基于Copula方法的二元组合风险模型与应用研究

发布时间：2021-03-31 03:39

　　随着金融领域研究的日益深入,人们发现单一的资产或者市场的研究越来越不能满足需要。相关性分析在金融应用中变得越来越重要,更是金融市场组合风险度量的关键。基于线性相关关系的传统风险度量只集中在对线性相关程度的分析上,而忽略了对金融市场间的相关性结构或模式,特别是其尾部特征的研究。事实上,即使具有相同线性相关性强度的两对随机变量,也可能会因为有不同的相关模式和尾部特征而表现出完全不同的结构特点。因此,仅用线性相关强度来描述随机变量间的相关关系是不全面的。因此,需要引入新的方法来更好地计算投资组合的在险价值。于是,copula理论开始被引入金融领域。应用copula函数技术,可以将相关程度和相关模式的研究有机地结合起来,较好地度量资产组合在险价值。值得注意的是现有的研究大都假定相关关系,包括相关模式及相关程度在整个研究时间段内是不变的。而实际上,金融资产间的相关关系是会随时间发生变化的。为了描述资产相关性的动态变化,更好地对金融市场组合风险进行度量,本文的工作主要体现在:1、本文首先对金融风险管理理论和方法的发展进行简单回顾,并指出引入copula理论刻画多种资产的联合分布函数进行组合风险度量... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

不同Copula函数形式的散点图

由上面的模拟结果我们可以发现，线性相关系数相同的二元资产组合完全有出现各种形式的相关模式。所以我们要先对样本数据进行分析，然后在能够该相关模式的现有 Copula 函数中选择出最优的 Copula 函数形式。考虑到我 Copula 函数进行的是组合风险度量，而风险管理中关注的只是下尾部风险我们更多的是对描述非对称性风险的 Copula 函数形式感兴趣。3.1.2.2 最优 Copula 函数形式选择在对资产组合相关模型进行分析的基础上，我们可以初步选择出能较好地描尾部风险相关模式的 Copula 函数。然而，要选择出相对样本数据而言最优的ula 函数，我们还得就其对样本数据拟合程度的优劣做出评价，常用的 Copul检验方法有以下两种[37][48]：1. K-S 检验(c)Clayton Copula 函数 (d)Frank Copula 函数图 3-2. 不同 Copula 函数形式的密度函数

蓝色曲线表示的是动态 Kendall 秩相关系数在整个样本段内的走表示的是静态 Kendall 秩相关系数。从图形中我们发现动态 Kendallt 走势相对比较平稳，基本上是围绕静态 Kendall 秩相关系数上下波增强或减弱的趋势。所以本实证中静态 Kendall 秩相关系数在长期程度上反映出动态 Kendall 秩相关系数tτ 的走势。关 Copula 模型中，参数演进方程对相关程度的波动特性的描述会达果呢？首先应用Goorbergh,Genest and Werker(2005)提出的模型参数分析，在 Eviews5.0 中对动态 Kendall 秩相关系数tτ 和对数化后的两率序列的条件波动最大值做回归分析，回归方程如下：1 20.78 0.0074*ln max( , )t t t tτ = h h+ ε(5-9)图如下所示：.2.40.81.0图 5-2. 样本区间内动态与静态 Kendall 秩相关系数示意图

【参考文献】：
期刊论文
[1]基于copula函数的保险准备金的确定方法[J]. 梁冯珍,史道济.  统计与决策. 2006(24)
[2]沪深股市相关结构分析研究[J]. 李秀敏,史道济.  数理统计与管理. 2006(06)
[3]担保债权凭证定价——Copula函数的非参数估计与应用[J]. 冯谦,杨朝军.  运筹与管理. 2006(05)
[4]基于Copula方法的条件VaR估计[J]. 叶五一,缪柏其,吴振翔.  中国科学技术大学学报. 2006(09)
[5]Copula函数在分析沪深股市相依结构中的应用[J]. 胡勇,龚金国.  时代金融. 2006(09)
[6]边缘分布和Copula对资产组合选择绩效的影响[J]. 罗俊鹏,史道济.  统计与决策. 2006(16)
[7]相关系数与连接函数[J]. 孙禄杰,柏满迎.  统计与决策. 2006(16)
[8]基于Copula的极大和极小期权定价[J]. 朱光,陈厚生,李平.  统计与决策. 2006(16)
[9]基于Copula的金融市场的相关结构分析[J]. 罗俊鹏.  统计与决策. 2006(16)
[10]金融市场动态相关结构的研究[J]. 韦艳华,张世英.  系统工程学报. 2006(03)



本文编号：3110712