基于D藤Copula方法的流动性风险研究

发布时间：2017-07-08 02:17

  本文关键词：基于D藤Copula方法的流动性风险研究

  更多相关文章： 流动性风险 La-VaR BDSS模型 D藤Copula 蒙特卡洛模拟法

【摘要】：流动性,最通俗易懂的解释为资产迅速变现的能力。在证券市场上,流动性风险指市场交易者在市场缺乏流动性时,交易成本上升而遭受经济损失的不确定性。近年来金融市场波动不断加大,尤其是2008年美国次贷危机引发全球金融海啸,流动性风险是导致此次危机演变为全球金融危机的重要因素。投资者为获取流动性转而投资其他市场的行为转移了流动性压力,市场恐慌中流动性风险在不同市场和金融体系间蔓延。2015年6月中旬至7月初,中国股市在连续三周的重挫中跌幅高达30%,蒸发20万亿人民币。股灾引发恐慌导致场内流动性枯竭,快速冲击其他金融市场,监管机构出手救市才及时化解这场流动性危机。这些惨痛经历证实流动性风险是金融市场的主要风险之一,忽略流动性风险或缺乏对流动性风险的有效管理会使金融市场和金融机构遭受巨大损失。如何准确度量流动性风险并进行有效管理是金融界一直积极探索的方向。经流动性风险调整的VaR (Liquidity adjusted VaR, La-VaR)是一种包含市场风险和流动性风险的集成风险测度方法,按流动性指标可分为价差、持有时限和交易量三类。然而一般的La-VaR忽略了市场风险因子和流动性风险因子间的相依关系。Copula理论的出现为上述问题提供了良好的解决方案,其中藤Copula (Vine Copula)方法因能灵活地反映变量间各异的相关结构尤其是尾部相依性,得到理论界和实务界的大力推广。叶五一等(2015)将藤Copula运用于交易量持续期的自相依结构估计,得到良好的预测结果。高江(2013)选用具有尾部分布特征的Pair-Copula模块构建藤Copula模型预测投资组合VaR。杜子平和张雪峰(2014)基于混合藤测度外汇资产组合VaR,模型效果稳健。但基于藤Copula的La-VaR研究领域国内尚未有人展开实证研究。总结目前La-VaR研究的缺陷在于,对市场风险因子和流动性风险因子间的相依关系刻画不足。对投资组合La-VaR而言,各资产收益之间的相关关系测度也较为简略。众所周知市场风险和流动性风险都具有厚尾特征,准确把握两两风险因子间的尾部相依关系将有利于提高La-VaR的预测准确性。因此,选用哪种流动性指标更为合适,如何选用可内嵌藤Copula方法的流动性风险模型,同时怎样设计一个具备现实意义和可操作性的藤Copula框架是本文需要解决的主要问题。本文借鉴国内外成熟的理论成果和实证经验,拟从研究前沿中选取一个流动性风险计量模型,要求符合以下三个条件：(1)不能直接套用国外做市商报价市场机制下的模型,需适用于我国指令驱动型市场机制；(2)不仅能测度单一资产,更能有效测度资产组合的经流动性调整的集成风险；(3)具备运用藤Copula方法的模型结构。随后,根据选定的流动性风险框架选取风险因子和Copula连接风险因子的方式。考虑到高频数据能够捕捉更多市场波动信息,本文采用股票的高频分笔数据进行实证研究,计算基于藤Copula的La-VaR值,最后验证模型效果。基于上述思路,本文采用理论与实证结合的研究方式。在理论研究设计上,通过相关文献的系统性梳理和分析选择相对价差和绝对价差作为流动性对比指标,选取一个改进的BDSS模型作为本文的流动性风险测度理论框架。同时分析高频买卖价差和收益率的风险特征为其选定最优拟合模型,并根据风险因子间的关系架构选择藤Copula和二元Copula进行相依关系测度。在实证方面,本文充分运用时间序列方法和计量模型进行分析建模。通过构建t-GARCH模型捕捉金融市场中收益率和相对价差序列的尖峰厚尾、异方差性的风险特性,并运用自回归条件双泊松模型对离散的绝对价差序列进行建模。本文还运用对比分析法,通过对比相对价差和绝对价差指标下的La-VaR预测效果,判断我国证券市场环境下高频绝对价差作为流动性风险因子的合理性。再将La-VaR与传统VaR进行对比,探究我国股市流动性风险特征。全文总共为六章。第一章为绪论,主要引出本文的研究背景,基于理论和现实背景提炼出本文研究的理论意义和现实意义。同时就本文研究的主要内容、所用方法以及创新点逐一进行阐述。第二章为文献综述,划分为四个板块。首先为流动性的概述,其次为流动性风险测度模型的梳理,再次为藤Copula领域的研究成果,最后针对已有文献进行简要评述。第三章为研究设计,本文根据国内外学者对流动性领域的理论研究,选取一个符合本文研究目的的再修正BDSS模型,在该框架下对市场风险因子收益率和流动性风险因子买卖价差(包括绝对价差指标和相对价差指标)进行分析并构造拟合模型。随后对藤Copula模型和参数估计方法展开研究,并设定本文Copula测度结构。最后就本文的数据选取进行说明。本文选取2015年11月21个交易日内我国上证A股市场三只股票的五分钟高频分笔数据。第四章为实证研究。分别对收益率、相对价差和绝对价差序列进行模型拟合和参数估计。接着测算收益率之间的D藤Copula系数、相对价差与收益率间的Copula系数、绝对价差与收益率间的Copula系数,随后通过蒙特卡洛模拟法计算风险因子仿真序列,进而求得La-VaR值。通过与历史模拟法下的VaR值进行对比,判断市场中流动性风险是否存在。再通过Kupiec失败率检验验证模型有效性,判断价差指标优劣并总结原因。第五章为结论,总结实证结果并根据我国证券市场现状提出相关建议,最后对文章的不足之处和研究展望进行论述。实证结果表明,来自不同行业的股票的收益率具有一定程度的对称尾部相依性,而各只股票的收益率和买卖价差间也存在一定的尾部相依关系。在投资组合风险测度中这些风险因子间复杂各异的相依结构不容忽视,而丰富的Pair Copula函数族为准确捕捉资产组合内部相关关系的差异性提供了有利条件。基于D藤Copula方法的相对价差La-VaR大于历史模拟法的VaR值,以此算得流动性风险占集成风险的5%-10%,说明我国市场流动性风险显著存在。La-VaR通过了Kupiec失败率检验,说明相对价差指标是有效的流动性风险因子,在一定程度上能捕捉到我国股票市场的流动性。而绝对价差指标的La-VaR'预测效果不佳,原因可能在于绝对价差的高频数据噪音较大,难以准确捕捉下一刻绝对价差的信息。ACDP模型作为条件自回归模型,其时变均值可有效预测未来趋势,但对大额价差冲击的捕捉不够,而流动性风险恰好来自这样的冲击。因此,对绝对价差指标的建模和数据频率选取还有待改进。本文的创新点主要体现在以下三点。第一点,大多数股市流动性指标测度为日度数据,而本文选用五分钟高频数据作为研究对象,能够更有效地把握股市的流动性和信息不对称程度。第二点,本文在一个改进的买卖价差流动性风险模型基础上引入一个新的流动性因子——绝对价差指标,并运用国外成熟的时间序列计数模型对其进行建模,再与原模型的相对价差指标对比,通过La-VaR结果判断绝对价差指标在国内市场的适应性。这是前人所没有的尝试,是对我国证券市场流动性风险测度的一次探究。第三点,国内少有人将藤Copula方法投入到综合风险管理中。因此本文的创新在于,对多元收益相依关系和价差-收益相依关系分别选择藤Copula函数和二元Copula函数进行刻画,使得Copula理论更好地服务于La-VaR模型,为市场投资组合交易者提供了一种可借鉴的风险测度工具。本文的不足之处在于,首先,基于买卖价差的La-VaR模型仍然存在其局限性,仅仅考虑了流动性的宽度和外生流动性风险。因此本文的方法和结论还不足以为金融投资机构采纳,他们进行的大额交易往往伴随不可忽视的内生流动性风险。其次,本文对收益率与价差选用——对应的二元Copula函数进行相依关系测度,相对独立于藤Copula框架。事实上,这种方法没有充分发挥藤Copula结构对高维变量进行相依关系测度的优势。本文未来的研究方向有以下两方面：首要的是对流动性指标进行扩展,对La-VaR漠型进行改进。目前国内已有针对基于藤Copula方法的交易量持续期的研究,可尝试将交易量持续期和买卖价差指标进行有效结合,得到更宽泛的流动性风险度量。其次,国外学者已探索出结合收益率和买卖价差的十维藤Copula模型,以及基于藤Copula方法的更高维的投资组合VaR研究。因此搭建一个可纳入更多风险因子和资产个数的藤Copula模型,充分发挥藤结构的高维优势也是今后的发展目标。
【关键词】：流动性风险 La-VaR BDSS模型 D藤Copula 蒙特卡洛模拟法
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-8
• ABSTRACT8-17
• 1. 绪论17-25
• 1.1 研究背景17-19
• 1.2 研究意义19-20
• 1.3 研究方法20-21
• 1.4 研究内容21-23
• 1.5 创新之处23-25
• 2. 文献综述25-38
• 2.1 流动性及测度25-28
• 2.1.1 流动性指标25-27
• 2.1.2 流动性四维理论27-28
• 2.2 流动性风险28-32
• 2.2.1 理论研究29-30
• 2.2.2 实证研究30-32
• 2.3 Copula理论与运用32-36
• 2.3.1 Copula研究概况32-34
• 2.3.2 藤Copula研究概况34-36
• 2.4 简要评述36-38
• 3. 研究设计38-56
• 3.1 风险测度框架38-41
• 3.1.1 BDSS模型38-39
• 3.1.2 修正的BDSS模型39-40
• 3.1.3 再修正的BDSS模型40-41
• 3.2 市场风险分析41-43
• 3.3 流动性模型43-47
• 3.3.1 自回归条件泊松模型(Autoregressive Conditional Poisson,ACP)44-45
• 3.3.2 自回归条件双泊松模型(Autoregressive Conditional Double Poisson,ACDP)45-46
• 3.3.3 ACDP模型估计46-47
• 3.4 相依关系测度47-54
• 3.4.1 Pair Copula函数47-49
• 3.4.2 藤Copula结构49-51
• 3.4.3 藤Copula参数估计51
• 3.4.4 蒙特卡洛模拟法51-53
• 3.4.5 Copula框架53-54
• 3.5 数据来源与计算说明54-55
• 3.6 本章小结55-56
• 4. 实证研究56-73
• 4.1 变量描述性统计56-58
• 4.2 模型选择与建立58-66
• 4.2.1 收益率建模58-61
• 4.2.2 相对价差建模61-64
• 4.2.3 绝对价差建模64-66
• 4.3 预测效果分析66-71
• 4.3.1 Pair-Copula函数选择66-67
• 4.3.2 收益率藤Copula参数估计67-69
• 4.3.3 收益率与价差二元Copula估计69-70
• 4.3.4 蒙特卡洛模拟计算La-VaR70-71
• 4.4 有效性检验71-72
• 4.5 本章小结72-73
• 5. 结论和建议73-76
• 5.1 研究结论73-74
• 5.2 相关建议74-75
• 5.3 研究展望75-76
• 参考文献76-82
• 致谢82

【相似文献】

中国期刊全文数据库 前10条

1 李健伦,方兆本,鲁炜,李红星;Copula方法与相依违约研究[J];运筹与管理;2005年03期

2 单国莉,陈东峰;一种确定最优Copula的方法及应用[J];山东大学学报(理学版);2005年04期

3 罗俊鹏;;基于Copula的金融市场的相关结构分析[J];统计与决策;2006年16期

4 李霞;曾霞;侯兵;;copula的构造以及copula之间关系的研究[J];商丘师范学院学报;2006年05期

5 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

6 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

7 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

8 杜子平;闫鹏;张勇;;基于“藤”结构的高维动态Copula的构建[J];数学的实践与认识;2009年10期

9 王s，

本文编号：532716