回报的研究近年来受到了极大的关注(例如,参见Boudoukh,Richardson和Whitelaw(2008),Neuberger(2012)和Lee(2013),Fama和French(2018))。虽然大部分的讨论都是关于投资的一些实际问题,但很少触及风险管理的重要方面。本文采用的方法是预测固定长期收益的未来分布,通过这种方法可以很容易地导出以分布函数形式出现的风险度量,如风险价值(VaR)和条件尾部期望(CTE)。我们的方法的特征是不需要指定波动率动态,也不需要对冲击分布进行参数假设,这将Ho et al.(2016)和Ho(2017)的工作扩展到更一般的波动率动态,其中包括广泛使用的SV模型和GARCH模型(Bollerslev,1986)作为特例。
2022-01-19 q-fin.RM
Standard and stressed value at risk forecasting using dynamic Bayesian networks
University of the Witwatersrand(威特沃特斯兰德大学);University of Cape Town(开普敦大学)
本文利用动态贝叶斯网络预测VaR和SVaR,发现其性能与传统模型相当,但为未来整合因果推理的研究提供了基础。
2025-12-05 q-fin.RM
Dynamic growth-optimum portfolio choice under risk control
研究了连续时间完全市场中对数收益率下的均值风险投资组合选择问题。这是一个带有风险控制的增长最优问题。对数收益率的风险是通过加权在险价值(WVaR)来衡量的,WVaR是风险价值(VaR)和预期损失(ES)的推广。我们刻画了最优终端财富的凹包络,并给出了当风险度量为VaR或ES时最优财富和投资组合策略的解析表达式.另外,我们发现当WVaR用于终端财富时,有效前沿是一条连接最小风险投资组合和增长最优投资组合的凹曲线,而不是一条垂直线。我们的研究结果提倡在动态投资组合选择中使用对数收益的均值-WVaR准则而不是终端财富。
2021-12-29 q-fin.MF q-fin.PM q-fin.RM
Risk and return prediction for pricing portfolios of non-performing consumer credit
本文设计了一个不良消费信贷风险分析和定价系统。随着消费信贷业务的快速发展,对逾期贷款形成的交易组合作为风险转移的方式的需求日益增加。然而,这个问题在技术上并不简单,相关的研究还很缺乏。我们通过构建一个自下而上的架构来应对这一挑战,在这个架构中,我们对每一笔贷款的偿还率分布进行建模,然后对投资组合的总体偿还率分布进行建模。为了解决所遇到的技术问题,我们采用了同步分位数回归,R-Copula和高斯单因子Copula模型的方法。据我们所知,这是第一个研究,成功地采用了自下而上的系统来分析消费贷款的信贷组合风险。我们进行了大量的数据实验,并证明我们的方法可以成功地应用于实际的业务任务。
2021-10-28 q-fin.PR q-fin.RM
The importance of dynamic risk constraints for limited liability operators
以往的研究表明,在风险价值或预期损失等流行的风险度量对于抑制具有S形效用函数的尾部风险寻求交易者的过度风险承担是无效的。然而,这些结论仅在约束条件是静态的,即风险度量仅应用于最终投资组合价值时才成立。在本文中,我们考虑了一个投资组合优化问题,具有S形效用和动态风险约束,这是强加在整个交易视野。在风险控制策略相对于资产表现足够严格的条件下,交易者的投资组合策略及其最大期望效用可以被动态风险度量有效地约束。最后,我们认为,动态风险约束可能仍然是无效的,如果交易员有机会进入衍生品市场。
2020-11-06 q-fin.PM q-fin.RM
A high-frequency approach to Realized Risk Measures
Scuola Normale Superiore(高等师范学校);University of Bologna(博洛尼亚大学);University of Siena(锡耶纳大学)
本文提出高频数据驱动的 RRM 方法,通过从属过程、移动平均滤波、厚尾建模及分布外推估计 VaR 与 ES,并在模拟和18只美股上验证其优于 RQ。
2025-10-18 q-fin.RM
The Impact of LIBOR Linked Borrowing to Cover Venture Bank Investment Loans Creates a New Systemic Risk
考虑了一种情况,即监管机构采取严厉措施,要求使用同业拆借资金覆盖所有风险银行投资贷款。在这种情况下,使用最低金额的违约保险,这样仍然满足1级和2级资本要求。为了做到这一点,所有投资贷款的违约保险比例被削减到3.88%,尽管最低为2.88%。结果如下:对于1.31X(十年总传统回报)或更高的投资组合,以2%或更高的利率,风险银行可以生存并获得丰厚的回报。对于1.5倍(十年总常规回报)的投资组合,银行可以在1.5%的利率以下获得非凡的回报,并在3%的利率下生存。兴趣然而,如果回报率下降,或者利率上升,那么风险银行很快就会陷入困境。结论:使用LIBOR资金限制了盈利能力,损害了银行的稳定性,对任何一方都没有明显的好处,从而给银行体系带来了新的系统性风险。
2019-12-31 q-fin.GN q-fin.RM
Fat Tails and Optimal Liability Driven Portfolios
本研究针对肥尾和极值风险测度下的负债驱动投资组合,提出极值偏差(XD)风险测度,优化每单位XD的收益,并分析配置的定性与定量特性。
2023-04-15 q-fin.PM q-fin.RM
The Risk-Adjusted Intelligence Dividend: A Quantitative Framework for Measuring AI Return on Investment Integrating ISO 42001 and Regulatory Exposure
Prof. Hernan Huwyler, MBA CPA(高级研究员、工商管理硕士、注册会计师)
本文提出一种量化框架,用于衡量AI投资回报,整合ISO 42001和监管暴露,以更准确评估AI项目风险与收益。
2025-11-26 cs.AI cs.CE cs.CY
Risk, utility and sensitivity to large losses
本文研究风险与效用泛函的大额损失敏感性,给出易检验的充要条件,证明风险价值、期望短缺通常不满足该性质,而期望效用等满足,且调整后二者也可具备该性质。
2024-05-20 q-fin.MF q-fin.RM
Machine Learning Portfolio Allocation
当使用机器学习在市场指数和无风险资产之间进行投资组合分配时,我们发现了经济和统计上的显著收益。最优投资组合规则的时变预期收益率和波动率的实现与两个随机森林模型。一个模型用于预测超额收益率与支付收益率的符号概率。第二个是用来构建一个优化的波动率估计。机器学习的回报-风险定时提供了对效用、风险调整收益率和最大回撤的买入并持有的实质性改进。本文提出了一个新的理论基础和统一的框架,机器学习应用于回报率和波动率的时间。
2021-11-04 q-fin.GN q-fin.PM q-fin.PR
Disaster Resilience and Asset Prices
本文研究了证券市场是否对社会距离对公司经营的影响进行了定价。我们记录到,在COVID-19爆发期间,即使在控制了标准风险因素后,对社交距离更具弹性的公司的表现也明显优于弹性较低的公司。类似的横截面回报差异在COVID-19危机之前就已经出现:2014-19年抗风险能力较强和较弱的公司之间的累计回报差异与疫情爆发期间的规模相似,表明在疫情发生之前,人们对大流行风险的认识已经有所提高。最后,我们使用股票期权价格来推断大流行爆发后市场的回报预期:即使在两年的时间内,对大流行具有较强抵御能力的公司的股票预期回报率也将显著低于抵御能力较弱的公司,反映出它们面临的灾害风险较低。因此,展望未来,市场似乎会对一个新的风险因素,即大流行病风险进行定价。
2020-05-19 econ.GN q-fin.EC q-fin.GN
GARCH-UGH: A bias-reduced approach for dynamic extreme Value-at-Risk estimation in financial time series
在险价值(Value-at-Risk,VaR)是金融风险管理中广泛使用的工具。从操作和监管的角度来看,在极端水平下估计损失收益分布的风险价值是金融应用中的一个重要问题;特别是,最近的过去,极端风险价值的动态估计受到了极大的关注。本文提出了一种两步偏差减小的估计方法GARCH-UGH(Unbiased Gomes-de Haan),即首先使用AR-GARCH模型对金融收益进行滤波,然后将偏差减小的极值分位数估计应用于标准化残差,以估计一步前的动态极值VaR。我们的研究结果表明,GARCH-UGH估计是更准确的角度来看,通过传统的AR-GARCH滤波和极值估计的样本内和样本外回测的几个金融时间序列的历史日收益率。
2021-04-20 q-fin.RM stat.AP
Scaling portfolio volatility and calculating risk contributions in the presence of serial cross-correlations
在实践中,投资组合收益的日波动率通过乘以时间的平方根转换为更长的持有期,假设收益不连续相关。在这种假设下,这种缩放过程也可以应用于对投资组合中资产波动性的贡献。收盘价通常用于计算投资组合的利润和损失。在位于遥远时区的交易所进行交易,这可能导致投资组合中资产的收盘时间回报率的显着序列互相关。这些序列相关性导致时间平方根法则失效。此外,在这种情况下的波动率的贡献,是误导性的,由于非同步的相关性。我们解决了这个问题,并提供了替代程序缩放波动率和计算任意持有期的风险贡献。
2011-11-29 q-fin.PM q-fin.RM
Value-at-Risk: The Effect of Autoregression in a Quantile Process
风险价值(Value-at-Risk,简称VaR)是金融监管机构青睐的一种风险度量方法。风险值可以被解释为未来投资组合价值的分位数,取决于可获得的信息,其中最常用的分位数是95%。在这里,我们展示了条件自回归风险价值,首先介绍了恩格尔,Manganelli(2001)。CAViaR表明负/正回报不是独立同分布的,并且存在显著的自相关性。该模型使用GM,IBM,XOM,SPX 1986- 1999和1999-2009年的数据进行测试,然后通过动态分位数检验进行验证。结果表明,尾部(上/下分位数)的收益分布的表现不同于核心。
2016-03-05 q-fin.RM q-fin.ST
Portfolio Optimization for Commodity ETFs under Heavy-Tailed Returns
Texas Tech University(德克萨斯理工大学);North Dakota State University(北达科他州立大学)
研究重尾收益下商品ETF的投资组合优化,比较被动持有与基于均值-方差和CVaR的滚动窗口优化策略,发现保守和下行风险感知的优化更有效,但优化组合仍需显式尾部风险诊断。
2026-06-26 q-fin.PM q-fin.RM
Reduced form models of bond portfolios
我们推导出简单的几类债券投资组合的收益模型。我们的模型仅用一个或两个风险因素就能解释固定利率政府债券、通货膨胀挂钩政府债券和投资级公司债券投资组合中的大部分收益变化。潜在的风险因素有自然的解释,这使得模型非常适合风险管理和投资组合设计。
2010-11-14 q-fin.PM q-fin.RM q-fin.ST
Enhancing a Risk Model by Adding Transient Statistical Factors
Stanford University(斯坦福大学);BlackRock(贝莱德)
本文提出基于最大似然估计的方法,通过优化现有因子模型并引入新统计因素,以捕捉市场变化和瞬态因素,提升风险模型的准确性。
2026-05-13 q-fin.MF q-fin.RM q-fin.ST
Dynamic Semiparametric Models for Expected Shortfall (and Value-at-Risk)
Duke University(杜克大学);University of Bern(伯尔尼大学)
本文提出动态半参数模型用于预期损失和价值-at-风险,通过统计决策理论结果解决预期损失的可 elicibility 问题,并通过实证研究验证模型在国际股市日回报预测中的优越性。
2017-07-17 econ.GN q-fin.EC q-fin.RM
Data-Driven Risk Measurement by SV-GARCH-EVT Model
本文提出SV-EVT-VaR动态模型,将厚尾分布、杠杆效应与极值理论相结合,用于更准确地度量股票市场风险,并通过标普500指数数据验证其在样本外回测中的优越性。
2024-12-27 q-fin.MF q-fin.RM q-fin.ST
Tail Risk Premia for Long-Term Equity Investors
我们使用一个特定类别的掉期的P&L,代表方差和高阶矩的日志回报,作为估计在我们的实证研究的标准普尔500指数,调查的因素决定方差和高阶矩风险溢价。该类是具有Neuberger聚合特征的互换的离散化不变子类。除了市场超额收益率外,动量是偏度和峰度风险溢价的主要驱动因素,二者呈现高度显著的负相关关系。相比之下,方差风险溢价对规模的反应是积极的,对增长的反应是消极的,方差和尾部风险溢价之间的相关性相对较低,与以前的研究相比,特别是在高采样频率。这些发现扩展了先前对这些风险溢价决定因素的研究。此外,我们细致的数据构建方法避免了扭曲结果的不必要的伪影。
2016-02-02 q-fin.PR q-fin.RM q-fin.ST