基于pair copula函数的资产组合风险分析

通过构造pair copula-GARCH-VaR模型来度量金融资产组合的风险,其中,用GJR-GARCH模型估计单个资产的分布,用pair copula函数来描绘组合中两两资产之间的相关结构,再通过Monte Carlo模拟的方法计算资产组合的VaR值.在实证分析中,取四支股票构成资产组合,用构造出的模型计算组合的风险价值,并将传统的n维copula方法与pair copula方法进行比较,证实了pair copula方法有更高的灵活性和准确性.     

Copula-EGARCH模型及投资组合的时变风险价值估计

采用EGARCH模型对资产组合中的每一资产建模,资产的联合分布采用条件Copula构建,应用常相关模式建立了Copula-EGARCH模型;采用Monte Carlo法估计资产组合时变风险价值;讨论了模型的检验问题,给出了相关的检验方法。以上证综指与深证成指数据为样本,选用广义误差分布拟合误差分布并选取BB1Copula进行实证分析,实证结果表明所建模型是合理有效的,所估计时变风险价值具有良好的估计精度。     

基于藤Copula-SV模型的金融资产间相关性研究

在金融市场多元化的背景下,研究各市场间的相关性对风险控制及投资组合问题有着巨大的帮助。研究了标普500指数、道琼斯工业指数、恒生指数、日经225指数、沪深300指数之间的相关性结构。选取这5个股指的日收益率序列,用SV-N(1)模型与SV-t(1)模型拟合其分布,再采用马尔科夫链蒙特卡罗(MCMC)方法估计参数。在C藤和D藤结构下,选取Clayton pair-copula、t pair-copula、SJC pair-copula模型刻画市场间的相关关系。结果表明,SV-N(1)模型下基于D藤的t pair-copula能较好地刻画所研究市场间尾部对称的相关性。     

沪深股市的二元风险模型

在风险预测建模中，copula有着非常重要的应用。本文运用copula建立了预测沪深股市风险的二元模型，该模型包括参数估计和对不同copula参数族进行择优的准则与方法。     

基于G-H分布的copula-SMR方法

将阿基米德copula应用于谱风险度量（SMR）,提出了一种新的风险度量方法（copula-SMR方法）。选取G-H分布对边缘分布进行建模,采用极大似然估计对给定的阿基米德copula进行参数估计,选择能更好拟合实际数据的copula函数,运用二次规划方法,计算相应的谱风险值,确定了在不同期望收益率下最优投资组合。     

基于GARCH-NIG模型和动态Copula的双标的型期权定价(英文)

结合动态copula和GARCH模型,发展了双标的型未定权益的定价方法.针对诸如非对称、 尖峰态和厚尾现象等各种金融中的固有因素,采用NIG分布拟合于残差量.而标的资产之间的相关结构由动态copula来刻画.以上海证券指数和深圳证券指数为双标的资产最大认购期权为例,理论方法得到了有效的实证结果.     

Copula在构造联合分布函数中的应用

利用copula构造了具有相同边缘分布的分布函数,讨论了在给定的联合分布和边缘分布的基础上如何构造新的copula的方法,并用构造的copula得到一个二维分布函数。     

M-Copula-GARCH-t模型在股指期货风险管理中的应用

本文考虑到金融资产收益率这一时间序列的方差时变特性和尖峰厚尾的分布特征,所以使用GARCH-t模型来描述这一现象;同时为了分析包括股指期货在内的投资组合各项资产之间的相关结构,采用了不限制边缘分布的Copula方法,并最终提出了M-Copula-GARCH-t模型用以度量包括股指期货在内的投资组合各项资产之间的相关性,验证了Copula方法,特别是M-Copula方法在度量结果和拟合效果上,具有较高的精确性.     

基于广义期望效用理论的主观概率调整的一致性风险测度

在对广义期望效用理论进行综述的基础上,将该理论与一致性性风险测度联系起来,并利用广义期望效用理论中的Choquet期望效用函数,提出了一个主观概率调整的一致性风险测度.以中国股市中的一个资产组合为样本,利用二元随机波动率模型对资产组合收益率分布进行描述,并使用马尔克夫链蒙特卡罗的模拟方法对该分布进行模拟,计算了主观概率调整的风险值.     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。     

Copula函数在风险价值中的应用

为了解决投资组合中风险价值的计算问题,常规的方法是假设多个资产收益序列或风险因子的联合分布服从多元正态分布,然后用Var方法来解决这个问题．而这种假设经常与实际相违背,为了更好地解决这个同题,基于Copula函散从结构上能较好的拟合随机变量的联合分布,将利用阿基米德Copula函散的性质来对传统Var方法进行改进．通过实例来说明选取最优Copula函散的方法,从而可以更好地规避风险。     

Copula熵方法及其在三变量洪水频率计算中的应用

为解决传统Copula方法在进行联合概率分布拟合过程中要先进行函数类型选择的问题,将Copula函数和最大熵原理进行耦合,通过求解具有最大熵的Copula方程,求得二维联合分布函数,即Copula熵方法。用求得的Copula函数对洪水事件的3个相关变量(洪峰流量、洪水总量和洪水历时)进行两两配对的二维联合分布拟合,并利用Gibbs采样方法和Copula函数实现三变量洪水事件的随机模拟。以淮河鲁台子水文站的实测洪水资料为研究对象,进行实例分析,并通过拟合优度的计算,证明Copula熵方法对多维相关变量概率拟合的有效性以及Gibbs采样方法在三变量洪水事件模拟过程中的有效性。     

感潮河段洪潮遭遇组合风险研究

洪潮遭遇分析和洪潮组合的合理选取是感潮河段整治规划设计中的重要内容。构建的洪潮遭遇组合的风险分析模型,首先采用Copu la函数构建感潮河段的年最大洪水流量和相应潮位的联合分布以及年最高潮位和相应洪水流量的联合分布,再基于联合分布提出遭遇组合的风险分析模型。并以漠阳江河口段的洪潮遭遇组合分析为实例来研究。结果表明,①以洪为主,50年一遇的设计洪水与下游多年平均潮位相组合的风险率为6.89%,②以潮为主,50年一遇的设计潮位与其上游多年平均洪水相组合的风险率为4.77%。根据洪潮遭遇组合风险模型来确定遭遇组合,可为感潮河段洪潮遭遇组合的合理选取提供科学依据。     

Dynamic Portfolio Choice under Time-Varying,Jumps,and Knight Uncertainty of Asset Return Process

By introducing a stochastic element to the doublejump diffusion framework to measure the Knight uncertainty of asset return process,the model of dynamic portfolio choice was built,which maximized the expected utility of terminal portfolio wealth.Through specifying the state function of uncertainty-aversion,it utilized the max-min method to derive the analytical solution of the model to study the effect of time-varying,jumps,and Knight uncertainty of asset return process on dynamic portfolio choice and their interactions. Results of comparative analysis show: the time-varying results in positive or negative intertempural hedging demand of portfolio,which depends on the coefficient of investor's risk aversion and the correlation coefficient between return shift and volatility shift; the jumps in asset return overall reduce investor's demand for the risky asset,which can be enhanced or weakened by the jumps in volatility;due to the existing of Knight uncertainty,the investor avoids taking large position on risky asset, and improves portfolio's steady and immunity;the effects of the time-varying,jumps,and Knight uncertainty are interactive.     

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明：建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。