EUA和CER已成為碳期貨市場最重要的兩種交易商品,文章基于BP檢驗將2008—2017年兩資產(chǎn)連續(xù)期貨數(shù)據(jù)分為三時期;通過VAR模型,以線性、非線性格蘭杰檢驗和脈沖響應(yīng)及方差分解方法研究兩者的因果關(guān)系;進(jìn)而運(yùn)用GARCH-Copula分析各時期動態(tài)相依結(jié)構(gòu);基于Copula函數(shù),結(jié)合蒙特卡羅方法計算EUA資產(chǎn)及投資組合的風(fēng)險值。結(jié)果表明:(1)各時期兩者間均存在單向或雙向的先導(dǎo)關(guān)系,且聯(lián)動性逐漸降低;(2)EUA序列用ARMA-GARCH-t模型擬合較好,而CER的非對稱波動更傾向于ARMA-GJRGARCH-N模型;(3)三時期最優(yōu)連接函數(shù)分別為t-Copula、Gumbel Copula和時變RG Copula,且尾部相關(guān)系數(shù)依次減小;(4)投資組合風(fēng)險顯著低于單個EUA資產(chǎn)風(fēng)險,且風(fēng)險降低比例較大。這些結(jié)論為以碳期貨為投資主體的投資組合策略提供了決策依據(jù)。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 研究方法與模型構(gòu)建
    2.1 非線性DP檢驗方法
    2.2 時變RG-Copula函數(shù)
3 數(shù)據(jù)與實(shí)證分析
    3.1 樣本選取與數(shù)據(jù)說明
    3.2 線性格蘭杰因果檢驗
    3.3 非線性格蘭杰因果檢驗
    3.4 脈沖響應(yīng)和方差分解
    3.5 邊緣分布模型的選擇與估計
    3.6 Copula模型的參數(shù)估計與選取
    3.7 基于Copula函數(shù)的EUA期貨資產(chǎn)及其組合的VaR計算
4 結(jié)論



本文編號：3744896