Copula-GARCH-MCMC方法在投资组合风险的实证研究

发布时间：2021-11-06 16:25

　　投资组合的研究涵盖了相关性研究和风险测度研究,其中前者对后者的影响尤为重要。然而资产之间的关系是复杂而瞬息万变的,因此在考察资产间的相关性时,不仅要衡量收益率序列之间相关程度,同时也要考虑其相关结构。鉴于2018年的港股投资价值显著,实证中展开了对香港股票市场的行业指数的组合风险研究,利用恒生金融类、地产类、工商类的行业指数来构建投资组合,用Copula-GARCH模型度量这些资产之间的相关结构,用MCMC模拟组合中各资产权重,并使二者结合,构建得Copula-GARCH-MCMC模型。结果表明,港股的行业股指收益波动有集群特征;Copula函数的形式灵活,对具有不同相关结构特征的资产关系都能有较强的刻画能力;其中t-Copula函数能较优地描述港股行业股指间的相关关系,证明行业间的相关结构是对称的,在相关结构的两端呈后尾状,表示极端事件都容易发生;用MCMC方法计算得出的投资权重考虑了历史收益率的胜出表现,更为贴切;从模型的有效性来看,Markowitz方法相比于Copula函数与MCMC方法的结合使用偏于低估了资产组合的风险,即后者更贴近现实,具有更强的参考价值。 

【文章来源】：暨南大学广东省 211工程院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

研究技术路线图

-11t t t ttP 各行业股指的收益率趋势波动图如下，从以上三幅时序图可以看出，这三大行业股指的日收益率基本在零值上下震动，总体上可以说是一个相对平稳的时间序列。

而峰度都大于 3，证明都有尖峰的特点，而这个结论同样可以从它们的日收益率直方图初步看出。而就 JB 统计量来说，四只股票对应的 JB 统计量对应的卡方值的概率都基本趋向于 0，因此认为这四只股票的日收益率都不近似服从正态分布。

【参考文献】：
期刊论文
[1]基于极值理论与藤式Copula模型的多市场投资组合选择[J]. 佘笑荷,王晓芳,杨来科.  统计与决策. 2017(20)
[2]基于蒙特卡洛小波去噪的股票投资组合风险优化研究[J]. 李君昌,樊重俊,杨云鹏,袁光辉.  计算机应用研究. 2018(10)
[3]基于Copula-GARCH类模型的证券分类方法[J]. 毛杰.  系统工程. 2017(04)
[4]风险项目投资组合决策的贝叶斯评价与选择策略[J]. 胡支军,彭飞,李志霞.  中国管理科学. 2017(02)
[5]风险依赖、一致性风险度量与投资组合——基于Mean-Copula-CVaR的投资组合研究[J]. 张冀,谢远涛,杨娟.  金融研究. 2016(10)
[6]基于MCMC抽样的金融贝叶斯半参数GARCH模型研究[J]. 杨爱军,刘晓星,林金官.  数理统计与管理. 2015(03)
[7]参数不确定条件下考虑偏度的投资组合[J]. 崔媛媛,王建琼,庄泓刚.  系统工程理论与实践. 2011(09)
[8]基于Copula理论的投资组合风险测度[J]. 赵鹏.  统计与决策. 2011(03)
[9]多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 韦艳华,张世英.  数理统计与管理. 2007(03)
[10]连接函数（copula）技术与金融风险分析[J]. 张尧庭.  统计研究. 2002(04)

硕士论文
[1]Copula-MCMC方法在证券投资组合中的应用研究[D]. 欧卫星.湖南大学 2011



本文编号：3480149