基于skst-Copula-GARCH模型的VaR计算研究

发布时间：2021-05-17 01:36

　　资产间相关性的研究在金融数量分析上具有至关重要的作用。如今对单个资产风险的度量已经不能满足投资者的需求了,投资组合的风险研究已受到学术界广泛的关注,然而资产间的相关关系却在很大程度上影响着VaR值的计算。传统的投资组合理论认为,资产间的联合分布服从多元正态分布,并且资产间的相关性可以通过线性相关系数来描述,投资者可以通过投资于相关性较低的不同资产来规避风险。然而在现实的金融市场中常常会发生这样一种现象:即对于两个不同的金融市场,它们具有完全不同的线性相关性的,但发生极端事件的数量却几乎是相同的。这种现象说明了线性相关系数存在不适用性。近年发展起来的,一种新的度量金融变量间相关关系的工具——Copula函数,与线性相关系数相比具有更加灵活和准确的优势。通过对国内Copula函数的研究分析,我们发现目前常用于金融资产相关性研究的Copula函数为正态Copula函数和t-Copula函数,但它们都只能描述资产间的对称相关性。于是本文在对Copula函数理论进行阐述的基础上,引入了能描述变量间非对称性关系的skst-Copula函数,并结合GARCH模型建立了skst-Copula-GARC... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文的研究内容
2 Copula 理论与介绍
    2.1 Copula 理论产生的背景
    2.2 Copula 函数简介
        2.2.1 Copula 函数的定义
        2.2.2 Copula 函数的性质
    2.3 常用的Copula 函数与相关性分析
        2.3.1 正态Copula 函数
        2.3.2 t-Copula 函数
        2.3.3 阿基米德Copula 函数
        2.3.4 极值Copula 函数
        2.3.5 偏t-Copula (Multivariate Skewed t Copula，skst-Copula)函数
        2.3.6 常用的二元Copula 函数的相关性分析
    2.4 Copula 函数的参数估计
        2.4.1 最大似然估计方法（the maximum likelihood (ML) method）
        2.4.2 边际分布推导法(the method of Inference Functions for Margins(IFM))
        2.4.3 CML(the Canonical Maximum Likelihood method)方法
        2.4.4 对于Archimedean Copula 的参数估计
    2.5 Copula 模型的构建方法
    2.6 Copula 模型的检验
        2.6.1 χ~2 检验
        2.6.2 K-S 检验
3 GARCH 类模型分析与应用
    3.1 GARCH 模型介绍
    3.2 GARCH 类模型的发展
        3.2.1 ARCH 模型
        3.2.2 GARCH 模型
        3.2.3 ARCH-M 模型
        3.2.4 EGARCH 模型
        3.2.5 TGARCH 模型
        3.2.6 因子GARCH(Factor GARCH)模型
    3.3 GARCH 类模型的设定
    3.4 GARCH 类模型的参数估计
    3.5 GARCH 类模型的检验
4 基于 GARCH 模型和 Copula 理论的建模及实证研究
    4.1 Copula-GARCH 模型的构建
        4.1.1 确定边际分布模型
        4.1.2 Copula 函数的选取
    4.2 skst-Copula-GARCH 模型的估计与检验分析
        4.2.1 Copula-GARCH 模型的估计
        4.2.2 Copula-GARCH 模型的检验
    4.3 结论
5 Skst-Copula-GARCH 在风险度量 VaR 上的应用研究
    5.1 VaR 的基本概念
    5.2 VaR 的计算方法
        5.2.1 协方差矩阵法
        5.2.2 历史模拟法
        5.2.3 蒙特卡罗模拟方法
        5.2.4 多变量的蒙特卡罗模拟
    5.3 传统VaR 计算中存在的问题
        5.3.1 模型设定的偏差
        5.3.2 相关系数的缺陷
    5.4 Copula 函数的优势
    5.5 引入Copula 函数和蒙特卡罗模拟方法的VaR 计算
    5.6 VaR 的事后检验
    5.7 关于中国资本市场投资组合的VaR 实证研究
        5.7.1 实证研究过程
        5.7.2 数据处理结果
6 文章总结与展望
致谢
参考文献
附录
    A. 作者在攻读学位期间发表的论文目录
    B. 本文中所用到的部分程序


【参考文献】：
期刊论文
[1]基于Copula函数的金融市场尾部相关性分析[J]. 任仙玲,张世英.  统计与信息论坛. 2008(06)
[2]基于Copula-SV模型的金融投资组合风险分析[J]. 战雪丽,张世英.  系统管理学报. 2007(03)
[3]多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 韦艳华,张世英.  数理统计与管理. 2007(03)
[4]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)
[5]基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法[J]. 刘志东.  系统工程理论方法应用. 2006(02)
[6]基于Copula函数度量违约相关性[J]. 朱世武.  统计研究. 2005(04)
[7]改进Copula对数据拟合的方法[J]. 史道济,姚庆祝.  系统工程理论与实践. 2004(04)
[8]多金融资产风险价值的Copula计量方法研究[J]. 张明恒.  数量经济技术经济研究. 2004(04)
[9]Copula理论在金融上的应用[J]. 韦艳华,张世英,孟利锋.  西北农林科技大学学报(社会科学版). 2003(05)
[10]二元极值分布的一个性质[J]. 史道济.  应用概率统计. 2003(01)

硕士论文
[1]Copula函数的比较及在VaR度量中的应用研究[D]. 林莹.厦门大学 2007



本文编号：3190810