• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量研究進(jìn)展

    2020-12-09 12:47:40陳榮達(dá)周寒嫻余樂安金騁路
    中國管理科學(xué) 2020年11期
    關(guān)鍵詞:信用風(fēng)險(xiǎn)期權(quán)理財(cái)產(chǎn)品

    陳榮達(dá),周寒嫻,余樂安,金騁路

    (1.浙江財(cái)經(jīng)大學(xué)金融學(xué)院,浙江 杭州 310018;2.浙江財(cái)經(jīng)大學(xué)財(cái)富管理與量化投資協(xié)同創(chuàng)新中心,浙江 杭州 310018;3.浙江財(cái)經(jīng)大學(xué)金融創(chuàng)新與普惠金融研究中心,浙江 杭州 310018;4.北京化工大學(xué)經(jīng)濟(jì)管理學(xué)院,北京 100029)

    1 引言

    結(jié)構(gòu)性理財(cái)產(chǎn)品大致可以細(xì)分為外匯掛鉤類、股權(quán)掛鉤類、利率掛鉤類、信用掛鉤類和商品掛鉤類五大類。隨著互聯(lián)網(wǎng)金融的迅速發(fā)展以及金融市場化的深入,由固定收益類產(chǎn)品和金融衍生品(目前市場最常見的結(jié)構(gòu)性理財(cái)產(chǎn)品隱含的金融衍生品主要是期權(quán))組合而成的結(jié)構(gòu)性銀行理財(cái)產(chǎn)品發(fā)展迅速,已經(jīng)成為國內(nèi)外理財(cái)市場上不可或缺的重要支柱。與許多發(fā)達(dá)國家一樣,國內(nèi)各大金融機(jī)構(gòu)利用互聯(lián)網(wǎng)平臺(tái)也逐漸加大結(jié)構(gòu)性理財(cái)產(chǎn)品的發(fā)行力度。據(jù)普益財(cái)富和銀率網(wǎng)統(tǒng)計(jì)數(shù)據(jù)顯示,基于互聯(lián)網(wǎng)平臺(tái),2004-2012年國內(nèi)38家商業(yè)銀行發(fā)行了6532款結(jié)構(gòu)性理財(cái)產(chǎn)品。而2013-2015年,國內(nèi)64家商業(yè)銀行共發(fā)行了9970 款結(jié)構(gòu)性理財(cái)產(chǎn)品(其中,2013年發(fā)行1850款,2014年發(fā)行4366款,2015年發(fā)行3754款),最近3年發(fā)行量是過去9年的1.52倍。這些數(shù)據(jù)說明,隨著這些可用于淘氣保值和投資的結(jié)構(gòu)性理財(cái)產(chǎn)品的增加,我國金融機(jī)構(gòu)和投資者的投融資環(huán)境發(fā)生了巨大變化。

    然而,結(jié)構(gòu)性理財(cái)產(chǎn)品在快速發(fā)展的同時(shí)其風(fēng)險(xiǎn)也不斷凸顯出來,市場風(fēng)險(xiǎn)因子、信用風(fēng)險(xiǎn)因子、流動(dòng)性風(fēng)險(xiǎn)因子變動(dòng)又是導(dǎo)致具有違約風(fēng)險(xiǎn)的結(jié)構(gòu)性理財(cái)產(chǎn)品價(jià)值損益變化的主要原因。如果沒有一個(gè)系統(tǒng)的測量結(jié)構(gòu)性理財(cái)產(chǎn)品資產(chǎn)組合所面臨的風(fēng)險(xiǎn)度量模型,那么就得不到量化整個(gè)結(jié)構(gòu)性理財(cái)產(chǎn)品資產(chǎn)組合的風(fēng)險(xiǎn)值,也就無法使管理者對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品資產(chǎn)組合的運(yùn)營進(jìn)行密切的監(jiān)控,因而就不會(huì)減少結(jié)構(gòu)性理財(cái)產(chǎn)品資產(chǎn)組合出現(xiàn)較大損失的可能性。而且,如果不深入了解結(jié)構(gòu)性理財(cái)產(chǎn)品中金融衍生品的復(fù)雜風(fēng)險(xiǎn)特性,投資者在使用結(jié)構(gòu)性理財(cái)產(chǎn)品時(shí)就會(huì)容易產(chǎn)生誤導(dǎo)和不平等交易。根據(jù)銀率網(wǎng)2013年的統(tǒng)計(jì)數(shù)據(jù)顯示,結(jié)構(gòu)性產(chǎn)品虧損事件未達(dá)最高預(yù)期收益事件仍然不少。例如,2013年招商銀行到期的掛鉤股票的“焦點(diǎn)聯(lián)動(dòng)系列”結(jié)構(gòu)性理財(cái)產(chǎn)品中一部分產(chǎn)品近達(dá)到了最低的預(yù)期收益率(0-0.4%),遠(yuǎn)沒實(shí)現(xiàn)預(yù)設(shè)的最高收益率。更有甚者,渣打銀行的“QDSN 系列”結(jié)構(gòu)性理財(cái)產(chǎn)品接連出現(xiàn)巨額虧損,最嚴(yán)重的達(dá)到95%。類似地,2014年1月中誠信托發(fā)生了與煤炭掛鉤的30億礦產(chǎn)信托兌付危機(jī)事件,凸顯了結(jié)構(gòu)性理財(cái)產(chǎn)品的風(fēng)險(xiǎn)度量和控制問題。

    根據(jù)銀率網(wǎng)統(tǒng)計(jì),2015年到期的結(jié)構(gòu)性理財(cái)產(chǎn)品中僅有60%左右產(chǎn)品(3469款到期產(chǎn)品中2091款)披露了到期實(shí)際收益率。即使在披露了實(shí)際收益率的產(chǎn)品中,也僅有60%左右產(chǎn)品實(shí)現(xiàn)預(yù)期最高收益率,剩余的40%結(jié)構(gòu)性產(chǎn)品均未達(dá)預(yù)期收益,進(jìn)一步凸顯了結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量和控制問題。同時(shí),由于結(jié)構(gòu)性理財(cái)產(chǎn)品是運(yùn)用金融工程技術(shù)將存款、零息債券等固定收益產(chǎn)品與期權(quán)組合在一起而形成的金融產(chǎn)品,除了市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)之外,基于互聯(lián)網(wǎng)平臺(tái)的結(jié)構(gòu)性理財(cái)產(chǎn)品還有一個(gè)新的特點(diǎn)就是流動(dòng)性風(fēng)險(xiǎn)非常之大。由于互聯(lián)網(wǎng)平臺(tái)籌資具有聚散迅速(即資金聚的快散的也快)的特點(diǎn),基于互聯(lián)網(wǎng)平臺(tái)的結(jié)構(gòu)性理財(cái)產(chǎn)品資金池波動(dòng)性非常大,使得流動(dòng)性風(fēng)險(xiǎn)是互聯(lián)網(wǎng)理財(cái)產(chǎn)品不同于其他理財(cái)產(chǎn)品風(fēng)險(xiǎn)管理的最重要之處。為此,同時(shí)考慮結(jié)構(gòu)性理財(cái)產(chǎn)品的市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn),建立基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品期權(quán)組合非線性風(fēng)險(xiǎn)量模型,利用稀有事件模擬和智能化控制等技術(shù)將眾多不確定的因素轉(zhuǎn)化為客觀概率數(shù)值,使得隱性風(fēng)險(xiǎn)顯性化,便于風(fēng)險(xiǎn)的管理與控制,是目前學(xué)術(shù)界和工業(yè)界要開拓的工作。

    2 國內(nèi)外研究現(xiàn)狀

    由于結(jié)構(gòu)性理財(cái)產(chǎn)品是固定收益類產(chǎn)品和期權(quán)組合而成,固定收益類產(chǎn)品屬于線性資產(chǎn),而期權(quán)屬于非線性資產(chǎn)。線性或非線性資產(chǎn)組合風(fēng)險(xiǎn)度量必須處理好以下兩個(gè)問題,一是如何選擇隨機(jī)風(fēng)險(xiǎn)因子分布類型,二是如何得到將風(fēng)險(xiǎn)因子變化映射到資產(chǎn)組合損失分布的傳導(dǎo)機(jī)制[1-18]。本文首先從結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)度量、結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)集成度量兩方面論述國內(nèi)外現(xiàn)有文獻(xiàn)基于市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)的研究結(jié)論,并針對(duì)性的提出需要突破解決的研究問題。其次,本文簡述現(xiàn)有針對(duì)互聯(lián)網(wǎng)金融模式發(fā)展背景下的流動(dòng)性風(fēng)險(xiǎn)和人工智能技術(shù)對(duì)金融產(chǎn)品定價(jià)和風(fēng)險(xiǎn)度量的影響的研究,為下一部分提出基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量研究展望提供理論支持。

    2.1 基于市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)的研究現(xiàn)狀

    現(xiàn)有文獻(xiàn)主要討論結(jié)構(gòu)性理財(cái)產(chǎn)品面臨的市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn),但是單獨(dú)考慮其中一種類型風(fēng)險(xiǎn)而忽視另一種類型風(fēng)險(xiǎn),顯然不能全面度量結(jié)構(gòu)性理財(cái)產(chǎn)品總風(fēng)險(xiǎn)。若簡單線性相加市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)各自風(fēng)險(xiǎn)值,一方面,由于忽略不同類型風(fēng)險(xiǎn)間的分散化效應(yīng)(Diversification Effect),最終的計(jì)算結(jié)果將可能高估總風(fēng)險(xiǎn);另一方面,由于不同類型風(fēng)險(xiǎn)之間的復(fù)利效應(yīng)(Compounding Effect),計(jì)算結(jié)果也可能低估總風(fēng)險(xiǎn)。至于分散化效應(yīng)和復(fù)利效應(yīng)兩者的重要性在資產(chǎn)組合風(fēng)險(xiǎn)度量中誰占主導(dǎo),這就依賴于不同的場[19-22]。所以在獨(dú)立地考慮不同類型風(fēng)險(xiǎn)之外,還應(yīng)努力建立好集成度量市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的一致性方法。

    因此,目前對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量的研究由兩個(gè)方面展開:結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)度量、結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)集成度量。結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)度量,是在市場風(fēng)險(xiǎn)因子為多元分布的假設(shè)條件下,引入Delta、Gamma、Theta等金融參數(shù)將期權(quán)組合損失進(jìn)行二階泰勒展開,將組合損失近似地拓展成Delta-Gamma-Theta模型,直接或間接得到反映組合損失的矩母函數(shù)及對(duì)應(yīng)的特征函數(shù)。在此基礎(chǔ)上,運(yùn)用數(shù)值模擬技術(shù)得到一定置信水平下的分位點(diǎn)即求出相應(yīng)的VaR 值和ES值[23-29]。而對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)集成度量,由于組合同時(shí)面臨著市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn),通過建立這兩種風(fēng)險(xiǎn)因子的控制方程及其依賴關(guān)系,在市場風(fēng)險(xiǎn)度量模型嵌入信用風(fēng)險(xiǎn)因子,在此基礎(chǔ)上運(yùn)用數(shù)值模擬技術(shù)進(jìn)行風(fēng)險(xiǎn)度量[30-36]。

    由于由固定收益類產(chǎn)品和期權(quán)組合而成的結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量核心是期權(quán)組合風(fēng)險(xiǎn)度量。而期權(quán)組合風(fēng)險(xiǎn)度量研究始于上世紀(jì)九十年代后期,經(jīng)過多年的研究,這方面研究得到了長足的發(fā)展。目前這方面研究大體分為期權(quán)組合市場風(fēng)險(xiǎn)度量和期權(quán)組合市場風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)集成度量兩種研究框架。這兩種研究框架是基于選擇風(fēng)險(xiǎn)因子分布類型,進(jìn)而得到期權(quán)組合損失分布,并在此基礎(chǔ)上進(jìn)行模型分析和數(shù)值模擬計(jì)算;而后一種研究框架是在前一種研究框架基礎(chǔ)上進(jìn)一步研究,則更為復(fù)雜。另外,由于VaR、ES的估計(jì)是在極小概率事件發(fā)生情形下進(jìn)行,應(yīng)用一般Monte Carlo模擬計(jì)算時(shí)通常閾值比較大,導(dǎo)致組合損失值大于閾值的樣本也相對(duì)較少。因此,為了達(dá)到理想的模擬效果,需要生成大量的樣本,增加了計(jì)算工作量和計(jì)算時(shí)間,極大地影響了數(shù)值模擬的效率。針對(duì)這個(gè)問題,部分文獻(xiàn)發(fā)展了有效稀有事件模擬技術(shù)來解決以上問題。稀有事件模擬技術(shù)的目標(biāo)是應(yīng)用與數(shù)值模擬運(yùn)行有關(guān)的統(tǒng)計(jì)方法,使數(shù)值模擬輸出的方差減少(Monte Carlo模擬精度通常是用估計(jì)值的標(biāo)準(zhǔn)差來描述),但不影響估計(jì)值的期望值,從而達(dá)到用較少模擬次數(shù)得到較高模擬精度目的[37-42]。下面按照兩種研究框架展開進(jìn)行具體分析。

    第一種研究框架:期權(quán)組合市場風(fēng)險(xiǎn)度量。

    按照市場風(fēng)險(xiǎn)因子分布類型,該研究框架又可分為市場風(fēng)險(xiǎn)因子服從多元正態(tài)分布和多元厚尾分布兩種情形。

    1)市場風(fēng)險(xiǎn)因子服從多元正態(tài)分布情形下的期權(quán)組合市場風(fēng)險(xiǎn)度量

    該情形研究思路大體為:市場風(fēng)險(xiǎn)因子服從多元正態(tài)分布假設(shè),由Delta- Gamma-Theta模型得到反映期權(quán)組合損失的矩母函數(shù)及對(duì)應(yīng)的特征函數(shù),然后運(yùn)用矩匹配數(shù)值技術(shù)計(jì)算出組合的風(fēng)險(xiǎn)值[26-27],[43-47]。雖然矩 匹 配 計(jì) 算 具 有 快 速、簡 單 的優(yōu)點(diǎn),但是它的缺陷在于只利用有限的幾階矩(如期望、方差、偏度、峰度)來匹配期權(quán)組合損失分布,無法全面刻畫整個(gè)期權(quán)組合的損失分布,損失了高階矩(例如五階和更高階)的部分信息。而Yueh 和Wong[26]、Mina 和Ulmer[48]、Hardle 等[49]等 利 用Delta-Gamma-Theta模型得到組合損失的特征函數(shù)基礎(chǔ)上,運(yùn)用傅里葉變換技術(shù)計(jì)算出組合風(fēng)險(xiǎn)值。由于期權(quán)組合損失特征函數(shù)刻畫了組合損失這個(gè)隨機(jī)變量的概率分布,就統(tǒng)計(jì)性質(zhì)而言,沒有損失組合損失分布的信息,當(dāng)市場風(fēng)險(xiǎn)因子數(shù)目不是很大時(shí),該方法的魯棒性比較好,但使用該方法計(jì)算組合風(fēng)險(xiǎn)值時(shí),需要多次試算。

    特別是針對(duì)上文提到的在應(yīng)用一般Monte Carlo模擬時(shí)出現(xiàn)的樣本稀少且計(jì)算誤差大的缺點(diǎn),Cardenas等[50]應(yīng)用了控制變量技術(shù)(一種稀有事件模擬技術(shù)),改進(jìn)Monte Carlo模擬,利用Delta-Gamma-Theta近似推導(dǎo)組合價(jià)值損失,并應(yīng)用這個(gè)隨機(jī)變量作為控制變量來進(jìn)行模擬,從而達(dá)到縮減模擬方差的目的。但是該方法只利用了期權(quán)組合損失這個(gè)隨機(jī)變量的一階矩信息,且當(dāng)閾值變大時(shí),模擬效率降低。為此,Jewell等[28]、Glasserman等[45]和Glasserman 等[51]利 用Delta-Gamma-Theta近似所包涵期權(quán)組合損失這個(gè)隨機(jī)變量的有用信息來選擇有效樣本分布,分別使用重要抽樣技術(shù)、分層抽樣技術(shù)以及兩種抽樣技術(shù)的組合來進(jìn)行稀有事件(與VaR、ES問題相對(duì)應(yīng))模擬;進(jìn)而通過引入似然比函數(shù)(likelihood ratio)來改變市場因子分布的期望向量和協(xié)方差矩陣,從而增加在相應(yīng)區(qū)域的樣本數(shù),使得估計(jì)量不再是稀有事件發(fā)生情形下進(jìn)行,且這種轉(zhuǎn)換又能使估計(jì)量滿足無偏性、有效性等性質(zhì),從而達(dá)到提高模擬精度和減少模擬計(jì)算時(shí)間的目的。

    2)市場風(fēng)險(xiǎn)因子服從多元厚尾分布情形下的期權(quán)組合市場風(fēng)險(xiǎn)度量

    對(duì)于市場風(fēng)險(xiǎn)因子為正態(tài)分布的假設(shè),當(dāng)且僅當(dāng)隨機(jī)變量不相關(guān)時(shí),期權(quán)組合的市場風(fēng)險(xiǎn)因子才是獨(dú)立的,因而容易推導(dǎo)出期權(quán)組合損失的矩母函數(shù)及其對(duì)應(yīng)的特征函數(shù)。然而大量實(shí)證研究表明,市場風(fēng)險(xiǎn)因子一般不服從正態(tài)分布,主要體現(xiàn)在其分布通常具有顯著的尖峰厚尾特征[52]-[64]。另外,上述研究還發(fā)現(xiàn)這些金融數(shù)據(jù)的尾部并不是厚到以致于產(chǎn)生無限方差,無法被傳統(tǒng)正態(tài)分布假設(shè)完全反映。

    與此同時(shí),若期權(quán)組合風(fēng)險(xiǎn)度量過程中還考慮市場風(fēng)險(xiǎn)因子有著非線性關(guān)系,市場風(fēng)險(xiǎn)因子的多元厚尾分布情形遠(yuǎn)比多元正態(tài)分布復(fù)雜,計(jì)算工作量明顯增加。對(duì)于多元厚尾分布情形,隨機(jī)變量不相關(guān),它們不一定獨(dú)立,這和多元正態(tài)情形是相反的,因而不容易得到期權(quán)組合損失的矩母函數(shù)及對(duì)應(yīng)的特征函數(shù),這時(shí)進(jìn)行數(shù)值模擬運(yùn)算就難以展開。為了克服多元厚尾分布情形下估計(jì)期權(quán)組合風(fēng)險(xiǎn)值的困難,Glasserman等[65]基于把厚尾估計(jì)問題轉(zhuǎn)化為輕尾問題思想,提出將市場風(fēng)險(xiǎn)因子的厚尾特征用多元-t分布模擬,并利用多元t-分布結(jié)構(gòu)從而間接得到反映期權(quán)組合損失的矩母函數(shù)。針對(duì)VaR、ES計(jì)算時(shí)通常閾值比較大,這時(shí)產(chǎn)生了期權(quán)組合損失值大于閾值的樣本比較稀少且存在計(jì)算誤差大的缺點(diǎn)?;诖?,把重要抽樣技術(shù)應(yīng)用到多元t-分布情形下的Delta-Gamma-Theta模型,從而實(shí)現(xiàn)在相應(yīng)區(qū)域產(chǎn)生更多的樣本,改進(jìn)之前基于稀有事件的Monte Carlo模擬,同時(shí)控制了Monte Carlo模擬計(jì)算工作量。另外,為了進(jìn)一步減少模擬估計(jì)誤差,在重要抽樣技術(shù)基礎(chǔ)上使用分層抽樣技術(shù),能更加有效的Monte Carlo模擬。但該模型在運(yùn)算時(shí)假設(shè)所有市場風(fēng)險(xiǎn)因子具有相等的自由度,事實(shí)上不同市場風(fēng)險(xiǎn)因子厚尾程度不一樣,自由度也對(duì)應(yīng)著不同。

    針 對(duì) 上 述 問 題,Albanese 等[66]、Albanese 和Campolieti[67]、Date和Bustreo[68]引入快速 卷 積方法來解決上述問題。因?yàn)榫矸e計(jì)算涉及到各隨機(jī)變量的邊緣分布,這將允許邊緣分布的建模與它們的相關(guān)分布結(jié)構(gòu)分開來考慮,從而大大簡化了對(duì)聯(lián)合隨機(jī)過程的估計(jì)問題,避開了多元厚尾分布情形下,得到期權(quán)組合損失的特征函數(shù)解析表達(dá)式的困難。同時(shí),進(jìn)一步利用卷積公式、快速傅里葉變換以及線性插值近似計(jì)算出相應(yīng)的組合風(fēng)險(xiǎn)值。另外,Lin等[55]、Johannes 等[69]、Kamdem[25]、陳 榮 達(dá) 等[70]、Fuh等[71]也在市場風(fēng)險(xiǎn)因子服從多元t-分布框架下,在Glasserman等[65]推導(dǎo)得到的期權(quán)組合損失矩母函數(shù)基礎(chǔ)上,運(yùn)用有效Monte Carlo模擬和快速傅里葉變換等數(shù)值模擬技術(shù)計(jì)算出組合風(fēng)險(xiǎn)值。

    除此之外,Chen Rongda和Yu Lean[72]假設(shè)市場風(fēng)險(xiǎn)因子厚尾特征用多元混合正態(tài)分布來描述,提出基于多元混合正態(tài)分布的期權(quán)組合市場風(fēng)險(xiǎn)度量模型,推導(dǎo)出多元混合正態(tài)分布情形下反映期權(quán)組合損失的特征函數(shù);在此基礎(chǔ)上,將自適應(yīng)Simpson法則(即概率分布的傅里葉變換技術(shù)和數(shù)值積分近似計(jì)算的迭代算法)發(fā)展到多元混合正態(tài)分布情形下的期權(quán)組合風(fēng)險(xiǎn)度量模型中,估計(jì)出期權(quán)組合的風(fēng)險(xiǎn)值。

    類似地,Juneja和Shahabuddin[39]、Kamdem 和Genz[73]、Brummelhuis 和Kamdem[74]也 考 慮 了 多元Laplace分布來解決,具體步驟包括:1)用多元Laplace分布來刻畫市場風(fēng)險(xiǎn)因子厚尾特征;2)利用風(fēng)險(xiǎn)函數(shù)轉(zhuǎn)換技術(shù)和關(guān)于多維Laplace多重積分,間接得到反映期權(quán)組合損失的矩母函數(shù)及相應(yīng)的特征函數(shù);3)利用重要抽樣技術(shù),建立多元Laplace分布情形下的期權(quán)組合風(fēng)險(xiǎn)度量的有效Monte Carlo模擬模型。但需要指出的是他們的模型只解決了投資組合在Delta中立情形下的期權(quán)組合風(fēng)險(xiǎn)度量。事實(shí)上,期權(quán)組合處于Delta中立只能維持一個(gè)很短的時(shí)間,大多數(shù)情形組合處于Delta非中性狀態(tài)。

    市場風(fēng)險(xiǎn)因子尾部分布有兩類厚尾特征,第一類是尾部以多項(xiàng)式形式衰減的尾部分布族,例如多元t-分布、多元混合正態(tài)的尾部普遍具有這樣的特征??v觀該領(lǐng)域的國內(nèi)外研究和近期發(fā)展可以看出,針對(duì)市場風(fēng)險(xiǎn)因子尾部分布呈第一類厚尾類型來建模計(jì)算期權(quán)組合的風(fēng)險(xiǎn)值,解決得相對(duì)較好,如前面論述的市場風(fēng)險(xiǎn)因子為多元混合正態(tài)、多元t-分布情形下的期權(quán)組合風(fēng)險(xiǎn)度量模型。

    第二類厚尾特征則是是尾部以指數(shù)類型衰減的尾部分布族,如多元Laplace分布的尾部特征是指數(shù)類型,比高斯分布類型尾部要厚一個(gè)數(shù)量級(jí)[53]。而對(duì)市場風(fēng)險(xiǎn)因子尾部分布呈第二類厚尾類型來建模計(jì)算期權(quán)組合的風(fēng)險(xiǎn)值,目前只解決了市場風(fēng)險(xiǎn)因子服從多元Laplace分布和Delta中立情形下的期權(quán)組合風(fēng)險(xiǎn)度量,這也是未來相關(guān)研究需要突破解決的一個(gè)重要方面。

    第二種研究框架:期權(quán)組合市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)集成度量。

    該框架的研究思路大體為:由固定收益類產(chǎn)品和期權(quán)組合而成的結(jié)構(gòu)性理財(cái)產(chǎn)品面臨著市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn),因此,其期權(quán)組合也同時(shí)面臨著市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)。鑒于此,對(duì)期權(quán)組合進(jìn)行風(fēng)險(xiǎn)度量,要首先在更加微觀的風(fēng)險(xiǎn)因子層面上考慮不同風(fēng)險(xiǎn)因子之間相關(guān)性。市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)隨機(jī)相依關(guān)系通過建立兩種類型風(fēng)險(xiǎn)因子的控制方程及其依賴關(guān)系體現(xiàn),在期權(quán)組合市場風(fēng)險(xiǎn)度量模型嵌入信用風(fēng)險(xiǎn)因子,進(jìn)而運(yùn)用數(shù)值模擬技術(shù)進(jìn)行風(fēng)險(xiǎn)集成度量[10],[30-34]。

    然而,把信用風(fēng)險(xiǎn)因子嵌入期權(quán)組合市場風(fēng)險(xiǎn)度量模型會(huì)增加風(fēng)險(xiǎn)度量的計(jì)算復(fù)雜度,因?yàn)樵陬A(yù)測過程中再加入對(duì)期權(quán)組合的重新估值將變得更加復(fù)雜。另外,期權(quán)組合風(fēng)險(xiǎn)度量模型應(yīng)用結(jié)構(gòu)Monte Carlo模擬技術(shù)計(jì)算組合損失分布的尾部概率或給定置信度下組合風(fēng)險(xiǎn)值,由于信用等級(jí)比較高的結(jié)構(gòu)性理財(cái)產(chǎn)品違約概率比較低,計(jì)算時(shí)閾值會(huì)相對(duì)較大,即導(dǎo)致這時(shí)產(chǎn)生結(jié)構(gòu)性理財(cái)產(chǎn)品組合損失值大于閾值的樣本就比較稀少。如果為了達(dá)到理想的模擬效果則需要產(chǎn)生大量的樣本,這勢必將會(huì)增加計(jì)算時(shí)間和工作量,從而影響模擬效率。

    為此,Duffie和Pan[30]假定了標(biāo)的資產(chǎn)對(duì)數(shù)價(jià)格過程為多元跳躍擴(kuò)散過程(其對(duì)數(shù)價(jià)格是布朗運(yùn)動(dòng)和一個(gè)與其獨(dú)立的跳躍幅度為正態(tài)分布的復(fù)合Poisson過程的耦合),各交易對(duì)手違約強(qiáng)度為CIR(Cox-Ingersoll-Ross)過程,即允許市場風(fēng)險(xiǎn)因子和違約強(qiáng)度相關(guān),從而將信用風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)兩類因子仿射地依賴于基礎(chǔ)向量,并基于此構(gòu)建兩類風(fēng)險(xiǎn)相依性,再進(jìn)一步利用Delta-Gamma-Theta模型近似得到期權(quán)組合損失的矩母函數(shù)。同時(shí)利用特征函數(shù)和矩母函數(shù)關(guān)系,將Monte Carlo模擬和傅里葉變換等數(shù)值技術(shù)發(fā)展到模型中,估計(jì)出組合VaR 值。但是Delta-Gamma- Theta近似方法適合較短預(yù)測時(shí)段,由于信用事件比市場事件發(fā)生的頻率要少得多,期權(quán)組合風(fēng)險(xiǎn)度量選擇的預(yù)測時(shí)段要長于只考慮市場風(fēng)險(xiǎn)的組合風(fēng)險(xiǎn)度量選擇的預(yù)測時(shí)段(J.P.Morgan Chase的Credit Mertics模型、KMV 的Portfolio Manager 模 型、Mc Kinsey 的CreditPortfolio View 模型、Credit Suisse First Boston 的Credit Risk+模型一般選擇1 年的預(yù)測時(shí)段),因此,該方法的精度有待提高;而且該模型在描述跳躍形式時(shí)假設(shè)跳躍幅度為正態(tài)分布,這也與現(xiàn)實(shí)不符。實(shí)際上,金融市場標(biāo)的資產(chǎn)對(duì)好消息壞消息的反應(yīng)是不對(duì)稱的。此外,模型沒有考慮隨機(jī)回收率等信用風(fēng)險(xiǎn)因子。

    Grundke[75]在反映利率風(fēng)險(xiǎn)的市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的聯(lián)合分布為多元正態(tài)分布的框架下,利用條件特征函數(shù)與無條件特征函數(shù)的關(guān)系,推導(dǎo)出交易對(duì)手存在違約風(fēng)險(xiǎn)的期權(quán)組合損失分布的特征函數(shù);在此基礎(chǔ)上,給定市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子條件下,利用傅里葉變換技術(shù)計(jì)算出條件組合損失分布的尾部概率;然后,把重要抽樣技術(shù)和傅里葉變換技術(shù)相耦合,通過對(duì)市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的聯(lián)合分布進(jìn)行概率測度變化,從而改變風(fēng)險(xiǎn)因子的期望向量,增加相應(yīng)區(qū)域的樣本,使得該情形下不再是稀有事件Monte Carlo模擬,以實(shí)現(xiàn)減少M(fèi)onte Carlo模擬計(jì)算工作量;最后,利用全期望公式估計(jì)出組合損失分布的尾部概率。但若市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的聯(lián)合分布為多元厚尾情形下,不能夠直接得到期權(quán)組合損失分布的特征函數(shù),這時(shí)進(jìn)行稀有事件模擬計(jì)算就不能展開了。

    同樣,Grundke[32]基于市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的聯(lián)合分布為多元正態(tài)分布的框架,把Glasserman和Li[76]提出的兩步重要抽樣技術(shù)應(yīng)用到Grundke[75]的期權(quán)組合市場風(fēng)險(xiǎn)度量模型中,從而建立了基于兩步重要抽樣技術(shù)的期權(quán)組合風(fēng)險(xiǎn)度量模型。在此基礎(chǔ)上,為同時(shí)實(shí)現(xiàn)降低兩步重要抽樣技術(shù)中的市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的期望向量確定過程中的模擬估計(jì)誤差、提高模擬效率,Glasserman等[3]應(yīng)用非線性優(yōu)化技術(shù)中的背包問題來解決。但是該模型沒有考慮到反映交易對(duì)手信用質(zhì)量的違約強(qiáng)度風(fēng)險(xiǎn)因子以及沒有考慮到隨機(jī)回收率問題。另外,Grundke[32]和Grundke[76]提出模型的一個(gè)重要缺陷在于,都沒有考慮標(biāo)的資產(chǎn)價(jià)格過程的跳躍成分,即沒有考慮到資產(chǎn)價(jià)差變化表現(xiàn)出的跳躍性。

    此外,F(xiàn)rey和Backhaus[33]考慮到標(biāo)的資產(chǎn)價(jià)格變化的跳躍性,在期權(quán)組合風(fēng)險(xiǎn)度量研究框架下,通過多元正態(tài)-Copula來捕捉擔(dān)保債務(wù)憑證(Collateralized Debt Obligation,簡稱CDO)以及各分券資產(chǎn)的隨機(jī)相關(guān)結(jié)構(gòu),然后模擬出資產(chǎn)組合損失的分布,進(jìn)一步考慮到信用價(jià)差和違約傳染性,并運(yùn)用馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo,簡稱MCMC)模擬技術(shù)來計(jì)算CDO 各分券資產(chǎn)的最佳對(duì)沖比。Schr?ter和Heider[34]運(yùn)用多元正態(tài)-Copula、阿基米德- Copula 等不同分布族的Copula來捕捉市場風(fēng)險(xiǎn)因子和信用風(fēng)險(xiǎn)因子的相依性,進(jìn)一步運(yùn)用重要抽樣技術(shù)估計(jì)出一籃子違約互換的多個(gè)債務(wù)人組合的VaR 值。他們研究發(fā)現(xiàn),不同分布族的Copula會(huì)顯著影響組合的VaR 值。

    綜觀期權(quán)組合風(fēng)險(xiǎn)度量領(lǐng)域的近期研究與發(fā)展可以看出,期權(quán)組合市場風(fēng)險(xiǎn)度量研究已進(jìn)入到運(yùn)用不同多元厚尾分布類型來對(duì)市場風(fēng)險(xiǎn)因子建模計(jì)算期權(quán)組合的風(fēng)險(xiǎn)值。但對(duì)市場風(fēng)險(xiǎn)因子尾部分布特征呈指數(shù)類型衰減時(shí),目前還需進(jìn)一步解決。而對(duì)期權(quán)組合市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)集成度量研究,主要在多元正態(tài)分布-Copula的框架下進(jìn)行,但多元正態(tài)分布-Copula不能很好捕捉市場風(fēng)險(xiǎn)因子與信用風(fēng)險(xiǎn)因子的相依特征,因?yàn)檎龖B(tài)分布Copula的尾部相依系數(shù)幾乎為零,而期權(quán)組合市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)集成度量又在組合損失分布的尾部進(jìn)行,這大大影響了所需估計(jì)量的精度。用多元厚尾分布Copula來捕獲市場風(fēng)險(xiǎn)因子與信用風(fēng)險(xiǎn)因子相依特征的期權(quán)組合風(fēng)險(xiǎn)度量難度與強(qiáng)度都比多元正態(tài)情形下復(fù)雜,這是相關(guān)領(lǐng)域待解決的另一個(gè)問題。

    2.2 互聯(lián)網(wǎng)金融模式背景下結(jié)構(gòu)性理財(cái)產(chǎn)品流動(dòng)性風(fēng)險(xiǎn)與人工智能影響的研究現(xiàn)狀

    另外,市場風(fēng)險(xiǎn)引發(fā)的流動(dòng)性風(fēng)險(xiǎn)無疑是互聯(lián)網(wǎng)理財(cái)產(chǎn)品所面臨的另一主要風(fēng)險(xiǎn)。在互聯(lián)網(wǎng)信息快速傳遞的情況下,一旦市場動(dòng)蕩或產(chǎn)品回報(bào)不符合預(yù)期,投資者可能在非常短的時(shí)間內(nèi)集中性贖回,從而導(dǎo)致互聯(lián)網(wǎng)理財(cái)產(chǎn)品面臨非常大的流動(dòng)性風(fēng)險(xiǎn)。其次,互聯(lián)網(wǎng)金融機(jī)構(gòu)在風(fēng)險(xiǎn)管理和經(jīng)營過程中通常使用大量基于相同原理的數(shù)理與計(jì)量模型,在一定程度上會(huì)顯著增加市場變動(dòng)的趨同性。這種趨同性會(huì)放大市場的波動(dòng)幅度,從而加劇在流動(dòng)性出現(xiàn)過剩或者短缺時(shí)出現(xiàn)的問題。而且,這些模型往往難以預(yù)測所謂的“小概率”極端市場情況,又會(huì)造成忽視極端情況下的流動(dòng)性風(fēng)險(xiǎn)問題。因此,基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品除了面臨市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)外,還面臨著巨大的流動(dòng)性風(fēng)險(xiǎn)。在這個(gè)意義上,流動(dòng)性風(fēng)險(xiǎn)是互聯(lián)網(wǎng)理財(cái)產(chǎn)品不同于其他理財(cái)產(chǎn)品風(fēng)險(xiǎn)管理的最重要之處。

    鑒于此,針對(duì)流動(dòng)性風(fēng)險(xiǎn)管理方面,巴塞爾協(xié)議III提出了流動(dòng)性覆蓋(LCR,Liqudity Covered Ratio)、凈穩(wěn)定資金比例(NSFR,Net Steady Finance Ratio)兩個(gè)新的流動(dòng)性指標(biāo)來有效管理和監(jiān)管銀行流動(dòng)性風(fēng)險(xiǎn)。Rossignolo等[77]應(yīng)用內(nèi)部模型方法(Internal Models Approach,IMA)和 標(biāo) 準(zhǔn) 方 法(Standardized Approach,SA)來計(jì)算葡萄牙、愛爾蘭、希臘和西班牙等國家銀行的巴塞爾協(xié)議III提出的最小資本金要求,研究了各國金融機(jī)構(gòu)巴塞爾資本金要求應(yīng)對(duì)2008年金融危機(jī)及以后的市場流動(dòng)性情況,并指出厚尾技術(shù)在計(jì)算流動(dòng)性風(fēng)險(xiǎn)的優(yōu)點(diǎn)。King[78]應(yīng)用了15個(gè)國家銀行的凈穩(wěn)定資金比例(NSFR)數(shù)據(jù)來研究由于銀行資產(chǎn)和負(fù)債錯(cuò)配而引起的融資性流動(dòng)性風(fēng)險(xiǎn),實(shí)證結(jié)果表明銀行符合巴塞爾協(xié)議III的凈穩(wěn)定資金比例最有效策略是增加持有更高等級(jí)證券和延長大規(guī)模貸款的期限。Dietrich等[79]分析了1996年至2010年921家西歐國家銀行機(jī)構(gòu)的凈穩(wěn)定資金比例(NSFR)的特點(diǎn),發(fā)現(xiàn)08年金融危機(jī)后大多數(shù)銀行開始提高了NSFR。另外,他們還發(fā)現(xiàn)一個(gè)有趣的事實(shí):在融資成本有優(yōu)勢但凈穩(wěn)定資金比例低的銀行并沒有較高的盈利能力,反而這些銀行在經(jīng)營安全上更加脆弱。為了讓銀行滿足LCR 和NSFR 等銀行杠桿率,Schmaltz等[80]應(yīng)用線性規(guī)劃方法為銀行尋找從巴塞爾協(xié)議II過渡到巴塞爾協(xié)議III優(yōu)化策略。李少華和程遠(yuǎn)杰[81]在結(jié)構(gòu)化模型的基礎(chǔ)上,給出了流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)相互影響的損失值模型以及利差模型。針對(duì)證券交易所公開限價(jià)指令,Dionne等[12]提出了一種新穎的高頻流動(dòng)性調(diào)整風(fēng)險(xiǎn)值(Liquidity-adjusted Intraday Value at Risk,LIVaR)來集成度量市場風(fēng)險(xiǎn)和因變現(xiàn)資產(chǎn)而產(chǎn)生的流動(dòng)性風(fēng)險(xiǎn),其中流動(dòng)性風(fēng)險(xiǎn)因子用買賣價(jià)差來刻畫。Bai等[82]提出的先確定資產(chǎn)和負(fù)債流動(dòng)性權(quán)重以計(jì)算銀行流動(dòng)性不匹配指數(shù) (Liquidity Mismatch Index,LMI)的流動(dòng)性測度方法。有趣的是,上述模型中的流動(dòng)性風(fēng)險(xiǎn)度量都是針對(duì)銀行資產(chǎn),沒有針對(duì)結(jié)構(gòu)化理財(cái)產(chǎn)品,更沒有針對(duì)基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)化理財(cái)產(chǎn)品。除了針對(duì)銀行資產(chǎn),高強(qiáng)和鄒恒甫[83]通過實(shí)證評(píng)估了無風(fēng)險(xiǎn)利率、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)以及宏觀系統(tǒng)性風(fēng)險(xiǎn)對(duì)債券收益率的影響。Wu Ying[84]針對(duì)美國股市提出的基于Amihud流動(dòng)性測度方法的市場極端流動(dòng)性風(fēng)險(xiǎn)指數(shù) (Extreme Liquidity Index)等。這些研究同樣沒有針對(duì)互聯(lián)網(wǎng)金融模式下的結(jié)構(gòu)化理財(cái)產(chǎn)品的流動(dòng)性風(fēng)險(xiǎn)進(jìn)行度量。

    在結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)集成度量模型基礎(chǔ)上,再考慮流動(dòng)性風(fēng)險(xiǎn),目前這方面的研究有待進(jìn)一步深入。而且,流動(dòng)性風(fēng)險(xiǎn)是互聯(lián)網(wǎng)理財(cái)產(chǎn)品不同于其他理財(cái)產(chǎn)品風(fēng)險(xiǎn)管理的最重要之處,如何建立基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品流動(dòng)性風(fēng)險(xiǎn)度量模型,這方面的研究還待進(jìn)一步拓展和深入。

    最后,基于互聯(lián)網(wǎng)平臺(tái)的結(jié)構(gòu)性理財(cái)產(chǎn)品資金池波動(dòng)性非常大,呈現(xiàn)出“聚散迅速”的特征。也就是說,借助互聯(lián)網(wǎng)平臺(tái),基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品的資金池聚的快,散的也快,流動(dòng)性十分快捷,波動(dòng)性非常巨大。為此,如何運(yùn)用智能計(jì)算與數(shù)據(jù)挖掘技術(shù),對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)進(jìn)行智能化控制,并具體運(yùn)用在實(shí)際的互聯(lián)網(wǎng)金融市場,還待進(jìn)一步推進(jìn)和深入。

    隨著智能計(jì)算與數(shù)據(jù)挖掘技術(shù)的飛速發(fā)展尤其是機(jī)器學(xué)習(xí)和進(jìn)化計(jì)算的發(fā)展,人工智能技術(shù)已經(jīng)被廣泛應(yīng)用在金融風(fēng)險(xiǎn)的預(yù)測與控制領(lǐng)域。由于人工智能技術(shù)具有自組織、自適應(yīng)、自學(xué)習(xí)的特性,因此能有效地處理傳統(tǒng)優(yōu)化算法難以解決的復(fù)雜問題,且不受問題性質(zhì)的限制。這些特點(diǎn)使得人工智能技術(shù)為金融產(chǎn)品的建模、定價(jià)和風(fēng)險(xiǎn)控制提供了新的技術(shù)和方法。目前已有大量人工智能技術(shù)被用于金融產(chǎn)品定價(jià)和風(fēng)險(xiǎn)度量模型中,如人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、遺傳算法、元胞自動(dòng)機(jī)、遺傳規(guī)劃、支持向量機(jī)、蟻群算法、模擬退火算法等,這些方法在分析金融市場的不確定性和復(fù)雜性非常有效[85-94]。

    另外,一些學(xué)者進(jìn)一步推進(jìn)應(yīng)用人工智能技術(shù)解決金融產(chǎn)品定價(jià)和風(fēng)險(xiǎn)度量問題,改進(jìn)經(jīng)典的誤差反傳(BP)神經(jīng)網(wǎng)絡(luò),發(fā)展對(duì)新型混合人工神經(jīng)網(wǎng)絡(luò)[95-101]。例如,Huang Wei等[102]利用支持向量機(jī)來預(yù)測日經(jīng)225指數(shù)的每周走勢,發(fā)現(xiàn)支持向量機(jī)的預(yù)測效果要優(yōu)于經(jīng)典的BP 神經(jīng)網(wǎng)絡(luò)。Huang[103]集成無軌跡卡爾曼濾波和支持向量機(jī)技術(shù)對(duì)臺(tái)灣期貨交易所的期權(quán)價(jià)格進(jìn)行在線預(yù)測,為進(jìn)一步提高預(yù)測精度,對(duì)期權(quán)實(shí)際價(jià)格和在線預(yù)測價(jià)格的誤差應(yīng)用支持向量機(jī)技術(shù)進(jìn)行建模。Pires和Marwala[104]利用貝葉斯分析思想,提出了期權(quán)定價(jià)的貝葉斯神經(jīng)網(wǎng)絡(luò)模型來解決美式期權(quán)定價(jià)的復(fù)雜性問題。Gradojevic等[105]針對(duì)標(biāo)準(zhǔn)化前向神經(jīng)網(wǎng)絡(luò)期權(quán)定價(jià)模型在處理深度虛值期權(quán)所出現(xiàn)的計(jì)算復(fù)雜性和局限性,將工程計(jì)算中的模塊化思想發(fā)展到期權(quán)定價(jià)的神經(jīng)網(wǎng)絡(luò)方法中,提出了一種非參數(shù)的模塊化神經(jīng)網(wǎng)絡(luò)模型并對(duì)標(biāo)準(zhǔn)普爾500指數(shù)歐式看漲期權(quán)進(jìn)行定價(jià)。張鴻彥和林輝[106]采用加權(quán)的隱含波動(dòng)率作為混合神經(jīng)網(wǎng)絡(luò)的輸入變量,通過遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和獲得隱含波動(dòng)率的權(quán)重,構(gòu)建了混合神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的期權(quán)價(jià)格預(yù)測模型。張鴻彥等[107]針對(duì)不同種類期權(quán)的隱含波動(dòng)率不同,建立了混合小波神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的期權(quán)定價(jià)模型。由于Heston隨機(jī)波動(dòng)率模型放松了Black-Sholes模型的假定而更符合市場情況,但Heston 期權(quán)定價(jià)模型在應(yīng)用中需要確定五個(gè)待估參數(shù),解決此問題通常比較困難,王林等[108]采用模擬退火算法并利用最小化殘差平方和來估算,得到Heston期權(quán)定價(jià)模型的待估參數(shù)。

    類似地,利用高頻數(shù)據(jù),Chen和Sutcliffe[109]應(yīng)用混合人工神經(jīng)網(wǎng)絡(luò)對(duì)英鎊期權(quán)的定價(jià)進(jìn)行研究,結(jié)果表明混合人工神經(jīng)網(wǎng)絡(luò)期權(quán)定價(jià)模型優(yōu)于修改的Black-Scholes期權(quán)定價(jià)模型。Hahn[110]研究了如何利用機(jī)器學(xué)習(xí)技術(shù)來改善期權(quán)定價(jià)問題,運(yùn)用神經(jīng)網(wǎng)絡(luò)來對(duì)決定期權(quán)價(jià)格關(guān)鍵的波動(dòng)率進(jìn)行建模,并利用澳大利亞期權(quán)市場的數(shù)據(jù)進(jìn)行實(shí)證研究,以此來驗(yàn)證機(jī)器學(xué)習(xí)技術(shù)在期權(quán)定價(jià)方面的有效性。Verma等[111]應(yīng)用ε不敏感支持向量機(jī)和光滑的?不敏感支持向量機(jī)對(duì)印度的S&P CNX Nifty指數(shù)深度實(shí)值期權(quán)、實(shí)值期權(quán)、平價(jià)期權(quán)、虛值期權(quán)、深度虛值期權(quán)等五種不同期權(quán)進(jìn)行定價(jià)研究,實(shí)證結(jié)果表明以上支持向量機(jī)的期權(quán)定價(jià)模型明顯優(yōu)于Black-Scholes模型。Hsu等[112]考慮到標(biāo)的資產(chǎn)的開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)、交易量等因素,應(yīng)用遺傳規(guī)劃和支持向量機(jī)技術(shù)對(duì)臺(tái)灣加權(quán)指數(shù)期權(quán)進(jìn)行定價(jià),通過平均絕對(duì)百分誤差、均方誤差這兩個(gè)預(yù)測誤差指標(biāo)來驗(yàn)證基于遺傳規(guī)劃和支持向量機(jī)技術(shù)的期權(quán)定價(jià)模型有效性。李斌和何萬里[113]利用遺傳算法解決帶有Heston隨機(jī)波動(dòng)率的期權(quán)定價(jià)模型中的五個(gè)待估參數(shù)問題,該算法可避免丟失最優(yōu)解,具有群體搜索的特點(diǎn)。

    綜觀人工智能技術(shù)解決金融衍生品定價(jià)和風(fēng)險(xiǎn)度量領(lǐng)域的近期研究與發(fā)展可以看出,目前這方面的研究主要集中在對(duì)金融衍生產(chǎn)品定價(jià)和線性資產(chǎn)組合風(fēng)險(xiǎn)度量方面,而對(duì)金融衍生品的風(fēng)險(xiǎn)度量方面還待進(jìn)一步解決。而且,結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量核心是期權(quán)組合風(fēng)險(xiǎn)度量,從組合的角度應(yīng)用人工智能技術(shù)解決期權(quán)組合風(fēng)險(xiǎn)度量問題還待進(jìn)一步推進(jìn)。

    3 結(jié)語

    結(jié)構(gòu)性理財(cái)產(chǎn)品與非結(jié)構(gòu)性理財(cái)產(chǎn)品最大的不同之處在于其收益結(jié)構(gòu)上,結(jié)構(gòu)性理財(cái)產(chǎn)品最終的到期收益率由所掛鉤標(biāo)的資產(chǎn)的市場走勢決定,而且其所掛鉤的衍生性金融產(chǎn)品投資收益也取決于標(biāo)的資產(chǎn)的波動(dòng)情況。結(jié)構(gòu)性理財(cái)產(chǎn)品中所掛鉤的衍生性金融產(chǎn)品,除了包括普通期權(quán)外、還包括亞式期權(quán)、價(jià)差看漲/看跌期權(quán)、極大極小期權(quán)、障礙期權(quán)甚至更復(fù)雜的奇異期權(quán)。如前所述,由于基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品面臨著市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn),因此,結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量核心是期權(quán)組合風(fēng)險(xiǎn)度量。目前對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)度量研究由兩個(gè)方面展開:結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)度量和結(jié)構(gòu)性理財(cái)產(chǎn)品市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)集成度量。第一種方法,是在市場風(fēng)險(xiǎn)因子為多元分布的假設(shè)條件下,通過Delta-Gamma-Theta二次近似結(jié)構(gòu)性理財(cái)產(chǎn)品損失得到反映該損失的特征函數(shù),在此基礎(chǔ)上,運(yùn)用數(shù)值模擬技術(shù)得到一定置信水平下的分位點(diǎn)即求出相應(yīng)的VaR值和ES值。第二種方法,是針對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品組合同時(shí)面臨著市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)以及各風(fēng)險(xiǎn)之間的相依性,基于識(shí)別出的共同的風(fēng)險(xiǎn)因子及其相依性結(jié)構(gòu),建立不同類型風(fēng)險(xiǎn)因子的控制方程及其依賴關(guān)系,把信用風(fēng)險(xiǎn)因子、流動(dòng)性風(fēng)險(xiǎn)因子嵌入期權(quán)組合市場風(fēng)險(xiǎn)度量模型,在此基礎(chǔ)上運(yùn)用數(shù)值模擬技術(shù)進(jìn)行風(fēng)險(xiǎn)度量。第一種方法關(guān)鍵在于如何挑選一個(gè)合適的多元分布來描述市場風(fēng)險(xiǎn)因子尖峰厚尾特征,進(jìn)而對(duì)結(jié)構(gòu)性理財(cái)產(chǎn)品的風(fēng)險(xiǎn)進(jìn)行度量;第二種方法是在第一種方法基礎(chǔ)上的推進(jìn),實(shí)質(zhì)上是把期權(quán)組合的市場風(fēng)險(xiǎn)度量模型推進(jìn)到期權(quán)組合的市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)集成度量模型,而且由于把信用風(fēng)險(xiǎn)因子和流動(dòng)性風(fēng)險(xiǎn)因子嵌入期權(quán)組合的市場風(fēng)險(xiǎn)度量模型,計(jì)算工作量迅速增加,第二種方法比第一種方法要更為復(fù)雜精致,估算精度要高。

    但是,目前國內(nèi)外學(xué)術(shù)界和金融業(yè)界在如何合理運(yùn)用多元厚尾分布來刻畫風(fēng)險(xiǎn)因子尖峰厚尾特征,針對(duì)互聯(lián)網(wǎng)金融聚散迅速特點(diǎn)考慮流動(dòng)性風(fēng)險(xiǎn),描述市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等不同類型風(fēng)險(xiǎn)的共同風(fēng)險(xiǎn)因子的相依性結(jié)構(gòu),以及面臨市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)的基于互聯(lián)網(wǎng)金融模式的結(jié)構(gòu)性理財(cái)產(chǎn)品風(fēng)險(xiǎn)集成度量等方面的研究,仍然存在一些明顯需要完善的地方。

    猜你喜歡
    信用風(fēng)險(xiǎn)期權(quán)理財(cái)產(chǎn)品
    因時(shí)制宜發(fā)展外匯期權(quán)
    中國外匯(2019年15期)2019-10-14 01:00:44
    人民幣外匯期權(quán)擇善而從
    中國外匯(2019年23期)2019-05-25 07:06:32
    淺析我國商業(yè)銀行信用風(fēng)險(xiǎn)管理
    初探原油二元期權(quán)
    能源(2016年2期)2016-12-01 05:10:43
    京東商城電子商務(wù)信用風(fēng)險(xiǎn)防范策略
    個(gè)人信用風(fēng)險(xiǎn)評(píng)分的指標(biāo)選擇研究
    信用風(fēng)險(xiǎn)的誘發(fā)成因及對(duì)策思考
    非保本理財(cái)產(chǎn)品
    保本理財(cái)產(chǎn)品
    非保本理財(cái)產(chǎn)品保本理財(cái)產(chǎn)品
    嫩草影院新地址| 又黄又爽又刺激的免费视频.| 午夜免费男女啪啪视频观看 | 最新在线观看一区二区三区| 国产激情偷乱视频一区二区| 日韩中文字幕欧美一区二区| 亚洲激情在线av| 亚洲aⅴ乱码一区二区在线播放| 国产成人av教育| 高潮久久久久久久久久久不卡| av福利片在线观看| 久久精品久久久久久噜噜老黄 | 精品人妻熟女av久视频| 欧美潮喷喷水| 国产一区二区三区视频了| 日韩欧美一区二区三区在线观看| 一边摸一边抽搐一进一小说| 乱码一卡2卡4卡精品| 亚洲av五月六月丁香网| 蜜桃亚洲精品一区二区三区| 午夜精品一区二区三区免费看| 欧美最新免费一区二区三区 | 一进一出抽搐动态| 国产av麻豆久久久久久久| 欧美三级亚洲精品| 亚洲熟妇中文字幕五十中出| 国产成人影院久久av| 国产久久久一区二区三区| 一个人看视频在线观看www免费| av在线蜜桃| 国产精品一及| 十八禁人妻一区二区| 免费黄网站久久成人精品 | 一本久久中文字幕| 国产在线精品亚洲第一网站| 麻豆久久精品国产亚洲av| 亚洲,欧美精品.| 在线观看午夜福利视频| 国产综合懂色| 1000部很黄的大片| 国产精品av视频在线免费观看| 最近中文字幕高清免费大全6 | 久久精品国产亚洲av天美| 特级一级黄色大片| 男女下面进入的视频免费午夜| а√天堂www在线а√下载| 欧美3d第一页| 婷婷亚洲欧美| 久久久久久久久大av| 亚洲精品影视一区二区三区av| 特大巨黑吊av在线直播| 日韩精品中文字幕看吧| 午夜a级毛片| 亚洲黑人精品在线| 中文在线观看免费www的网站| 黄色日韩在线| 欧美黄色片欧美黄色片| 午夜精品久久久久久毛片777| 99热这里只有是精品50| 两个人的视频大全免费| 久久久久久久午夜电影| 国产成人aa在线观看| 国产伦精品一区二区三区四那| 悠悠久久av| 免费高清视频大片| 精品无人区乱码1区二区| 高潮久久久久久久久久久不卡| 亚洲一区二区三区色噜噜| 国产精品一区二区三区四区久久| 无人区码免费观看不卡| 国产亚洲精品综合一区在线观看| 精华霜和精华液先用哪个| 两个人视频免费观看高清| 特大巨黑吊av在线直播| 全区人妻精品视频| 国产精品三级大全| 免费看日本二区| 少妇熟女aⅴ在线视频| av国产免费在线观看| а√天堂www在线а√下载| 亚洲欧美精品综合久久99| 欧美精品啪啪一区二区三区| 亚洲片人在线观看| 久久九九热精品免费| 波多野结衣巨乳人妻| 日日摸夜夜添夜夜添av毛片 | 久久久久久久午夜电影| 国产成人av教育| 91在线观看av| 久久99热这里只有精品18| 中国美女看黄片| 黄色丝袜av网址大全| 九九在线视频观看精品| 有码 亚洲区| 精品无人区乱码1区二区| 好看av亚洲va欧美ⅴa在| 亚洲国产精品sss在线观看| 性色av乱码一区二区三区2| 成年女人毛片免费观看观看9| 欧美日韩瑟瑟在线播放| 精品乱码久久久久久99久播| 国产精品嫩草影院av在线观看 | 亚洲成av人片在线播放无| 午夜福利在线在线| 99国产精品一区二区蜜桃av| 国产色婷婷99| 自拍偷自拍亚洲精品老妇| 免费观看人在逋| 91麻豆av在线| 精品一区二区三区视频在线观看免费| 国产精品三级大全| 91麻豆av在线| 成年女人看的毛片在线观看| 九九热线精品视视频播放| 97超级碰碰碰精品色视频在线观看| 国产在线男女| eeuss影院久久| 欧美成人a在线观看| 级片在线观看| 亚洲成人久久性| 国产精品日韩av在线免费观看| 美女 人体艺术 gogo| 搡老熟女国产l中国老女人| 丁香欧美五月| 午夜福利在线观看吧| 最近最新中文字幕大全电影3| 熟女电影av网| 一个人免费在线观看的高清视频| 99热这里只有精品一区| 色哟哟哟哟哟哟| 成人特级av手机在线观看| 欧美黄色淫秽网站| 亚洲精品一卡2卡三卡4卡5卡| 色吧在线观看| 国产人妻一区二区三区在| 人人妻人人看人人澡| 村上凉子中文字幕在线| 69av精品久久久久久| 欧美国产日韩亚洲一区| 三级国产精品欧美在线观看| 中文字幕熟女人妻在线| 直男gayav资源| 人妻夜夜爽99麻豆av| 久久久久久大精品| 国产精品久久久久久久久免 | 日日干狠狠操夜夜爽| 国内久久婷婷六月综合欲色啪| 亚洲电影在线观看av| 国产精品日韩av在线免费观看| 欧美黄色淫秽网站| 国产老妇女一区| 国产黄a三级三级三级人| 99久久精品国产亚洲精品| 人妻制服诱惑在线中文字幕| 精品午夜福利在线看| 国产麻豆成人av免费视频| 亚洲,欧美,日韩| 国产主播在线观看一区二区| 在线免费观看不下载黄p国产 | 亚洲精品一区av在线观看| 亚洲aⅴ乱码一区二区在线播放| 国产色爽女视频免费观看| 午夜福利高清视频| 99久久无色码亚洲精品果冻| 亚洲精品乱码久久久v下载方式| 成人永久免费在线观看视频| 免费av毛片视频| 超碰av人人做人人爽久久| 亚洲精品456在线播放app | 宅男免费午夜| 亚洲人成伊人成综合网2020| 中文资源天堂在线| 91麻豆精品激情在线观看国产| 简卡轻食公司| 变态另类成人亚洲欧美熟女| 国产一区二区三区在线臀色熟女| 级片在线观看| 亚洲国产精品sss在线观看| www.www免费av| 亚洲av中文字字幕乱码综合| 婷婷六月久久综合丁香| 很黄的视频免费| 免费无遮挡裸体视频| 久久精品影院6| 国产中年淑女户外野战色| 精品久久久久久久久久免费视频| 国产精品一区二区免费欧美| 麻豆国产av国片精品| 婷婷丁香在线五月| 国产色婷婷99| 精品一区二区三区人妻视频| 久久国产乱子免费精品| 亚洲精品粉嫩美女一区| 久久久久九九精品影院| 老司机福利观看| 成人高潮视频无遮挡免费网站| 在线观看一区二区三区| 日韩有码中文字幕| 欧美最新免费一区二区三区 | 能在线免费观看的黄片| 久久久久国产精品人妻aⅴ院| 亚洲熟妇中文字幕五十中出| 欧美国产日韩亚洲一区| 少妇人妻一区二区三区视频| 亚洲国产色片| 一级黄色大片毛片| а√天堂www在线а√下载| 99热这里只有是精品50| 国产高清激情床上av| 亚洲人成电影免费在线| 伊人久久精品亚洲午夜| 成人特级av手机在线观看| 亚洲国产精品久久男人天堂| 中文字幕av成人在线电影| 欧美成人a在线观看| 午夜视频国产福利| 美女高潮喷水抽搐中文字幕| 女人被狂操c到高潮| 午夜福利在线观看免费完整高清在 | bbb黄色大片| 日本熟妇午夜| 国产欧美日韩精品亚洲av| 亚洲欧美精品综合久久99| 悠悠久久av| 亚洲黑人精品在线| 9191精品国产免费久久| 久久中文看片网| 亚洲成a人片在线一区二区| 国产精品亚洲一级av第二区| 亚洲欧美日韩卡通动漫| 99热精品在线国产| 久久精品国产自在天天线| 午夜精品久久久久久毛片777| 少妇高潮的动态图| 亚洲av日韩精品久久久久久密| 日本在线视频免费播放| 国产三级在线视频| 精品人妻熟女av久视频| 不卡一级毛片| 桃红色精品国产亚洲av| 欧美不卡视频在线免费观看| 99国产综合亚洲精品| 久久人妻av系列| 少妇人妻一区二区三区视频| 欧美日韩福利视频一区二区| 欧美日韩综合久久久久久 | 久久午夜福利片| 在线播放无遮挡| 亚洲18禁久久av| 如何舔出高潮| 国产男靠女视频免费网站| 午夜精品在线福利| 国产精品亚洲一级av第二区| av视频在线观看入口| 小蜜桃在线观看免费完整版高清| 欧美黑人欧美精品刺激| 99久久成人亚洲精品观看| 国产男靠女视频免费网站| 久久久色成人| 一级黄色大片毛片| 久久亚洲真实| 欧美日韩瑟瑟在线播放| 午夜亚洲福利在线播放| 99久久99久久久精品蜜桃| 精品午夜福利在线看| 蜜桃久久精品国产亚洲av| 国产av在哪里看| 真人一进一出gif抽搐免费| 国产精品一区二区三区四区免费观看 | 亚洲精品在线美女| 99热这里只有精品一区| 此物有八面人人有两片| 午夜精品久久久久久毛片777| 亚洲专区国产一区二区| 精品免费久久久久久久清纯| 一本综合久久免费| 国产亚洲欧美在线一区二区| 怎么达到女性高潮| 热99在线观看视频| 色综合欧美亚洲国产小说| 亚洲专区中文字幕在线| 1024手机看黄色片| 国产精品98久久久久久宅男小说| 欧美性感艳星| 免费一级毛片在线播放高清视频| 精品午夜福利在线看| 久久精品国产亚洲av天美| 精品久久久久久,| 熟女人妻精品中文字幕| 免费在线观看影片大全网站| 国产亚洲精品久久久com| 日韩精品中文字幕看吧| 两个人视频免费观看高清| 99国产精品一区二区三区| 床上黄色一级片| 老女人水多毛片| 久久精品国产自在天天线| 久久99热6这里只有精品| 成人av一区二区三区在线看| 亚洲欧美日韩高清专用| 麻豆久久精品国产亚洲av| 久久久久国内视频| 欧美区成人在线视频| 69av精品久久久久久| 国产精品亚洲美女久久久| 丰满乱子伦码专区| 亚洲av中文字字幕乱码综合| 国产亚洲欧美在线一区二区| 亚洲av中文字字幕乱码综合| 琪琪午夜伦伦电影理论片6080| 亚洲人成网站高清观看| 久久中文看片网| 亚洲第一欧美日韩一区二区三区| 婷婷精品国产亚洲av| 亚洲欧美日韩高清在线视频| 在线天堂最新版资源| 精品人妻1区二区| 天堂动漫精品| 丝袜美腿在线中文| 夜夜夜夜夜久久久久| 亚洲经典国产精华液单 | 久久久久性生活片| 国产午夜精品论理片| 亚洲成人中文字幕在线播放| 亚洲七黄色美女视频| xxxwww97欧美| 一个人看视频在线观看www免费| 男人舔女人下体高潮全视频| 一进一出抽搐动态| 激情在线观看视频在线高清| 亚洲熟妇中文字幕五十中出| 99久久精品国产亚洲精品| 黄色日韩在线| 免费高清视频大片| 在线看三级毛片| 国产精品1区2区在线观看.| 国产午夜精品久久久久久一区二区三区 | 淫秽高清视频在线观看| 99久国产av精品| 人妻夜夜爽99麻豆av| 一夜夜www| 乱码一卡2卡4卡精品| 神马国产精品三级电影在线观看| 91久久精品国产一区二区成人| 99热这里只有是精品50| 村上凉子中文字幕在线| 日本一二三区视频观看| 亚洲成av人片在线播放无| 丰满的人妻完整版| 非洲黑人性xxxx精品又粗又长| 亚洲国产精品合色在线| www.999成人在线观看| 又爽又黄无遮挡网站| 欧美日韩黄片免| 日韩高清综合在线| av天堂中文字幕网| 日本一二三区视频观看| 精品一区二区三区人妻视频| 精品熟女少妇八av免费久了| 日韩欧美国产一区二区入口| 麻豆av噜噜一区二区三区| 国产精品久久久久久亚洲av鲁大| 免费在线观看成人毛片| 人人妻人人澡欧美一区二区| 最新在线观看一区二区三区| av国产免费在线观看| 如何舔出高潮| av国产免费在线观看| 99久国产av精品| av国产免费在线观看| 特大巨黑吊av在线直播| 国产一区二区在线观看日韩| 国内久久婷婷六月综合欲色啪| 国产蜜桃级精品一区二区三区| 亚洲美女搞黄在线观看 | 久久国产乱子伦精品免费另类| 欧美丝袜亚洲另类 | 国产一区二区三区在线臀色熟女| 国产精品亚洲美女久久久| 日韩欧美免费精品| 成人国产综合亚洲| 欧美成人一区二区免费高清观看| 亚洲精品在线美女| 亚洲成人久久爱视频| 亚洲专区中文字幕在线| 桃色一区二区三区在线观看| 一级a爱片免费观看的视频| 欧美成人免费av一区二区三区| 少妇人妻一区二区三区视频| 免费黄网站久久成人精品 | 免费一级毛片在线播放高清视频| 亚洲狠狠婷婷综合久久图片| 欧美乱色亚洲激情| 夜夜爽天天搞| 久久香蕉精品热| 欧美乱妇无乱码| 亚洲成人久久性| 日韩 亚洲 欧美在线| 欧美+亚洲+日韩+国产| 老司机午夜十八禁免费视频| 午夜福利18| 欧美中文日本在线观看视频| 国产高清激情床上av| 日韩欧美国产在线观看| 精品午夜福利在线看| 可以在线观看毛片的网站| 麻豆国产97在线/欧美| 久久久久久久久中文| 中文字幕熟女人妻在线| 欧美精品啪啪一区二区三区| 亚洲精品久久国产高清桃花| 成年女人看的毛片在线观看| 日韩 亚洲 欧美在线| 亚洲精品在线观看二区| 极品教师在线视频| 国产欧美日韩一区二区三| 国产综合懂色| 国产三级黄色录像| 亚洲无线观看免费| 啪啪无遮挡十八禁网站| 亚洲 欧美 日韩 在线 免费| 欧美xxxx性猛交bbbb| 午夜福利在线在线| 色av中文字幕| 国产私拍福利视频在线观看| 丁香六月欧美| 我要搜黄色片| av天堂中文字幕网| av女优亚洲男人天堂| 国产精品影院久久| 特大巨黑吊av在线直播| 久久中文看片网| 脱女人内裤的视频| 偷拍熟女少妇极品色| 国产毛片a区久久久久| 中国美女看黄片| 亚洲一区二区三区色噜噜| 国产麻豆成人av免费视频| 亚洲乱码一区二区免费版| 老司机午夜福利在线观看视频| 亚洲片人在线观看| 亚洲欧美日韩高清在线视频| 国产精品精品国产色婷婷| 成人永久免费在线观看视频| 一区二区三区免费毛片| 成人毛片a级毛片在线播放| 少妇人妻精品综合一区二区 | 能在线免费观看的黄片| 国产在视频线在精品| avwww免费| 九色国产91popny在线| 变态另类丝袜制服| 91九色精品人成在线观看| 最近中文字幕高清免费大全6 | 精品一区二区三区人妻视频| 国产视频内射| 99久久精品热视频| 啦啦啦韩国在线观看视频| 俄罗斯特黄特色一大片| 黄色女人牲交| 啦啦啦观看免费观看视频高清| 久久久久久久午夜电影| 欧美日韩瑟瑟在线播放| 毛片女人毛片| 国产男靠女视频免费网站| 中文字幕免费在线视频6| 亚洲综合色惰| 小蜜桃在线观看免费完整版高清| 亚洲av熟女| 亚洲 欧美 日韩 在线 免费| 久久久久性生活片| 国产伦精品一区二区三区视频9| 成人美女网站在线观看视频| 国产精品自产拍在线观看55亚洲| 99久久九九国产精品国产免费| 男人的好看免费观看在线视频| 国产精品综合久久久久久久免费| 国产成人欧美在线观看| 国产91精品成人一区二区三区| 啦啦啦韩国在线观看视频| 免费看美女性在线毛片视频| 国产精品98久久久久久宅男小说| 欧美日韩福利视频一区二区| www日本黄色视频网| 十八禁国产超污无遮挡网站| a级毛片a级免费在线| 亚洲欧美日韩东京热| 久久久久国内视频| 波多野结衣高清无吗| 亚洲欧美精品综合久久99| 美女黄网站色视频| 91在线观看av| 午夜老司机福利剧场| 大型黄色视频在线免费观看| 91麻豆av在线| 国产精品一区二区三区四区久久| 成人永久免费在线观看视频| 午夜免费激情av| 久久久久亚洲av毛片大全| 亚洲美女搞黄在线观看 | 午夜福利高清视频| 精品日产1卡2卡| 丰满人妻一区二区三区视频av| 国产伦精品一区二区三区四那| 91在线精品国自产拍蜜月| 日本黄色视频三级网站网址| 97超级碰碰碰精品色视频在线观看| 国产伦精品一区二区三区视频9| 欧美最黄视频在线播放免费| 最近中文字幕高清免费大全6 | 日本与韩国留学比较| 亚洲不卡免费看| 哪里可以看免费的av片| 内射极品少妇av片p| 午夜福利视频1000在线观看| 午夜福利18| 国产aⅴ精品一区二区三区波| 亚洲狠狠婷婷综合久久图片| 国产老妇女一区| 国产中年淑女户外野战色| 搡女人真爽免费视频火全软件 | 精品熟女少妇八av免费久了| 色噜噜av男人的天堂激情| 脱女人内裤的视频| 69av精品久久久久久| 99久久久亚洲精品蜜臀av| 特大巨黑吊av在线直播| АⅤ资源中文在线天堂| 成人高潮视频无遮挡免费网站| 日韩亚洲欧美综合| 欧美在线黄色| 美女被艹到高潮喷水动态| 久久久久久久精品吃奶| 午夜福利高清视频| 久久伊人香网站| 色综合站精品国产| av天堂中文字幕网| 日本撒尿小便嘘嘘汇集6| 国产伦精品一区二区三区视频9| 看片在线看免费视频| 69av精品久久久久久| 久久久久久九九精品二区国产| 成熟少妇高潮喷水视频| 国产一区二区激情短视频| 黄色配什么色好看| 一级作爱视频免费观看| 久久精品夜夜夜夜夜久久蜜豆| 国产伦精品一区二区三区四那| 夜夜爽天天搞| 欧美又色又爽又黄视频| 国产综合懂色| 国产黄色小视频在线观看| 身体一侧抽搐| 亚洲avbb在线观看| 欧美性猛交黑人性爽| 波野结衣二区三区在线| 中文字幕精品亚洲无线码一区| 亚洲美女视频黄频| netflix在线观看网站| 成人无遮挡网站| 人人妻,人人澡人人爽秒播| 午夜久久久久精精品| 免费大片18禁| 1000部很黄的大片| 国产成人啪精品午夜网站| 国产精品爽爽va在线观看网站| 欧美区成人在线视频| 成人鲁丝片一二三区免费| 欧美精品国产亚洲| 看十八女毛片水多多多| 一级黄片播放器| 精品乱码久久久久久99久播| 天天一区二区日本电影三级| 欧美日韩福利视频一区二区| www.色视频.com| 在线播放无遮挡| 国产亚洲精品久久久com| 婷婷色综合大香蕉| 精品久久久久久久人妻蜜臀av| 久久午夜福利片| 久久人人精品亚洲av| 日本一本二区三区精品| 亚洲欧美日韩卡通动漫| 日韩精品青青久久久久久| 国产aⅴ精品一区二区三区波| 男女之事视频高清在线观看| 欧美一区二区精品小视频在线| 丰满人妻熟妇乱又伦精品不卡| 黄色视频,在线免费观看| 不卡一级毛片| 国产成人啪精品午夜网站| 国产精品自产拍在线观看55亚洲| 国产极品精品免费视频能看的| 校园春色视频在线观看| 久久精品综合一区二区三区| 久久香蕉精品热| 婷婷丁香在线五月| 欧美性猛交黑人性爽| 日本黄色视频三级网站网址| 色av中文字幕| 最近视频中文字幕2019在线8| 一区二区三区激情视频| 欧美成人免费av一区二区三区| 亚洲无线在线观看| 99视频精品全部免费 在线| 99久国产av精品| 90打野战视频偷拍视频| .国产精品久久| 又爽又黄无遮挡网站| 成年女人永久免费观看视频| 熟女电影av网| 欧美日韩亚洲国产一区二区在线观看| 亚洲av日韩精品久久久久久密| 精品国产亚洲在线| 国产精品久久电影中文字幕|