copulasvged模型的投资组合风险研究word格式论文.docxVIP

1.2 VaR 研究现状自 1993 年，G30 集团在《衍生品的实践和规则》中提出了度量市场风险的 VaR 模型后，许多学者深入研究了 VaR 的计算方法。1994 年，J.P.morgan 银行提出了 基于正态分布假设下的 Risk Metrics[1]风险控制模型计算 VaR 值。由于正态分布参 数的估计简单易行，且具有分布可加性等特性使得 Risk Metrics 方法一直被广泛使 用。然而，通过实证分析大量的历史数据，表明实际的资产收益的尾部分布比正 态分布更厚，使用正态分布会低估风险。Dowd，Kevin[2]提出了不是对整个资产组 合收益率分布建模，而是只对收益率尾部分布超过某一较大阀值 (Tbreshold)的数 据进行建模进而计算 VaR 值的极值模型。David X.Li[48]在 1999 年提出在不对资产 组合收益率分布作任何假设的条件下用三阶中心矩和四阶中心矩统计量来计算资 产组合 VaR 值的半参数模型，并与 Risk Metrics 模型比较分析，得出半参数模型更 为稳健的结论。国内郑文通[3]最早研究 VaR 方法，他全面介绍了 VaR 方法产生的背景、计算 方法、及其用途，把 VaR 方法引入到中国。1999 年以后对 VaR 方法的研究运用更 加深入。杨晓光，马超群，文风华[5]针对投资组合收益厚尾性问题，提出了用尾部 分布的一阶展开式代替厚尾分布进行近似计算，避免了直接计算厚尾分布的复杂 运算。1.3 波动模型研究现状近些年来，关于金融时间序列数据的波动性建模与估计成为计量经济学中研 究的重要领域之一。而目前研究金融时间序列波动性的建模主要包括两大类，一 类是由Engle[6] 提出的条件自回归异方差（ autoregressiveconditional heteroscedasticity）模型，简称 ARCH 模型，并由 Bollerslev[7]推广提出了广义 ARCH 模型（简称 GARCH 类模型 ）。另一类是由 Taylor[8] 提出的，并由 Harvey,Ruiz,Shephard[9] Jacquier,Polson, Rossi[10]引入到计量经济学领域的 SV 模型。 此后基本的 SV 模型得到进一步扩展，具有厚尾特征的 SV 模型，如 Kim,Shephard,Clib[11]提出的 SV-t 模型，它是假定扰动部分服从自由度为 v 的 t 分布； 有 Watanabe[12]在分析东京股市收益时，提出的含有外生因素的 SV 模型，它能够 对金融资产收益的均值与波动受到的一些外生解释变量的影响进行一定的刻画； 还有长记忆 SV 模型、马尔科夫 SV 模型等。国内学者对 SV 模型的研究主要是引进国外学者的理论模型，进行实证分析。 孟利锋，张世英[13,14]，王春峰，蒋祥林[16]对 SV 模型中的厚尾特性进行了实证研究， 得出了在 SV 模型中，厚尾 SV 模型更能准确的描述股票时间序列的特征。对于 SV 模型参数估计方法的研究可以分为两类，一类是 Taylor[17]在 1986 年提出的通过设法模拟建立完全似然函数来近似估计模型的参数值，这种方法避免了很难得到其精确似然函数的问题。另一类是 Sandmarun 和 Koopman,Shephard 等 人在 1999 年所使用的蒙特卡洛模拟、卡尔曼滤波、MCMC 模拟等方法。1.4 Copula 研究现状Nelson[18]系统地总结了关于 Copula 函数的主要研究成果，讨论了 Copula 函数 的定义、基本性质、构造方法，详细介绍了两类 Copula 分布族以及 Copula 在度 量相关关系上的应用。1999 年 Embrechts[19]指出了在金融市场中使用线性相关性作为度量资产间相 关关系具有局限性，把 Copula 引入到了金融领域数量分析之中，并说明了 Copula 函数在度量相关关系上具有独特优势。Ramano C [21]应用 Copula 函数计算投资组 合的风险值，同时用多元函数极值通过使用 Monte Carlo 方法来刻画市场风险。 Bouye[22] ，Embreehts P[23] , Forbes K[24]通过固定的 Copula 模型来描述 Copula 的各 种相关模式，并把这一个方法广泛的应用在金融市场上的风险管理，投资组合的 选择，资产定价等。Patton [25,26]将 Copula 函数应用到金融时间序列分析之中，其中 Patton 还提供 了一个估计 Copula 模型参数的两步极大似然估计方法，解决了估计 Copula 函数 的参数困难的问题。Hu[27]提出了混合 Copula 函数的概念，即把不同 Copula 函数 进行线性组合。Ro