基于Copula-VaR的指数基金市场风险与流动性风险集成度量

发布时间：2020-03-23 14:34

【摘要】：随着金融市场的完善,金融产品的种类不断增加。指数基金(ETF)作为一种成本低、流动性好、透明度高、交易机制灵活的开放式场内基金品种,也日渐引起学术界和业界的广泛关注。对ETF集成风险的研究既可以促进ETF体系的发展与完善,也能够为ETF投资管理提供决策支持。本文以中国证券市场ETF为研究对象,对其市场风险与流动性风险的集成风险进行度量,并对VaR值进行测度,使集成风险度量具有更现实的意义。本文在流动性溢价相关理论基础上对ETF市场风险及流动性风险的内涵进行了界定,同时确定了风险因子度量方法。本文将截至2010年6月30日在上海和深圳证券交易所公开发行的9只ETF开放式基金作为研究样本,通过对ETF市场风险及流动性风险时间序列进行自相关检验、ARCH LM检验及拟合优度检验,应用GARCH(1, 1)和GARCH(1, 1)-t模型对风险边缘分布进行建模,应用Gumbel Copula, Clayton Copula和Frank Copula三个函数分别对ETF市场风险与流动性风险的相关关系进行描述。在确定风险边缘分布和Copula函数之后,本文通过蒙特卡罗模拟与Copula函数相结合的方法,对ETF集成风险的VaR值进行了度量。结果表明,上证央企ETF、上证红利ETF和上证超大ETF的成交量、成交额和换手率均较高,ETF交易相对活跃,具有较强的变现能力,其流动性风险较小,所以VaR值呈负值的状态。公司治理ETF和深证成份ETF的成交量、成交额及换手率均较低,流动性不强,不容易变现,具有相对较高的风险,因此集成风险VaR值也较高,即意味着有着相对较高的潜在资产损失的可能。ETF所代表的不同的指数投资主题是导致VaR值产生差异的重要原因。
【图文】：

技术路线图,市场现状,险度,流动性风险

图 1.1 技术路线排的研究内容共包市场现状出发，提流动性风险与 VaR析的已有研究，指出究思路和内容结构险度量的研究基础对 Copula 函数与内涵及度量方法，研究的理论基础，基于 Copula 函数的模型构建。首先

散点图,分布密度,散点图,流动性风险

基金之间的市场风险相关性得到了一定程度的增强。但在证券市场的牛市及熊市时，，各个基准指数又呈现了具有非对称特征的相关性变化。而对于基金的流动性风险，由于其受心理预期、市场风险波动及宏观经济环境等多种因素影响，同样表现出风险波动的差异性。在这种情况下，很难用单一的某个 Copula 函数来全面地刻画基金的市场风险与流动性风险之间的相关模式，因此有必要分析不同的Copula 函数在描述金融变量间相关性的作用，从而能够更准确地刻画基金市场风险与流动性风险之间的相关关系。常见的 Copula 函数有 Gumbel，Clayton 和 Frank 三种形式，它们均属于阿基米德 Copula 函数族，但在描述金融变量相关模式上有明显的差异，可分别用于描述三种典型的相关模式，在进行市场风险与流动性风险的相关分析时，可以结合三种不同的函数来进行。(1) Gumbel Copula 函数的分布函数表达式为：{ }1/C ( , , ) exp [( log ) ( log ) ]Gu v u vθ θ θθ = + (3.10其中，u 和 v 表示两个金融变量，θ 是相关参数，θ=1 表示独立，θ→∞表示完全正相关。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F832.51;F224

【参考文献】