基于藤Copula和CVaR的外汇投资组合优化研究

发布时间：2017-04-14 14:14

  本文关键词：基于藤Copula和CVaR的外汇投资组合优化研究，，由笔耕文化传播整理发布。

【摘要】：经济一体化及金融自由化的快速发展,不仅促进了各国之间的经济贸易往来,而且也增强了国际资本在各国市场的流动,进而刺激了外汇需求增长,使得外汇市场发展迅速。与此同时,随着金融市场及金融工具的快速发展,外汇市场投资已经成为当前投资者的一个投资热点,因此,使得投资者及风险管理者对于如何构建有效的外汇投资组合以防范外汇风险,实现风险规避和转嫁,进而实现资产的保值增值功能,成为了人们密切关注的问题。如何构建有效的投资组合,马柯维茨的投资组合理论为我们的分析提供了框架。该理论是在确定收益的基础上寻求风险的最小化或是在风险一定的基础上追求收益最大化。因此,风险测度的准确性对于投资组合优化的最终结果具有举足轻重的作用。当前,在险价值(Value-at-Risk,Va R)技术能够简单且清晰地表示金融资产面临的风险,受到学者们的青睐,成为测度金融风险的通用方法,并被广泛运用于实践。虽然Va R技术在刻画单一资产方面具有优秀的表现,但是对于刻画多个资产的组合风险,由于其自身并不具有次可加性,从而导致其计算的组合风险并不准确。与此同时,Va R也并不具有凸性,因而使得将风险测度指标Va R的风险值最小作为投资组合优化的目标函数时,可能存在多个最优解,即以Va R风险为目标函数进行的投资组合优化得到的是局部最优解,而非全局最优解。针对Va R的这一缺陷,本文选择具有次可加性以及具有凸性的条件在险价值CVa R(Conditional Value-at-Risk)来替代Va R作为组合优化的目标函数,以此来对外汇投资组合进行优化,进而得到优化的投资组合。需指出的是,无论是运用Va R技术或是基于Va R的CVa R技术来测度风险,通常假定市场是没有摩擦的,即市场投资者能够随时以预期价格交易大量头寸,却不会引起资产价格下跌。然而,大量实证研究已证明,金融市场不但存在市场摩擦,而且由市场摩擦产生的流动性风险,在极端情况下可导致市场出现流动性黑洞,进而诱发金融危机。如果不针对Va R模型的这一市场假定缺陷进行修正,忽略如此重要的流动性风险,就势必会低估投资者面临的风险,进而导致风险测度不准确。因而,为克服CVa R的这一缺陷,我们将流动性风险纳入到对外汇投资组合优化研究之中。同时还由于CVa R技术在测度风险的过程中,并没有考虑资产间的相依结构,而资产的相依结构对于准确测度风险有着重大影响。于是本文运用藤Copula(Vine-Copula)来捕获外汇投资组合资产间的相依性,以准确测度外汇投资组合风险,从而实现外汇投资组合资产的优化。于是,本文通过选取人民币兑美元汇率,人民币兑欧元汇率以及人民币兑英镑汇率作为研究对象,选取市场风险因子r以及流动性风险因子rs,共计6个风险指标,针对风险因子存在的典型事实特征,运用ARMA均值模型以及GARCH方差模型,以及针对资产尾部建模的极值理论(Extreme Value Theory,EVT)对风险因子的边缘分布进行刻画,然后针对Va R技术没有考虑资产相依结构、不具有次可加性以及凸性的缺陷,运用藤Copula函数对风险因子之间的相依性进行刻画,进而运用满足一致性风险测度和具有凸性的CVa R指标对Va R进行修正,进而准确测度出外汇投资组合的风险CVa R值,并将CVa R指标最小作为外汇资产组合优化的目标函数,进而实现对外汇投资组合资产的优化。经过实证分析得出以下结论:1)针对资产尾部分布建模的EVT比正态分布以及能够捕获厚尾信息的学生t分布能更好地描述资产的尾部情况,提取更多的尾部信息;2)在刻画外汇资产的相依结构刻画上,采用t Copula函数就能很好地刻画资产间的相依性,且采用D-Vine藤结构比采用C-Vine藤结构在捕获外汇资产之间的相依结构上,具有更强的捕获能力;3)本文构造的基于D藤Copula函数以及CVa R的外汇投资组合优化模型,具有较好的优化能力,不仅能够对组合资产进行有效优化,而且还具有较强的稳健性。
【关键词】：藤Copula CVaR 组合优化
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.6
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 引言11-20
• 1.1 研究背景及意义11-13
• 1.2 国内外研究现状13-17
• 1.2.1 国外关于投资组合优化的研究现状13-15
• 1.2.2 国内关于投资组合优化的研究现状15-16
• 1.2.3 对国内外投资组合优化研究的文献评述16-17
• 1.3 研究内容、创新及技术路线17-20
• 1.3.1 研究内容17
• 1.3.2 创新性17-18
• 1.3.3 技术路线18-20
• 第2章 相关理论基础20-29
• 2.1 Copula相关理论20-23
• 2.1.1 Copula函数在刻画金融资产相依性上的优势20
• 2.1.2 Copula函数简介20-21
• 2.1.3 常用Copula函数21-23
• 2.2 藤Copula函数构造23-25
• 2.2.1 藤（Vine）的定义23-24
• 2.2.2 两种重要的规则藤结构24-25
• 2.3 投资组合优化25-28
• 2.3.1 均值-方差组合优化模型25
• 2.3.2 均值-VaR组合优化模型25-26
• 2.3.3 均值-CVaR组合优化模型26-27
• 2.3.4 均值-CVaR组合优化改进模型27-28
• 2.4 本章小结28-29
• 第3章 模型构建29-35
• 3.1 典型事实特征检验与边缘分布刻画29-31
• 3.1.1 典型事实特征检验29-30
• 3.1.2 边缘分布刻画30-31
• 3.2 基于藤Copula函数的相依结构刻画31-33
• 3.3 均值-CVaR投资组合优化模型33-34
• 3.4 本章小结34-35
• 第4章 基于藤Copula和CVaR的外汇投资组合优化实证分析35-47
• 4.1 样本选择35
• 4.2 典型事实特征检验35-36
• 4.3 边缘分布参数估计结果36-40
• 4.4 相关结构参数估计结果40-41
• 4.4.1 K-S检验结果40
• 4.4.2 藤Copula相关参数估计结果40-41
• 4.5 CVaR风险测度及均值-CVaR投资组合优化结果41-45
• 4.6 本章小结45-47
• 结论47-48
• 致谢48-49
• 参考文献49-53
• 攻读学位期间取得学术成果53

【相似文献】

中国期刊全文数据库 前10条

1 孙志宾;;混合Copula模型在中国股市的应用[J];数学的实践与认识;2007年20期

2 李娟;戴洪德;刘全辉;;几种Copula函数在沪深股市相关性建模中的应用[J];数学的实践与认识;2007年24期

3 李军;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 许建国;杜子平;;非参数Bernstein Copula理论及其相关性研究[J];工业技术经济;2009年04期

5 王s

本文编号：306167