基于Copula2GARCH 的投资组合风险分析

结合Copula及GARCH模型的预报功能,建立了投资组合风险分析的Copula-GARCH模型.利用这个模型,对我国股票市场实际组合投资问题进行了风险分析,并给出了最小风险组合的具体形式.     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.     

金融市场的相关性分析--Copula-GARCH模型及其应用

作为一种全新的分析方法，Copula技术不仅可以有效地捕捉金融时间序列间的相关性，还可用于研究整个金融市场的特性、投资组合的选择及风险分析等其他金融问题。结合t-GARCH模型和Copula函数，建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明，不同板块的指数收益率序列具有不同的边缘分布，各序列间有很强的正相关关系，条件相关具有时变性，各序列间相关性的变化趋势极为相似。     

金融市场动态相关结构的研究

为了研究金融市场间非线性的动态相关结构,提出了一类具有变结构特性的分阶段Copula模型以及相应的二元正态Copula模型变结构点的诊断程序.构建了分阶段二元正态Copula-GARCH模型并用于上海股市各板块之间动态相关结构的研究.结果表明,在刻画金融收益序列之间动态相关结构的能力上,变结构二元正态Copula模型优于时变相关二元正态Copula模型.     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

基于Copula函数的金融理财产品风险度量

根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势，构建了反映金融理财产品收益实际分 布和相关性的联合分布函数. 为了研究度量收益率的实际分布和相关性对金融理财产品组合选择的影响，采用蒙特卡罗 方法对金融危机前期（稳定期）和金融危机时期（危机期）的投资组合进行了风险分析.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于多分形的资产组合风险度量建模与实证研究

考虑资产收益率的多分形特征及资产组合收益率间的复杂相依结构,运用Markov switching multifractal(MSM)模型对资产收益建模并结合Copula函数刻画相依结构,构建了资产组合市场风险度量的Copula-MSM模型.以风险价值(VaR)和期望损失(ES)作为市场风险度量工具,选取上证指数和恒生指数构成的资产组合进行实证分析,并比较Copula-MSM, Copula-GARCH和Copula-FIGARCH模型对VaR和ES风险测度的估计精度差异.实证结果表明,与Copula-GARCH和Copula-FIGARCH模型相比Copula-MSM能更准确的估计VaR和ES值,提高风险度量精度.     

基于Copula-TARCH的开放式基金投资组合风险的实证分析

以华夏基金的前10支股票为例,建立了AR(1)-TARCH-t(1,1)模型。分别采用正态Copula函数、t-Copula函数完成单个资产收益的边缘分布到资产组合联合分布的过渡。并结合Monte-Carlo模拟技术计算基金组合的VaR。比较实证结果得出Copula函数的选取影响投资组合风险值;由t-Copula函数仿真得到的VaR更保守。     

有交易成本的均值-CVaR有效前沿

基于由 Rockfeller 和 Uryasev 提出的条件风险价值-CVaR 的风险计量技术,构造了有交易成本并在正态假设下的 CVaR 风险的证券投资组合模型,给出了此证券投资组合的均值-CVaR 有效前沿曲线方程和最优投资策略的解析表达式.最后,利用理论结果对深市和沪市的证券投资组合的均值-CVaR 有效前沿作了实证分析.     

金融市场相关程度与相关模式的研究

分析了几种常用的Copula函数及它们在相关性分析上的应用特点，构建了M—Copula—GARCH模型．运用Copula技术，对上海和深圳股市进行实证研究发现，单个Copula函数只能反映相关性变化的某个方面，而M—Copula函数则更灵活，对金融市场相关性的描述也更全面．运用M—Copula—GARCH模型，可将金融市场之间相关程度和相关模式的研究更好地结合在一起，能够更准确、全面地捕捉到各个时期股市间相关性的变化．正确地反映两个市场之间非对称的相关模式．     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

基于非参数核密度估计的Copula函数选择原理

在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.     

基于VS-MSV模型的金融市场波动溢出分析及实证研究

对于动态投资组合与风险管理来说，测定波动溢出效应是非常重要的。已有的资料显示SV模型比GARCH模型能够更好地刻画金融市场的波动，使用SV模型研究两个金融市场间波动溢出的文献并不多见，而使用多元SV模型研究多个金融市场间波动溢出则属空白。为了同时研究分析金融市场之间的波动溢出，作者在研究多元SV模型的基础上，建立了能分析判断波动溢出的模型——VS—MSV模型，并进行了实证分析。     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。     

基于MSV类模型的中国汇市与股市间溢出效应

金融市场波动特征及溢出效应一直是经济、金融学界研究的热点问题之一,SV模型作为一种有效刻画金融时间序列波动的工具,极具应用前景,但用于测度溢出效应的向量SV模型由于参数估计困难而鲜见于文献。本文借助WinBUGS软件,采用基于Gibbs抽样的MCMC方法,运用DC-MSV模型和GC-MSV模型分别对汇市与股市间的动态价格溢出效应和波动溢出效应进行研究。实证结果表明,汇市与股市间的价格溢出具有明显的时变特征,总体为负相关关系;汇市与股市间存在双向波动溢出效应,但汇市对股市的波动溢出要强于股市对汇市的波动溢出,呈现不对称性。