基于Vine-Copula-POT模型的资产组合风险测度

发布时间：2017-05-19 13:17

  本文关键词：基于Vine-Copula-POT模型的资产组合风险测度，由笔耕文化传播整理发布。

【摘要】：随着金融全球化进程的加深,世界各国金融市场间的联系不断加强,协同变化趋势也持续增强。近来金融危机频繁发生,影响范围从地区逐渐向全球发展,这些不断提醒着人们加强风险管理的必要性。而进行风险管理必须要对资产间的相关性加以刻画,同时也需要关注极端风险对金融市场极大的破坏作用,而传统方法都假定金融资产组合服从多元正态分布,且相关性用线性相关系数进行刻画,但这与实际金融资产间复杂相关和各资产分布的尖峰厚尾的特征是不相符的,因此传统方法在测度金融风险有所缺陷。基于传统方法的缺陷,本文考虑引入Vine-Copula函数对金融资产间的相关性进行刻画。 Copula函数是将边缘分布函数与联合分布函数连接起来的函数,不仅能够刻画相关性同时也能够描述相依结构,因此非常适合进行金融资产风险测度。虽然多元Copula函数已能够较好的描述资产组合的相关性,但是常用的多元Copula函数都假定边缘分布服从正态分布或是t分布,具有一定的局限性,为克服这些局限,本文使用较新颖的Vine-Copula对资产组合相关结构进行刻画,Vine-Copula利用pair-Copula分解技术对资产组合的联合分布进行分解,从而实现对资产组合相关性的描述。而在边缘分布建模时本文选用极值理论POT (Peak over Threshold)模型,POT模型专门对分布尾部极端变异性数据进行研究,因此非常适合金融资产尾部建模。本文围绕金融资产组合风险测度主要做了如下工作：首先详细介绍了边缘分布模型POT模型,并且利用该模型对上证综指2000年1月1日到2014年12月31日内所有交易日收盘价数据进行建模,并利用滚动时间窗动态VaR(Value at Risk,风险价值)对上证综指风险进行了测度,实证结果表明基于GARCH-POT模型得到的VaR预测值比资产收益率正态分布假定(GARCH-norm)得到的预测值更稳健,并且在高置信水平下更准确,因此GARCH-POT能够比传统正态分布假定更好的测度资产收益率的风险。其次本文详细介绍了Vine-Copula模型,并结合POT模型对东亚地区5个主要股指和美国标普500指数进行资产组合风险测度,同时也利用滚动时间窗动态VaR对资产组合风险进行了测度,并利用Kupiec以然比检验对VaR进行了回测检验,实证结果表明基于R-Vine-Copula-POT计算的VaR在所有模型中是最准确的,这也验证了R-Vine-Copula函数在测度资产组合风险时的优越性。最后对本文进行总结,阐述本文研究不足之处和未来研究空间。
【关键词】：极值理论 Vine-Copula 风险度量 投资组合
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1;F830.9
【目录】：

• 摘要2-4
• ABSTRACT4-9
• 第一章 引言9-16
• 1.1 研究背景及研究意义9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 文献综述10-13
• 1.2.1 边缘分布POT模型10-11
• 1.2.2 Copula理论和Vine-Copula理论11-13
• 1.3 基本框架13-14
• 1.4 本文的创新点14-16
• 第二章 单资产POT模型及其应用16-31
• 2.1 极值理论简介16-17
• 2.2 POT模型17-23
• 2.2.1 广义帕累托分布-GPD18-19
• 2.2.2 条件超阈值分布19-20
• 2.2.3 阈值选取20-21
• 2.2.4 参数估计21-22
• 2.2.5 POT模型中动态VaR和CVaR的计算22-23
• 2.3 异方差建模23-24
• 2.4 实证分析24-29
• 2.5 本章小结29-31
• 第三章 Vine-Copula理论与实证31-53
• 3.1 Copula理论简介31-35
• 3.1.1 Sklar定理31-32
• 3.1.2 条件Copula函数32-33
• 3.1.3 常用的一些Copula函数33-35
• 3.2 Vine-Copula理论35-40
• 3.2.1 pair-Copula分解36-37
• 3.2.2 Vine-Copula37-39
• 3.2.3 Vine结构中节点的选择39-40
• 3.3 参数估计40-41
• 3.3.1 一步极大似然法40-41
• 3.3.2 两步极大似然法41
• 3.4 Vine-Copula-POT模型的建立及动态VaR计算41-42
• 3.4.1 Vine-Copula-POT模型41-42
• 3.4.2 动态VaR的计算42
• 3.5 实证研究42-52
• 3.6 本章小结52-53
• 第四章 结论53-55
• 4.1 主要研究结论53-54
• 4.2 研究展望54-55
• 参考文献55-58
• 致谢58-59

【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：378809