基于SV和Copula的投资组合风险度量及最优策略选择-金融学专业论文.docxVIP

摘 要 投资组合理论是金融学中的重要研究课题之一，其目的是寻求一个最优投资 组合，在给定的收益水平下使投资风险最小化，或者在给定的风险下使投资者的 收益最大化。为了突破传统 Markowitz 均值-方差模型中风险度量方法及正态分 布假设的局限，我们必须应用新的风险度量方法，同时寻找较为合适的联合分布， 这对于度量投资组合风险及最优投资策略的选择有至关重要的作用。 在风险测度方面近年来提出了新的风险度量方法——VaR、CVaR，特别是 CVaR，已成为金融风险管理中研究的前沿课题；Copula 函数则为求取联合分布 函数提供了一条便捷、准确的通道，可以解决非正态假设下求解投资组合的联合 分布的问题，从而克服传统正态分布假定的很多不足之处。 本文主要研究内容是基于 Mean-CVaR 的投资组合优化问题，将 Copula 函数、 SV 模型、CVaR 以及蒙特卡洛模拟技术结合到一起，解决了投资组合中不同资 产之间非正态、非线性相关问题，为资产投资组合的选择与风险度量提供了一种 全新的解决思路。本文的研究对象是由上证综指、深圳成指以及恒生指数构成的 投资组合，通过两类异方差模型——GARCH 模型和 SV 模型——的综合比较研 究，发现 SV-t 模型在刻画风险资产收益率的分布时更具有优势；在对单个风险 资产收益率的边际分布进行建模之后，重点通过对几种 Copula 函数的拟合优度 进行检验，从而选取合适的 Copula 函数——t-Copula——构建投资组合之间的相 关结构；最后，把 SV-t 模型和 t-Copula 函数同时应用到投资组合的风险度量和 基于 Mean-CVaR 的最优投资组合策略选择问题上，从而找到了较为符合中国实 际市场中资产组合的联合分布，最后得到了更具现实意义的组合策略选择结果。 实证研究的结果表明，t-Copula-SV-t 模型在风险度量和组合策略选择两个方面都 优于传统的模型。 关键词：投资组合优化；SV 模型；Copula 函数 ；CVaR Abstract Porfolio theory is one of the important research contents in Finance. It aims to attain the portfolios of maximum of the investment’s return with the given the risk of portfolio or of the minimum of investment’s risk with the given investment’s return. In order to break through the limitations of risk measurement and the normal distribution hypothesis in the traditional Markowitzs mean-variance model, we must apply new risk measurement and find out a more suitable jiont distribution. It is a crucial problem for calculating portfolio risk and getting the optimal investment strategy. VaR and CVaR are put forth recently as new risk measurement, especially CVaR. It becomes a latest research content in financial management; Copula function supplies a convenient way to getting jiont distribution of portfolio. This method overcomes many disadvantages of mutinormal distribution hypothesis. The problem of portfolio optimization based on Mean-CVaR is the main content of the paper. We apply Copula function, SV model, CVaR and Monte Carlo simulation analysis, and then solve the non-normal, nonlinear related problems of portfolio. It