本文關鍵詞：基于Copula的投資組合風險分析與實證研究

  更多相關文章： t-Copula EGARCH-t 風險分析 投資組合 VaR

【摘要】：在金融領域,風險無處不在。對投資者而言,風險雖然不能消除,但是可以通過分散投資來降低,使得在收益一定的情況,把風險控制在自己能夠承受的范圍內(nèi)。如果對于風險的估計過于保守,可能會使得投資者錯失良好的投資機會;如果低估了投資風險,可能會給投資者帶來更大的損失。因此,對風險的準確度量非常重要。投資組合風險準確測量的關鍵,是對投資組合資產(chǎn)之間相依關系的分析和刻畫。在Copula理論未被引入金融領域之前,對金融資產(chǎn)相關性的分析都是基于線性假設的前提,采用線性相關系數(shù)來捕捉金融資產(chǎn)之間的相依關系。但在實際情況中,金融資產(chǎn)之間的關系多數(shù)是非線性的,采用線性關系估計風險值是不準確的。在不準確風險值的指導下,可能投資者的投資決策并不能達到降低風險的目的。針對這個問題,本文在Copula理論的視角下,聯(lián)合能夠充分刻畫資產(chǎn)收益率尖峰、厚尾和波動性等程序化現(xiàn)象的GARCH模型,對投資組合風險的度量進行實證研究。本文首先系統(tǒng)梳理了國內(nèi)外相關研究,從理論出發(fā),對度量投資組合風險的工具—在險價值Va R的估算方法、刻畫單個金融資產(chǎn)收益率程序化現(xiàn)象GARCH模型的種類及殘差分布特征和捕捉變量之間相依結構Copula模型的種類及不同Copula模型刻畫的相依結構特征,尤其是尾部相依結構特征進行詳細介紹。在理論基礎上,本文以騰訊和萬科兩支股票自2005年6月28日至2015年3月18日的收盤價為研究對象,運用Eviews7.0及Matlab2009b對樣本數(shù)據(jù)進行分析。本文的主要結論如下:第一,通過采用GARCH模型對騰訊和萬科股票日收益率尖峰、厚尾及波動聚集性進行刻畫,結果發(fā)現(xiàn)兩支股票收益率具有杠桿效應。騰訊股票收益率負向日收益率變化產(chǎn)生的影響大于正向日收益率變化產(chǎn)生的影響,萬科股票收益率的杠桿效應與騰訊的恰好相反。第二,通過Copula模型對兩支股票的相依模式進行分析,發(fā)現(xiàn)兩者股票具有對稱的尾部相依性。并且秩相關性很低,結果表明由這兩支股票作為投資組合切實可行。第三,在投資組合可行的前提上,采用蒙特卡洛模擬法估算投資組合的風險值。經(jīng)檢驗發(fā)現(xiàn)基于t-Copula-EGARCH-t模型估算的投資組合風險值最為有效。第四,在有效模型的基礎上,確定騰訊和萬科兩支股票的投資比重。通過實證發(fā)現(xiàn),兩支股票的最優(yōu)投資比重為0.3:0.7。
【關鍵詞】：t-Copula EGARCH-t 風險分析 投資組合 VaR
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-16
• 1.1 研究背景及意義7-8
• 1.2 國內(nèi)外文獻綜述8-14
• 1.2.1 關于VaR研究綜述8-10
• 1.2.2 關于資產(chǎn)收益率分布研究綜述10-12
• 1.2.3 關于Copula理論研究綜述12-14
• 1.3 本文的基本框架14-16
• 第二章 投資組合風險度量相關理論16-25
• 2.1 金融資產(chǎn)收益率分布特征和GARCH模型16-18
• 2.1.1 金融資產(chǎn)收益率的分布特征16
• 2.1.2 GARCH模型的介紹16-18
• 2.2 相依結構Copula的介紹18-20
• 2.2.1 Copula函數(shù)的優(yōu)越性18
• 2.2.2 Copula函數(shù)的定理和分類18-20
• 2.3 在險價值VaR20-24
• 2.3.1 在險價值VaR的概念20-21
• 2.3.2 在險價值法的計算步驟與計算思想21-22
• 2.3.3 在險價值VaR的計算方法22-24
• 2.4 本章小結24-25
• 第三章 投資組合研究對象的選取及樣本數(shù)據(jù)分析25-34
• 3.1 研究對象的選取25-26
• 3.2 樣本統(tǒng)計量的描述性統(tǒng)計分析26-28
• 3.3 正態(tài)性檢驗28-29
• 3.4 平穩(wěn)性檢驗29-32
• 3.5 異方差檢驗32-33
• 3.6 本章小結33-34
• 第四章 邊緣分布構造34-43
• 4.1 GARCH模型的介紹34-38
• 4.1.1 三種GARCH模型34-36
• 4.1.2 殘差序列的分布36-38
• 4.2 模型中的參數(shù)估計38-41
• 4.3 擬合優(yōu)度檢驗41-42
• 4.4 本章小結42-43
• 第五章樣本間相依性分析43-53
• 5.1 Copula函數(shù)相關理論的介紹43-45
• 5.1.1 橢圓Copula函數(shù)43-44
• 5.1.2 阿基米德Copula函數(shù)44-45
• 5.2 Q-Q圖檢驗45-46
• 5.3 Copula模型的參數(shù)估計與選擇46-48
• 5.3.1 基于Copula函數(shù)的時間序列模型46
• 5.3.2 Copula模型的參數(shù)估計46-47
• 5.3.3 Copula模型的擬合優(yōu)度檢驗47
• 5.3.4 Copula模型參數(shù)估計結果和歐氏距離檢驗47-48
• 5.4 基于Copula模型的相關性測度與分析48-51
• 5.5 本章小結51-53
• 第六章 基于Copula的投資組合風險值計算53-59
• 6.1 蒙特卡洛模擬計算步驟53
• 6.2 在險價值VaR的計算53-54
• 6.3 VaR值的有效性檢驗54-56
• 6.4 最優(yōu)投資權重的確定56-57
• 6.5 本章小結57-59
• 第七章 結論與展望59-61
• 7.1 結論59
• 7.2 研究展望59-61
• 致謝61-62
• 參考文獻62-67
• 附錄一67-69
• 附錄二69-71
• 附錄三：攻讀碩士學位期間發(fā)表的論文71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊湘豫;彭麗娜;;基于VaR的開放式股票型基金市場風險的測量與評價[J];財經(jīng)理論與實踐;2006年04期

2 李悅;程希駿;;上證指數(shù)和恒生指數(shù)的copula尾部相關性分析[J];系統(tǒng)工程;2006年05期

3 魯志軍;姚德權;;基于Copula-VaR的金融資產(chǎn)組合風險測度研究[J];財經(jīng)理論與實踐;2012年06期

4 陳劍利;劉震;鮑群芳;李勝宏;;基于混合Copula的CDO定價模型[J];高校應用數(shù)學學報A輯;2013年01期

5 李平;張馨勻;丁倩巖;;基于時變t-Copula的抵押外匯契約定價研究[J];管理學報;2012年07期

6 司繼文,蒙堅玲,龔樸;國內(nèi)外股票市場相關性的Copula分析[J];華中科技大學學報(自然科學版);2005年01期

7 劉桂梅;趙麗;;基于Copula-GARCH模型的上證地產(chǎn)股與金融股的相關性研究[J];浙江大學學報(理學版);2013年02期

8 楊繼平;袁璐;張春會;;基于結構轉(zhuǎn)換非參數(shù)GARCH模型的VaR估計[J];管理科學學報;2014年02期

9 王佳妮,李文浩;GARCH模型能否提供好的波動率預測[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;2005年06期

10 魯萬波;;基于非參數(shù)GARCH模型的中國股市波動性預測[J];數(shù)理統(tǒng)計與管理;2006年04期

，

本文編號：1017140