基于Copula理论的多变量金融资产投资组合风险值度量

发布时间：2017-10-23 15:41

  本文关键词：基于Copula理论的多变量金融资产投资组合风险值度量

  更多相关文章： ARFIMA-GARCH模型 Copula Kupiec检验 VaR Pair Copula

【摘要】：金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。因此,本文结合Copula理论和ARFIMA-GARCH模型建立了多变量金融资产投资组合的风险值度量模型。建立ARFIMA-GARCH-Copula模型研究沪深股市的相关结构和等权重资产组合风险值VaR,并利用该模型对上海综合指数和深圳成分指数收益率的组合进行了实证研究。采用R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。并采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明：沪深股市具有长记忆性,且两者具有对称的尾部相关性；Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险值。考虑到分析三个金融资产的投资组合时两两金融资产服从的Copula函数并不一定相同,从而本文还利用构造多元随机变量相关结构的Pair Copula方法和ARFIMA-GARCH模型相结合建立了ARFIMA-GARCH-Pair-Copula模型研究计算以上海综合指数、深圳成分指数以及香港恒生指数收益率序列构建资产组合的风险值VaR。ARFIMA-GARCH模型刻画各资产收益率序列的波动,根据变量间相关性强弱选出主节点,通过各变量间的散点图选择合适的Pair Copula函数。以此建立的模型不仅考虑了各资产收益率的长记忆性、异方差性、而且能捕捉到资产组合间的相关性,从而更好地描述资产组合的联合分布,计算风险值VaR。实证分析结果表明：相比基于多元正态Copula和多元t-Copula方法的VaR模型,该模型在描述高维相关结构时更加灵活。相比于零阶差分和一阶差分,利用分数阶差分后的收益率序列进行风险值计算更贴近Variance-Covariance计算的风险值。
【关键词】：ARFIMA-GARCH模型 Copula Kupiec检验 VaR Pair Copula
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F830.59;F224
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 绪论14-17
• 1.1 研究背景及意义14
• 1.2 Copula研究概况14-16
• 1.3 本文的主要内容16-17
• 第二章 Copula函数理论17-24
• 2.1 Copula函数的概念17
• 2.2 Copula函数的性质17
• 2.3 常用Copula函数17-20
• 2.4 Pair Copula20-22
• 2.5 概率积分变换22
• 2.6 Copula函数模型的构建方法22
• 2.7 Copula函数模型的参数估计22-23
• 2.8 Copula模型的检验23-24
• 第三章 ARFIMA-GARCH模型24-26
• 3.1 ARFIMA-GARCH模型24
• 3.2 Hurst指数和R/S方法24-25
• 3.3 分数阶差分推导25-26
• 第四章 金融风险值VaR26-28
• 4.1 VaR的定义26
• 4.2 VaR的计算方法26-27
• 4.2.1 方差—协方差法26-27
• 4.2.2 Monte Carlo模拟法27
• 4.3 VaR的检验27-28
• 第五章 沪深股市投资组合风险值度量28-33
• 5.1 基本统计分析28-29
• 5.2 长记忆性检验和建模29-30
• 5.3 Copula函数选取和模型的参数估计及分析30-32
• 5.4 投资组合风险值度量32-33
• 第六章 沪深港股市投资组合风险值度量33-39
• 6.1 基本统计分析33-34
• 6.2 长记忆性检验和建模34-35
• 6.3 Pair Copula函数选取和模型的参数估计及分析35-37
• 6.4 Pair Copula的VaR计算37-39
• 第七章 全文总结39-40
• 7.1 结论39
• 7.2 研究不足与展望39-40
• 参考文献40-42
• 攻读硕士学位期间的学术活动及其成果情况42

【相似文献】

中国期刊全文数据库 前10条

1 胡勇;龚金国;;Copula函数在分析沪深股市相依结构中的应用[J];时代金融;2006年09期

2 韦艳华;张世英;;多元Copula-GARCH模型及其在金融风险分析上的应用[J];数理统计与管理;2007年03期

3 罗付岩;徐海云;;基于Copula-EVT模型的组合风险测度[J];统计与决策;2007年17期

4 郭慧;罗俊鹏;史道济;;半参数阿基米德Copula的理论应用[J];天津理工大学学报;2007年05期

5 杨兴民;刘保东;李娟;;基于Gaussian Copula与t-Copula的沪深股指相关性分析[J];山东大学学报(理学版);2007年12期

6 王展青;赵鹏;王传廷;李磊东;;基于copula的沪深股市的风险分析[J];科协论坛(下半月);2008年11期

7 陈银忠;张荣;;基于Copula函数的深市行业间的尾部相关性分析[J];统计与决策;2008年22期

8 储小俊;刘思峰;;股市流动性与收益的Copula尾部相关性分析[J];财贸研究;2008年05期

9 任仙玲;张世英;;基于Copula函数的金融市场尾部相关性分析[J];统计与信息论坛;2008年06期

10 欧阳资生;王非;;基于Copula方法的国债市场相依风险度量[J];统计研究;2008年07期

中国重要会议论文全文数据库 前10条

1 应益荣;王颖;;The Inner Product Type Method of Generating Copula and Its Applications[A];第三届中国智能计算大会论文集[C];2009年

2 叶萍华;唐湘晋;;基于Copula方法的股票相关性分析[A];第十届中国青年信息与管理学者大会论文集[C];2008年

3 王宗润;吴伟韬;;基于Copula-EVT模型的人民币汇率组合风险测度[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

4 许启发;刘少杰;;基于Copula技术的动态组合投资选择新方法[A];第四届（2009）中国管理学年会——金融分会场论文集[C];2009年

5 杜红军;王宗军;;基于时变Copula模型的金融市场风险度量与分配[A];第八届（2013）中国管理学年会——金融分会场论文集[C];2013年

6 陈超;王莉萍;陈正寿;许新;;Copula函数在海洋工程中的应用[A];第十六届中国海洋（岸）工程学术讨论会论文集（上册）[C];2013年

7 徐运保;陈奕播;;基于Copula函数的股市、房市与GDP相关性的实证分析[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

8 刘月飞;吕大刚;;基于混合Copula函数的二维串联系统可靠性分析[A];第22届全国结构工程学术会议论文集第Ⅲ册[C];2013年

9 郭立甫;高铁梅;姚坚;;基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应[A];21世纪数量经济学（第13卷）[C];2012年

10 冉U_香;张翔;;Copula函数在水量水质联合分布频率分析中的应用[A];农业、生态水安全及寒区水科学——第八届中国水论坛摘要集[C];2010年

中国重要报纸全文数据库 前2条

1 广发期货投资研究部 杨威 王翔 谢贞联;多维Copula树及其在机构投资组合风险管理中的运用[N];期货日报;2008年

2 海通证券研究所 陈露;从A股与H股相关性看股指期货推出后的跨市场操作[N];期货日报;2007年

中国硕士学位论文全文数据库 前10条

1 吴新荣;对称Bernstein Copula[D];天津大学;2007年

2 叶萍华;基于Copula方法的股票收益率相关性研究及实证分析[D];武汉理工大学;2008年

3 刘彪;Copula理论在金融分析中的应用[D];华中科技大学;2007年

4 郑文旭;基于Copula的金融风险相关性研究[D];厦门大学;2008年

5 马冬冬;多元Copula-GARCH模型及其在期货风险分析中的应用[D];合肥工业大学;2009年

6 董骁伟;基于Copula-SV模型的投资组合风险分析[D];重庆大学;2009年

7 钱丹青;Copula选择及其条件核密度估计[D];华中科技大学;2008年

8 刘海燕;基于Copula方法的违约相关性研究[D];北方工业大学;2010年

9 陈元庆;基于Copula理论的投资组合的风险度量[D];吉林大学;2010年

10 伍新星;Copula函数在包含公共影响的信度保费模型中的应用[D];吉林大学;2010年

，

本文编号：1084132