基于Copula-GJR模型的投资组合风险测度研究

发布时间：2017-08-31 00:23

  本文关键词：基于Copula-GJR模型的投资组合风险测度研究

  更多相关文章： Copula函数 风险预测 Monte Carlo模拟 滚动时间窗法

【摘要】：经济的稳定与发展是关系到国家繁荣与社会昌盛的重要课题,对潜在风险的预测与评估也一直是金融监管机构以及学者关注的重点之一。随着互联网的发展和计算机技术的进步,尤其是进入70年代以来,全球金融系统发生了巨大变化。根据世界经合组织在2014年发布的年度报告预测,随着世界发达国家准备退出2008年金融危机期间推出的经济刺激计划,全球金融市场将面临“巨大的动荡时期”。与此同时,金融领域创新迭出,金融衍生产品爆发性增长,市场的交易速度和交易量空前增加,这些因素交织在一起,使得金融市场的不确定性和复杂程度都达到空前的程度。同时,随着金融市场一体化趋势的增强,不同金融体之间的波动互相传染,金融市场之间的相依性也前所未有的增强。技术的进步和全球金融的一体化趋势,在一方面促进了社会进步,给人们的经济生活带来很大的便利,在另一方面也对金融风险的管理与控制提出了更高的要求。风险管理就是金融机构或企业在准确辨识和测量市场风险的基础上,根据其竞争优势及风险偏好,利用各种工具和技术对风险进行规避与防范、转移(分散化、对冲、保险)和保留(风险定价和风险资本金配置)的过程。而VaR方法由于建立在严谨的统计理论基础之上,将资产的各种风险整合成一个简单的数字,具有结果清晰易懂的优点,目前该方法已成为金融界测量市场风险的主流方法。另外,由于投资组合可以有效的分散风险,进行组合资产风险投资相对于单一资产投资具有更广泛的应用,研究组合资产的风险比单一资产研究更有意义。但传统的VaR计算方法以有效市场假说(Efficient Markets Hypothesis,EMH)为前提、基于金融资产之间符合线性相关性进行计量计算。然而,有大量研究表明,金融收益时间序列存在有偏、尖峰厚尾特征,收益波动存在集聚性和杠杆效应等,且投资组合内部并不符合简单的线性相关关系。这表明传统的VaR方法并不能准确、有效的计算投资组合风险,必须寻找更为贴切的模型对金融收益率分布和相关关系进行拟合。本文基于以上事实,选取时间段为2005年4月1日至2013年4月2日的中国沪深300指数(HS300),美国标准普尔指数(SP500),日本日经225指数(NKY),英国富时100指数(FTSE)的收盘指数数据,构建一个投资组合。采用Copula函数结合Garch模型对投资组合的风险进行测度。首先,本文经过分析,提出构建GJR-Skewt模型,来捕捉投资组合收益率序列的有偏特征、厚尾特征、以及杠杆效应,再利用可以刻画厚尾分布的T-copula函数拟合组合资产之间的相关关系,对投资组合的未来风险进行样本外(out-of-sample)的动态预测。然后,本文根据历史数据提取有效的参数,采用蒙特卡罗模拟法(montecarlosimulation,mc),生成符合参数之间相关关系的伪随机数,再通过gjr-skewt模型逆向求出残差的分布,并对样本外的天数进行var的预测。同时,本文采用向前一天预测法(one-day-aheadforecast)的滚动时间窗法,以提高var的预测精度。再次,本文以相同的算法,计算了另外几组波动率模型(即:garch-guassian、gjr-guassian、garch-skewt)作为边缘分布时的var预测效果,作为比较研究。最后,本文对实证的结果进行了深入的分析,并根据分析结果进行了进一步的政策建议。本文主要从四个部分来展开叙述。第一部分,前言部分。描述金融市场的大致情况,得出金融市场的波动性和脆弱性加剧,不同市场相依关系加强的现状,进而提出金融风险管理的重要性。在此基础上,论文选取投资组合风险计算为研究对象,阐述本研究的理论和现实意义。第二部分,研究文献综述部分。对国内外关于投资组合风险管理的诸多研究成果进行梳理,提炼出投资组合风险管理理论与实证研究的发展状况,以期达到对投资组合风险管理研究有一个清晰明确的脉络和认知。第三部分,理论可靠性分析部分。详细说明在险价值理论和计算方法,copula函数以及相应的边缘分布garch函数的理论介绍,copula方法下计算在险价值的蒙特卡洛模拟方法和具体的实现步骤,最后是对模型的检验。第四部分,实证分析部分。选取不同国家典型股票指数收益的波动数据构成投资组合进行实证,并对实证结果结合金融风险市场的现实情况给于深入分析。选取不同分布的garch和gjr模型进行相同的试验,将试验结果进行对比,得到有益的结论。最后对模型的可靠性进行可靠性检验,以验证前述数学模型是否有效。第五部分,政策建议。依据理论分析和实证结论,落脚于我国金融市场的实际情况,对金融监管部门和金融市场参与者提出相应的政策建议。研究结果表明:首先,从时间序列上来看,沪深300指数(hs300)、美国标准普尔指数(sp500)、日本日经225指数(nky),英国富时100指数(ftse)日收益率波动图,从图中可以看出沪深300指数(hs300)、美国标准普尔指数(sp500)、日本日经225指数(nky),英国富时100指数(ftse)日收益率的波动表现出明显的时变性、突发性和集簇性特征,均不满足正态分布假设,而是存在显著的“尖峰胖尾”特征以及杠杆效应。其次,单资产拟合模型gjr-skewt模型与另外几组单资产拟合模型garch-skewt、garch-guassian、gjr-guassian相比,能更为有效的拟合样本股票指数的这些特征,在样本国际投资组合的var预测能力上表现优异。再次,在残差服从正态分布假设下,能刻画杠杆效应的gjr模型并没有明显表现出优于普通garch模型的var预测能力,这说明充分描述条件收益的尖峰厚尾和有偏特征对var的预测精度有着更为重要的影响,因此,能描述条件收益尖峰厚尾和有偏特征的garch-skewt模型相对也不失为一个较好的模型;Garch-Guassian模型预测出的VaR失败次数与期望失败次数相比过少,说明此模型与实际市场的风险背离程度较大,有低估风险的倾向。
【关键词】：Copula函数 风险预测 Monte Carlo模拟 滚动时间窗法
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F830.9
【目录】：

• 摘要4-7
• Abstract7-13
• 第1章 引言13-22
• 1.1 研究背景13-15
• 1.2 研究意义15
• 1.2.1 理论意义15
• 1.2.2 现实意义15
• 1.3 投资组合风险研究现状15-19
• 1.3.1 国外关于投资组合的研究15-17
• 1.3.2 国内关于投资组合的研究17-18
• 1.3.3 文献总结18-19
• 1.4 本文思路、方法及创新点19-22
• 1.4.1 研究思路19-20
• 1.4.2 本文研究方法20
• 1.4.3 研究创新点20-22
• 第2章 在险价值理论22-27
• 2.1 风险评估常用统计量22-23
• 2.2 VaR理论简介23-24
• 2.3 VaR的计算方法24-27
• 第3章 投资组合风险测度的理论模型27-34
• 3.1 单金融资产分布的拟合模型27-29
• 3.1.1 Garch模型27
• 3.1.2 GJR-skewt模型27-29
• 3.1.3 单一资产模型的估计方法29
• 3.2 多元资产的联合分布拟合--Copula模型29-31
• 3.2.1 Copula函数简介29-31
• 3.2.2 Copula函数的优越性质31
• 3.3 基于Copula函数下的VaR蒙特卡洛模拟算法31-32
• 3.4 基于模型预测效果的Kupiec LR检验32-34
• 第4章 投资组合风险测度的实证分析34-45
• 4.1 数据的选取与统计分析34-36
• 4.2 GJR-skewt模型的参数估计36-38
• 4.3 Copula函数下的Va R蒙特卡洛模拟结果38-40
• 4.4 模型实证结果的Kupiec LR检验与分析40-45
• 结论45-48
• 致谢48-49
• 参考文献49-51
• 攻读学位期间取得学术成果51

【参考文献】

中国期刊全文数据库 前4条

1 龚金国;史代敏;;时变Copula模型的非参数推断[J];数量经济技术经济研究;2011年07期

2 王沁;王璐;程世娟;;基于时变Copula模型的沪深股市相依分析[J];统计与决策;2010年19期

3 林宇;魏宇;黄登仕;;基于GJR模型的EVT动态风险测度研究[J];系统工程学报;2008年01期

4 战雪丽;张世英;;基于Copula-SV模型的金融投资组合风险分析[J];系统管理学报;2007年03期

中国博士学位论文全文数据库 前1条

1 李伟;基于金融波动模型的Copula函数建模与应用研究[D];西南财经大学;2008年

，

本文编号：762371