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Lévy测度的动态操作风险度量

依据我国商业银行1994-2012年操作风险历史数据,本文引入Lévy测度描述操作风险损失所具有的非连续跳跃行为,利用稀疏序列法产生动态操作风险损失过程,采用了同时考虑损失频率相关性和强度相关性的Lévy Copula模型,给出了具有时变参数和时变相关性结构的动态操作风险度量模型和数值实验技术,计算了不同置信水平上的VaR与CVaR.实证结果表明:Lévy Copula模型能在减少模型设定风险的同时,较好地描述风险单元间的相关性结构;Lévy Copula模型相比于传统Copula模型对相关性结构刻画更为细致,能降低风险资本,并且通过稳健性检验;动态Lévy Copula模型能捕捉到风险的变化趋势,减少由于时变参数导致的风险资本估计偏差.     

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.     

相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

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.     

非正态数据下商业银行信用风险和经济资本度量

信用风险和经济资本度量是商业银行风险管理最重要的目标之一. 通过使用Johnson变换解决非正态数据情况下经济资本的计算问题, 克服以往研究中在Copula方法下进行Monte Carlo模拟时对正态或t分布要求的局限性, 将实际数据转换为标准正态分布, 非常方便地使用Monte Carlo模拟度量违约时间和计算经济资本. 研究结果表明, 基于Johnson变换下的Copula方法可行而且合理, 该研究为我国商业银行在《巴塞尔新资本协议》(Basel II)下进行有效的风险管理提供一些参考和新的思路.     

改进Copula对数据拟合的方法

给出相关结构Copula、秩相关系数Spearmanρ与Kendallτ和尾部相关系数η,以及这三个关联性度量与Copula之间的关系,各个相关系数的估计方法.在一个Copula族内进行适当变换,得到新的Copula,使得能更好地拟合样本的各个相关系数.最后,以沪、深日收盘综合指数为例,讨论了二个股市波动率的相关性,建立了一个较好的数学模型.     

基于Copula函数和M-K检验的时空数据异常识别方法

针对时空数据异常识别精度不足的问题,从时间维度和空间维度融合思想出发,构建了一个时空数据异常识别框架.基于该框架,在分布未知情况下,采用阿基米德Copula函数推导了不同空间位置属性数据之间的差异概率.与此同时,建立了以高值点数为核心的空间数据转化方法,形成了空间秩序列,确定了用于假设检验的期望和方差.最后,以窗口大小、范围半径为模型参数,通过M-K检验给出了异常数据的识别方法.实验表明,该方法能够进一步提高时空数据异常检测精度,具有更强的识别能力.     

基于Copula理论的多心理帐户组合VaR模型与基金风险管理

在Shefrin和Statman的行为投资组合和多心理帐户理论的基础上,结合Copula理论对传统的VaR计算模型进行了改进,加入了反映人们预期和风险态度的主观参数,从而使风险度量能够建立在概率(probability)、前景(prospect)和偏好(preference)(“新3P”)的基础之上.然后在此基础上给出了基金投资组合风险预警和投资比例优化的方法.     

基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

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.     

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.     

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。     

基于极值理论和Copula函数的条件VaR计算

针对金融市场中某种资产不同风险的非线性和非对称尾部的特性,将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.经过对深证成指的实证研究表明,极值理论能更好地拟合具有厚尾分布的收益率和日内波幅的边缘分布,Gumbel Copula函数也能更好地反映两者之间的相关关系.由Gumbel Copu-la函数拟合的联合分布计算出的在一定日内波幅条件下的市场风险VaR能给投资者在进行风险分析以及构建投资组合时提供有用的信息.     

基于Copula-ASV-EVT的QFII和HS300指数相关性风险度量

以ASV-EVT模型为边缘分布函数,运用三种Copula簇方法研究了QFII和HS300指数之间的相关关系.研究结果表明:BB1 Copula较好地刻画了两指数尾部相关的非线性、非对称特征,且较好地拟合了相关结构,表明两指数在低迷时期的相关性明显高于其活跃时期的相关性.同时回测检验显示Copula-ASV-EVT模型能有效测度两指数组合的市场风险.进而,基于2006-2012年样本实证得出QFII一直坚持价值投资的有力证据.同时,随着QFII数量的增长和上市公司分红制度的完善,中国证券市场面临价值投资理性回归的极好机遇.