基于Vine-Copula-EVT方法的多资产投资组合市场风险VaR度量

发布时间：2017-03-20 05:08

  本文关键词：基于Vine-Copula-EVT方法的多资产投资组合市场风险VaR度量，由笔耕文化传播整理发布。

【摘要】：在理论模型上,本文在基于Pair-Copula高维建模方法的Vine-Copula理论框架下,结合极值理论EVT,构建了Vine-Copula-EVT模型,采用C-Vine和D-Vine结构分解下的各常见Copula函数形式(Gaussian-Copula、T-Copula、Clayton-Copula、Gumbel-Copula、Frank-Copula)来研究多资产投资组合的市场风险,并结合蒙特卡罗模拟法计算出多资产投资组合的VaR作为风险度量指标,再通过Kupiec失败率检验测试Vine-Copula-EVT模型的VaR预测效果,并与以多元Copula得到的VaR、传统的蒙特卡罗模拟法、历史模拟法得到的VaR预测效果作比较。在实证过程中,本文选取了上证综指、日经225指数、标普500指数和富时100指数作为投资标的构造多资产投资组合,以2011年1月1日至2015年12月31日为样本区间,得到四个日收益率序列共计1214组样本数据进行实证研究。在估计多资产组合的VaR时,本文采用二阶段极大似然估计法。第一步是边缘分布函数的构建,先对收益率序列所特有的尖峰、厚尾、偏态及非对称等典型的金融数据特征,采用GARCH类模型(GARCH-N、GARCH-t、GARCH-SKST、 GJR-N、GJR-t和GJR-SKST)对每个指数收益率序列进行过滤,从中按照赤池AIC准则挑选最优的GARCH类模型,并得到相应的标准残差序列。然后应用极值理论EVT,尾部分布用GPD(广义帕累托分布)模型拟合,阈值内分布用经验分布函数估计,以极值分布来进行边缘分布建模。第二步是Vine-Copula相依性建模。对于四个指数之间的相依结构,在藤结构中选择C-Vine和D-Vine, Pair-Copula函数形式可在Gaussian-Copula、T-Copula、Clayton-Copula、Gumbel-Copula、 Frank-Copula中依据AIC准则进行选择,得到相应的Vine-Copula相依性建模,通过蒙特卡罗方法计算多资产组合的VaR。VaR估计出来之后,需对其预测效果进行检验,本文其得到的VaR与其他方法(多元Copula-GARCH、蒙特卡罗法)的VaR一起进行Kupiec失败率检验,来较各模型对VaR估计的准确性。本文得到以下点实证结果：1、按照AIC准则和BIC准则,GARCH类模型中,GJR-SKST模型剔除上证综指、日经225指数、富时100指数益率、ARMA(1,1)-GJR-SKST模型剔除标普500指数的典型金融事实特征效果最佳。2、按AIC准则,C-Vine-Copula优于D-Vine-Copula。3、依据Kupiec失败率检验结果,除历史模拟法所得VaR不能较好对多资产投资组合未来风险进行预测外,其余几种方法所得VaR均具有较好的预测效果,其中C-Vine-Copula-EVT模型的预测效果最好。从失败天数来看,C-Vine-Copula-EVT的失败天数均在期望天数以内,而其他模型的失败天数有超过期望天数的情况。
【关键词】：Vine-Copula 极值理论EVT 多资产投资组合 VaR
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F830.91
【目录】：

• 摘要4-6
• Abstract6-9
• 第一章 引言9-14
• 第一节 研究背景和意义9-10
• 第二节 研究内容10-11
• 第三节 论文结构与思路11-12
• 第四节 研究方法12
• 第五节 可能的创新与不足12-14
• 第二章 文献综述14-20
• 第一节 关于金融波动模型的文献综述14-15
• 第二节 关于极值理论EVT的文献综述15-16
• 第三节 关于Copula方法的文献综述16-20
• 第三章 相关理论与方法20-31
• 第一节 金融市场典型事实的计量方法20-21
• 第二节 极值理论EVT及相关模型21-23
• 第三节 Copula理论及相关模型23-31
• 第四章 基于Vine-Copula-EVT模型度量VaR的理论分析31-35
• 第一节 构建Vine-Copula-EVT模型31-32
• 第二节 蒙特卡罗模拟计算投资组合VaR32-33
• 第三节 检验VaR模型的准确率33-35
• 第五章 基于Vine-Copula-EVT模型度量VaR的实证分析35-49
• 第一节 样本数据的选择35
• 第二节 描述性统计35-38
• 第三节 多资产投资组合的VaR度量38-46
• 第四节 VaR的Kupiec失败率检验46-49
• 第六章 总结与展望49-51
• 第一节 全文总结49
• 第二节 不足与展望49-51
• 参考文献51-55
• 致谢55-56

【参考文献】

中国期刊全文数据库 前10条

1 江松明;王沁;刘洋;;基于状态转移-混合Copula模型的量价关系分析[J];西华大学学报(自然科学版);2015年05期

2 王璐;;国际多元化下多维金融市场相关结构测度——以金砖国家新兴市场为对象[J];数理统计与管理;2015年03期

3 唐韬;谢赤;;基于状态转换动态Copula模型的外汇套期保值研究[J];中南大学学报(社会科学版);2015年01期

4 马锋;魏宇;黄登仕;;基于vine copula方法的股市组合动态VaR测度及预测模型研究[J];系统工程理论与实践;2015年01期

5 罗长青;欧阳资生;夏嘉璐;;信用风险相关性度量的MRS Copula模型构建及实证研究[J];数学的实践与认识;2014年10期

6 邵雪焱;池宏;高敏刚;;基于copula函数的飞行操作风险分析[J];数理统计与管理;2012年05期

7 高江;;藤Copula模型与多资产投资组合VaR预测[J];数理统计与管理;2013年02期

8 杜红军;王宗军;;基于Copula-AL法的VaR和CVaR的度量与分配[J];中国管理科学;2012年03期

9 黄在鑫;覃正;;中美主要金融市场相关结构及风险传导路径研究——基于Copula理论与方法[J];国际金融研究;2012年05期

10 陈王;魏宇;淳伟德;侯县平;;中国股市与周边股市波动风险传导效应研究[J];中国管理科学;2011年06期

中国博士学位论文全文数据库 前1条

1 鲁志军;基于Copula-VaR的证券公司自营业务市场风险管理研究[D];湖南大学;2014年

  本文关键词：基于Vine-Copula-EVT方法的多资产投资组合市场风险VaR度量，由笔耕文化传播整理发布。

，

本文编号：257213