基于Copula理论的股票投资组合VaR风险度量研究

发布时间：2017-03-16 13:07

  本文关键词：基于Copula理论的股票投资组合VaR风险度量研究，，由笔耕文化传播整理发布。

【摘要】：随着金融市场的不断变化,准确度量风险已成为有效管理风险和投资者做出合理决策的基础。为有效对由金融资产价格波动所带来的风险进行规避和对冲,建立一个可靠和精确的数学模型去度量金融市场投资组合的风险,进而提高投资组合的度量精度是十分重要的。根据现有的风险度量与评估研究,VaR (Value-at-Risk,风险价值)方法是一种国际上较为流行的风险管理标准,可以有效地度量股票投资组合的风险。与传统的金融风险度量模型相比,这种方法可以涵盖影响金融资产的各种不同市场因素,同时还可以度量非线性的风险问题,具有更大的适应性与科学性。然而,由于金融市场具有复杂化、多样化的特点,使得金融资产之间的相依性显著增强,尤其是在市场处于低迷时期(熊市)时,金融资产间的相依关系会比活跃时期(牛市)较大。因此度量金融资产之间的相关性对研究风险管理、资产定价、投资组合分析等问题非常重要。在刻画随机变量间相关性方面,Copula函数是一种有效的建模方法,不但能反映它们的线性或非线性、对称或非对称的相依关系,而且还能捕捉到它们间的尾部相依关系。基于此所建的模型已被普遍地应用到金融市场的分析中。此外,多尺度分析框架是一个复杂系统的有效分析手段,能有效地提高投资组合风险的度量精度。其中,经验模态分解(EMD)模型作为有效的多尺度分析方法,能较为准确地反映原始数据的物理特性,特别在处理非线性非平稳数据方面具有较高的拟合度。以及之后对EMD进行扩展,提出的二元EMD算法,可有效解决EMD方法在处理二元数据分析时所存在的模式混叠与尺度不对齐等问题。对此,为提高估计精度,本文将引入二元EMD算法,以构建新的多尺度股票投资组合风险度量模型。因此,本文将基于有效的风险度量Copula-GARCH模型,以及多尺度分析二元EMD算法,提出一种新的基于EMD-Copula-GARCH的风险度量模型用于估计股票投资组合的VaR。首先,结合二元EMD算法与Copula理论探讨股市间微观相关结构的特征。其次,构建一种基于二元EMD-Copula-GARCH的VaR风险度量模型,对股票市场中所存在的风险进行预测,并与现有的风险度量模型的VaR结果相比较,最后通过实证分析证明了EMD-Copula-GARCH模型在股票市场风险预测方面的有效性。
【关键词】：VaR Copula EMD 股票投资组合 风险度量
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 绪论15-25
• 1.1 研究背景和意义15-16
• 1.1.1 研究背景15
• 1.1.2 研究意义15-16
• 1.2 国内外研究综述16-22
• 1.2.1 Copula理论的研究综述16-19
• 1.2.2 风险度量的研究综述19-20
• 1.2.3 二元EMD的研究综述20-22
• 1.3 研究内容与结构22-23
• 1.4 研究方法与技术路线23-24
• 1.4.1 研究方法23
• 1.4.2 技术路线23-24
• 1.5 本文的创新点24-25
• 第二章 相关理论及方法概述25-37
• 2.1 Copula理论简介25-32
• 2.1.1 Copula的定义和性质25-26
• 2.1.2 基于Copula的相依性测度26-28
• 2.1.3 常用的二元Copula函数与相关性分析28-31
• 2.1.4 Copula函数的单调变换定理31-32
• 2.2 二元EMD算法32-34
• 2.2.1 EMD32-33
• 2.2.2 二元EMD33-34
• 2.3 VaR方法34-37
• 2.3.1 VaR的定义34-35
• 2.3.2 VaR的估计35-37
• 第三章 基于Copula理论的股市之间相关性研究37-47
• 3.1 样本选取与描述性统计37-38
• 3.2 二元EMD分解38-39
• 3.3 基于Copula理论的相依性分析39-45
• 3.3.1 总体相依性分析40-41
• 3.3.2 微观相依性分析41-45
• 3.4 结果分析45-47
• 第四章 基于DCC-GARCH和EMD-DCC-GARCH的股票投资组合VaR风险度量研究47-55
• 4.1 模型构建47-51
• 4.1.1 理论模型47-50
• 4.1.1.1 DCC-GARCH模型47-49
• 4.1.1.2 VAR模型49-50
• 4.1.2 基于DCC-GARCH模型的VaR风险度量模型50
• 4.1.3 基于EMD-DCC-GARCH的VaR风险度量模型50-51
• 4.2 VaR模型检验51-52
• 4.3 实证分析52-55
• 4.3.1 VaR值计算52-53
• 4.3.2 VaR模型检验53-55
• 第五章 基于EMD-Copula-GARCH的股票投资组合VaR风险度量研究55-63
• 5.1 模型构建55-57
• 5.1.1 理论模型55-56
• 5.1.1.1 Copula-GARCH模型55-56
• 5.1.2 基于Copula-GARCH的VaR风险度量模型56
• 5.1.3 基于EMD-Copula-GARCH的VaR风险度量模型56-57
• 5.2 实证分析57-60
• 5.2.1 VaR值计算58-59
• 5.2.2 VaR模型的检验59-60
• 5.3 四种VaR模型的比较60-63
• 5.3.1 VaR值的比较60-62
• 5.3.2 超出率和MSE值的比较62-63
• 第六章 结论与展望63-67
• 6.1 本文的主要结论63-64
• 6.2 论文未来的研究方向64-67
• 参考文献67-71
• 附录71-73
• 致谢73-75
• 研究成果及发表的学术论文75-77
• 作者及导师简介77-78
• 附件78-79

【参考文献】

中国期刊全文数据库 前10条

1 张伟伟;唐湘晋;;基于时变copula的中国股指期货和现货动态相关性研究[J];科技创新与应用;2016年04期

2 陈珊;郑琴;秦绪佳;;基于二维经验模式分解的医学图像融合方法[J];计算机系统应用;2014年06期

3 刘谦慧;;基于GARCH族模型的VaR方法对上证综指的研究[J];商;2014年01期

4 赵松杰;张亚博;宣龙健;;基于BEMD和DCT的图像数字水印算法[J];现代电子技术;2013年17期

5 李成;周恒;;基于多元经验模式分解的股票收益与宏观经济关系分析[J];统计与信息论坛;2013年02期

6 赵春晖;周振国;;一种基于BEMD的纹理图像分类改进方法[J];黑龙江大学自然科学学报;2012年05期

7 李小满;李峰;章登勇;;基于二维经验模式分解的图像水印嵌入算法[J];计算机工程;2011年12期

8 李自然;成思危;祖垒;;基于格兰杰因果检验遍历性分析的中国股市和国际股市的时变联动特征研究[J];系统科学与数学;2011年02期

9 李峰;徐琼;吕回;;基于二维EMD分解的图像压缩研究[J];计算机工程与应用;2010年09期

10 傅强;邢琳琳;;基于极值理论和Copula函数的条件VaR计算[J];系统工程学报;2009年05期

  本文关键词：基于Copula理论的股票投资组合VaR风险度量研究，由笔耕文化传播整理发布。

本文编号：251829