基于Copula的风险管理实证分析.docxVIP

 PAGE \* MERGEFORMAT 13 内 容 摘 要 金融市场中风险无处不在，投资者为了获取投资收益的最大化，就要进行有效的风险管理，而管理的首要任务就是对金融风险进行度量。作为一种有效的金融风险度量手段，风险价值法由于其概念简单易懂、计算方便的优点而获得了广泛的应用。由于传统风险价值计算模型在假设方面存在与现实情况不符的缺陷，我们选用了更为有效合理的Copula-GARCH模型来计算组合的风险价值。 本文研究内容包括两部分，第一部分是理论知识，对Copula函数、边际分布函数和VaR的基本理论作了简单的介绍。第二部分为实证分析，利用Eviews和Matlab软件对上证指数和深圳成指构建的资产组合做实证分析，选用GARCH（1，1）模型和t-GARCH(1,1)模型描述变量的边际分布，选用合适的Copula函数刻画资产间的相关结构，最后将两者结合计算投资组合的风险价值。 关键词：风险价值 Copula GARCH模型 基于Copula的风险管理实证分析 绪论 （一）选题背景及意义 国家间贸易往来越来越频繁，全球金融市场之间的联系更加的紧密，任何地区的金融波动都有可能迅速波及到其他地区金融市场，进而引起全球性的金融危机。近年来盛行的金融创新活动，更是增加了市场波动的可能性，同时使得风险更加的隐蔽，金融风险的破坏力也大大提高。面对波动剧烈的金融市场，要想获取最大化的收益，就必须进行有效的风险管理，而进行管理的第一步就是对金融风险进行度量。 过去学者们提出了各种风险度量方法，按照性质进行划分可以将其分为三大类：弹性法、波动性法和风险价值VaR法。在这三种风险管理方法中，VaR法较为基本和实用。VaR就是指给定置信水平下投资组合损失的最大值，此法能够用一个确定的数字对风险状况进行描述，且概念较易理解，因此得到了广泛的应用。 传统的VaR法假设单个资产变量服从正态分布，且资产变量之间都是用线性相关系数进行描述，但现实情况是，金融市场各资产收益率分布并不简单的服从正态分布，常常表现出“高峰厚尾”的性质，同时资产之间常常表现出非线性相关关系，在如此复杂的市场状况下，传统的金融计量模型由于假设过于偏离实际情况，在此假设下计算出的风险价值的准确性就有待商榷，因此迫切的需要一种能够准确的描述金融资产间相关性的模型。Copula模型的出现正好解决了这一问题。Copula函数能够将变量的边际分布和变量之间的相关结构分开进行考虑，且没有限制边际分布的类型，这极大地提高了模型拟合的准确性和结果的精度，基于Copula的优势，本文选用Copula进行相关投资组合的实证分析中。 （二）文献综述 Copula的研究始于Fréchet，统计学家Sklar（1959）首次使用了Copula这个名称，并给出了著名的Sklar定理。Copula理论指出任一联合分布函数都可以由单变量的边际分布和一个Copula函数组合构成，Copula函数表示变量间的相关结构关系， Sklar同时证明了在各边际分布是连续的情况下Copula函数的唯一性。在Sklar定理的基础之上，之后的学者对理论做了进一步的发展， Nelson于1999年对Copula函数的定义及构造方法作了系统的介绍，对Copula函数的性质和类型作了全面总结归纳，从理论上对Copula应用于度量相关性及构建变量联合分布领域作了深入的讨论，自此，Copula得到了更多的重视。1999年，Embrechts等学者将Copula函数应用于金融数量分析中，在研究金融变量之间的相关结构问题时创新性的使用了Copula函数，并将之与传统的线性相关系数度量结果进行比较，总结了用Copula函数度量相关结构的优点。之后经过不断的创新与发展，Copula理论被成功的引入了金融市场，应用于各个领域的研究当中。 2001年，Bouyé深入研究了Copula函数在金融市场风险管理中的应用，Rockinger等将GARCH（generalized autoregressive conditional heteroscedasticity）模型与Copula相结合，将构建金融变量联合分布分为两个步骤，利用GARCH模型构建边际分布，用Copula函数描述变量间的相关结构，建立了Copula-GARCH模型, 对金融变量的相依性和风险加以研究，发现t-Copula能较为准确的刻画金融变量之间的相关结构。2001年，Patton将Copula函数从不变参数拓展到变参数的情况，2006年，Jondeau等将Copula-GARCH模型应用于国际股票市场的相关研究当中，经过不断地发展，Copula函数在金融领域的应用越来越广泛，渐渐也被应用于投资组合风险价值的计算当中。 在国内，2002年，张尧庭首次向国内学者介绍了Copu