基于精简Monte Carlo的市场风险测量研究及其在中国OTC金融衍生品市场的应用

发布时间：2017-09-13 06:34

  本文关键词：基于精简Monte Carlo的市场风险测量研究及其在中国OTC金融衍生品市场的应用

  更多相关文章： OTC金融衍生品 主成分分析 精简Monte Carlo VaR

【摘要】：近年来,中国人民银行加速推进利率市场化进程和汇率制度改革,国内金融产品创新层出不穷,利率互换、货币互换等创新利率汇率衍生产品在国内市场上规模不断扩大,因而对风险的准确测量和有效管理提出更高要求。国际市场上各种因风险管理控制不善而导致的衍生品交易灾难频频出现：从1995年里森过度投机日经指数和日经期货导致10亿美元的亏损——直接导致百年巴林银行顷刻坍塌、到2008年法国兴业银行期货投机事件导致71亿亏损、再到2012年摩根大通的“伦敦鲸”事件直接导致58亿美元的亏损,无一不是对风险的有效测量和管理敲响警钟。本文结合国际结算银行(Bank for International Settlements)2013年6月的场外衍生品的统计数据和《2013年第四季度中国货币政策执行报告》分析国际和国内市场上OTC金融衍生品发展状况,基于中国OTC金融衍生品的快速发展的事实以及风险复杂性的不断增加,试图验证精简Monte Carlo模拟方法在测量该市场OTC金融衍生品的适用性和有效性。在具体的方法论和理论基础上,本文在参考国外成熟的研究成果的基础上利用Hermite插值模型拟合的中国银行间固定利率国债收益率曲线(Wind)和美国国债收益率(来自美国财政部网站)以及人民币兑美元汇率中间价(Wind)作为风险因子来源,用精简的Monte Carlo方法测算中国OTC市场的主要的利率汇率衍生品：利率互换和货币互换及其组合的VaR风险价值。首先,根据利率映射法把现金流贴现映射到有限的17个关键利率期限上,再利用主成分分析方法把有现金流的风险因子简化成3种主成分因子,然后利用Monte Carlo模拟方法进行随机模拟,从而在保持较高的计算精度的基础上大大减少计算量。而后,本文用分析方法(即方差协方差方法)和传统蒙特卡洛模拟法等不同的风险测量模型测算出来的相应组合或产品的风险价值(VaR)。最后,本文通过7种检验指标——均方根相对偏差(RMSRB)?相对偏差均值(MRB)、二元损失函数(BLF)、达到既定置信区间的乘数(MO）、VaR超出实际损失的比率的均值(AVLR)、未覆盖损失对风险测量偏离比率的均值(AULR)和未覆盖损失对风险测量的最大偏离比率(MLVR),从保守性、准确性和有效性三个维度进行分析比较,并综合考虑准确性、有效性和在金融实践中的可行性等角度综合评价精简的Monte Carlo模型在测算中国OTC金融衍生品产品市场风险适用性。
【关键词】：OTC金融衍生品 主成分分析 精简Monte Carlo VaR
【学位授予单位】：复旦大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.5
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 引言8-20
• 1.1 研究背景8-15
• 1.1.1 利率市场化进程加快8-10
• 1.1.2 汇率形成制度改革和汇率弹性增强10-11
• 1.1.3 国内金融产品创新层出不穷11
• 1.1.4 国际OTC金融衍生品市场发展现状及其启示11-13
• 1.1.5 国内OTC金融衍生品市场发展现状13-15
• 1.2 研究意义15-16
• 1.3 研究思路与论文框架16-18
• 1.3.1 研究思路16-17
• 1.3.2 论文框架17-18
• 1.4 本文的创新和不足18-20
• 1.4.1 本文创新之处18-19
• 1.4.2 本文不足之处19-20
• 第二章 文献综述与模型提出20-27
• 2.1 国外研究现状20-24
• 2.2 国内研究现状24-25
• 2.3 提出模型25-27
• 第三章 理论基础与研究方法27-36
• 3.1 现金流映射法27-28
• 3.2 Hermite插值模型28-30
• 3.3 主成分分析方法30-31
• 3.4 精简Monte Carlo模型31-33
• 3.5 分析方法33-34
• 3.6 历史模拟法34-36
• 第四章 VaR模型风险预测结果的评价指标36-40
• 4.1 保守性指标36-37
• 4.1.1 均方根相对偏差(RMSRB)36
• 4.1.2 相对偏差均值(MRB)36-37
• 4.2 准确性指标37-38
• 4.2.1 二元损失函数(BLF)37-38
• 4.2.2 达到既定置信区间的乘数(MOC)38
• 4.3 有效性指标38-40
• 4.3.1 VaR超出实际损失的比率的均值(AVLR)38-39
• 4.3.2 未覆盖损失对风险测量偏离比率的均值(AULR)39
• 4.3.3 未覆盖损失对风险测量的最大偏离比率(MLVR)39-40
• 第五章 实证研究与分析40-54
• 5.1 数据来源与数据处理说明40-41
• 5.2 单一利率互换产品的VaR估计分析41-43
• 5.3 单一货币互换产品的VaR估计分析43-46
• 5.4 利率互换组合A(支付浮动利率)的VaR估计分析46-48
• 5.5 利率互换组合B(支付固定利率)的VaR估计分析48-51
• 5.6 利率互换和货币互换组合的VaR估计分析51-54
• 第六章 结论与未来研究方向54-56
• 6.1 结论54-55
• 6.2 建议和未来研究方向55-56
• 参考文献56-61
• 致谢61-63

【参考文献】

中国期刊全文数据库 前4条

1 林宇;谭斌;魏宇;黄登仕;;基于极值理论的沪深股市风险传染性研究[J];管理学报;2010年09期

2 刘慧媛;邹捷中;;GARCH模型在股票市场风险计量中的应用[J];数学理论与应用;2006年02期

3 肖春来,宋然;VaR理论及其应用研究[J];数理统计与管理;2003年02期

4 朱海霞,潘志斌;基于g-h分布的投资组合VaR方法研究[J];中国管理科学;2005年04期

，

本文编号：842094