Copula函数和极值理论在金融风险度量中的应用

发布时间：2020-05-09 17:10

【摘要】： 近年来爆发的世界金融危机,使得人们对金融风险格外关注,对现行的金融风险度量模型进行改进也成了国内外学者研究的热点问题.本研究正是通过引入极值理论和Copula函数对传统的金融市场风险度量方法进行改进.文章从介绍VaR方法及其优缺点开始,针对VaR方法的不足之处,引入具有一致性特征的CVaR作为风险值的补充.然后将Copula函数引入到计算投资组合的VaR和CVaR中来,使得各市场因子不再束缚于传统多元分布的假设,从而资产收益率的边际分布可以灵活构造.通常来讲,危机产生往往由于人们忽略或者无法精确测量市场因子的尾部特征,据此,本文引入极值理论来刻画单个资产收益率的尾部特征,建立了TARCH-EVT边际分布模型.在实证部分,文章选取了一只中国开放式基金对其风险进行了实证研究,同时也对测量结果进行回溯测试,选取最优模型后,建立均值-CVaR优化模型对该基金的十大重仓股进行投资组合的优化,最后结果表明：TARCH-EVT模型比单一的GARCH模型对资产收益率尾部特征的描述更加细致；用Copula方法度量投资组合风险时,选择资产收益率边际分布函数的重要性要大于连接函数的选择；用TARCH-EVT-Copula模型模拟得到的投资组合损益序列来进行投资比例的优化,可以使投资组合的风险值明显降低.这也正说明了该模型可以帮助对风险管理者进行有效地风险规避.
【图文】：

测试图,测试图,函数,边际分布

140160180200图5.14同一copula函数下的回溯测试图图5.14给出了，在97.5%的置信度下，不同的边际分布在相同的copula函数作用下的回溯测验情况，很明显，TARCH边际分布模型有2次失败，而TRACH一EVT边际分布模型5次失败，各自的失败率分别为0.01和0.025，与此置信度下的期望失败率P*二1一0.975=0.025相比，TARCH一EVT-N一copula模型的

测试图,边际分布,测试图

时间t(日)图5.15同一边际分布下的回溯测试图相似的，图5.15给出了在97.5%的置信度下，相同边际分布在不同的Coupfa函数作用下的回溯测验情况，我们发现，二者的差别并不是十分明显，也正说明了copula的选择对模型结果影响要小于边际分布.然而，在都没有高估或低估风险的前提下，TARCH一EVT-N一C叩ula模型的VaR估计值更接近实际损失.所以综合来看，TARCH一EvT-N一Copula模型风险度量的结果更加可信.那么，在下一节中，我们就以此模型为基础，进行投资组合的优化.5.6投资组合优化在第二章中
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F830

【引证文献】