基于阿基米德Copula的投资组合风险分析

应用阿基米德Copula分析沪深股票市场投资组合风险,样本区间从2000年1月4日至2006年11月8日,共1639组有效数据．首先,由于金融数据不具有正态性,且是厚尾的,因而应用极值理论对边缘分布建模;然后,采用极大似然估计对给定的5个阿基米德Copula进行参数估计,从中选择能更好拟合实际数据相关性的Copula;最后,运用Monte Carlo模拟方法计算相应的风险价值（VaR）,确定最优的组合系数．结果表明,当组合系数β=0．33时,沪深股市投资组合风险最小．     

基于组合投资的混合风险度量模型

对2种风险度量方法均值-VaR模型和均值-CVaR模型进行混合.首先对在险值(VaR)和条件在险值(CVaR)具有的性质如次可加性进行论述和比较,其中在计算条件在险值(CVaR)时,同时也能得到在险值(VaR),因此CVaR可对风险进行双限监管,比单纯的VaR更加保险;然后对均值-VaR模型和均值-CVaR模型赋予不同的权重,得出混合后的模型的相关性质,使混合后的模型在某种程度上优于单个模型的投资组合;最后对深市股票进行实证分析.     

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。     

Copula度量投资组合VaR的应用研究

本文主要研究Copula理论在投资组合风险管理中的应用．简要的介绍了Copula定义和Sklar定理的一些性质，重点介绍了Gaussianl-Copula、t-Copula以及Gumble Copula函数的形式，选取上证综指和深证成指作为研究对象，在等权重投资组合的假设下，结合Copula函数，计算出在不同置信水平下的VaR值．     

基于不同风险度量的投资组合模型实证分析

利用上海证券市场的实际交易数据对半绝对离差模型,基于分位数的绝对离差模型（Ruszczynski＆Vanderbei,2003）以及MV模型进行了实证比较．通过分析各模型的全局最小风险组合,计算发现,半绝对离差模型比其他模型具有更好的样本外业绩．     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

基于离差-熵度量风险的组合投资优化模型研究

针对证券组合投资中存在的随机性,在投资收益达到一定水平下,综合考虑收益率的平均绝对离差和信息熵作为投资组合的风险度量,建立了数学模型。并用该模型进行了实例分析,结果表明,在投资收益不变的前提下,多方面的考虑风险,使得投资方案更安全。     

基于混合Copula和ARMA-GARCH-t模型的股票指数风险度量研究

针对近期中国股票市场的剧烈波动给投资者带来的影响,本文选取中国沪深股市和香港股市中具有代表性的3种股票指数的日收益率数据进行建模分析。选用ARMA-GARCH(1,1)-t模型拟合其边缘收益率序列,利用Gumbel、Clayton和t-Copula的线性组合函数刻画其相关结构,再运用蒙特卡罗模拟方法计算不同置信水平下各股指的风险价值、预期损失和中位数损失,其中中位数损失是最近才提出的一种新的风险度量指标。本文的研究结果可以为有着不同风险偏好的投资者和管理者监管系统性风险提供借鉴。     

市场摩擦条件下基于谱风险度量的投资组合优化模型

设计并得到了对数型风险谱函数,构造了谱风险度量。在谱风险度量的基础上,分析并引入了实际股票市场中的市场摩擦、资产配置权重限制等约束条件,利用收益率总体分布的经验分布,建立了投资组合优化模型,并将模型转化为易求解且具有稳健性的非线性优化模型。实证分析表明,市场摩擦中交易费用条件的降低可以在保障收益不变的同时大幅度的降低投资组合风险。同时,所建立的投资组合优化模型也可以合理有效地进行投资组合配置。     

基于Copula-GARCH的投资组合风险度量的实证应用

通过Va R模型对我国的上证指数和深成指2010年1月25日至2012年12月28日的收盘价的波动性加以实证分析,进行模型检验,从而得出模型有效的结论。用Copula函数刻画上证综指和深成指之间的相关结构进而得到投资组合收益率的联合分布,建立了GARCH(1,1)-t模型,利用各项资产收盘价、成交量的历史数据,通过Monte Carlo模拟生成具有Copula相关结构的收益率分布,得到组合的风险价值。应用Copula-Va R-GARCH模型通过Monte Carlo模拟计算投资组合的Va R值,对探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。     

基于CvaR风险度量的证券组合投资决策模型研究

利用VaR以及Rockafeller和Uryasev提出的CvaR这一概念，并把它作为风险度量，建立了与马柯维茨的均值方差模型相类似的证券组合投资的均值——CvaR模型，在正态分布的条件下，导出了具体的模型，研究给出了其最优解的具体表达式。     

国债投资组合风险度量的实证分析

对我国国债市场流通的国债应用弹型策略和杠铃型策略构建投资组合 ,并利用Golub&Tilman风险值模型对所构建的两个组合进行风险值度量 ,发现在投资年限较短时采用弹型策略风险较小 ,投资年限较长时则采用杠铃策略风险较小 .     

基于复合Copula函数的动态投资组合选择模型的研究

利用加权平均法定义了复合Copula函数.基于复合Copula函数的性质定义了投资组合的风险测度值相对Copula-CVaR(RCCVaR).利用RCCVaR风险度量方法建立动态的均值-RCCVaR的投资组合选择模型.     

BVaR风险度量下限制性卖空的单位风险收益最大投资组合模型

在BVaR风险度量下,提出了限制性卖空的单位风险收益最大投资组合模型,通过罚函数处理机制将模型转化成无约束优化问题,然后运用自适应差分进化算法进行求解.实证分析表明该算法是有效的,将限制性卖空引入到投资组合模型中,有助于扩展投资机会空间,增强市场效率,降低市场风险.     

基于C藤Copula模型的混业经营下 聚合风险的度量

本文首次提出了对混业经营下聚合风险度量问题的实证研究,以VaR作为风险度量的工具,根据混业经营下金融机构所拥有的资产组合的特点,首先利用ARMA(1,1)-GARCH(1,1)模型提取了各单个资产的标准残差,再选取C藤Copula对各单个资产之间的相依结构进行了拟合,最后根据拟合的参数借助于蒙特卡罗模拟法进行了逆向模拟,得到了C藤Copula模型下VaR的回溯测试结果.同时,采用类似的方法,分别对R藤和D藤Copula模型下的VaR进行了回溯测试,并将3种模型下的回测结果进行了对比,得出了C藤Copula模型下得到的结果误差最小的结论.此外,文中还给出了用C藤Copula对多维数据之间的相依结构进行拟合的算法步骤以及利用蒙特卡罗模拟法求解多维资产组合VaR的步骤和方法.     

基于Copula函数的风险度量和保费定价模式

在修正确定等价风险度量方式的基础上,应用Copula连接函数,将组合投资各风险之间的相关性考虑在保费定价和风险度量中,提出一种基于Copula函数以及单个风险是混合分布时基于Copula函数的风险度量和保费定价模式,并证明了其满足的性质.     

投资组合分散风险能力的度量及应用

用信息论中熵的概念度量投资组合对风险的分散能力，提出了最大熵和最大广义熵投资组合的概念，并与Markowitz的均值一方差理论进行了比较，同时做了数值模拟。表明了熵投资组合的可行性。     

基于pair copula-LMSV-t模型的投资组合风险研究

提出了LMSV-t模型并以其作为边缘分布的估计,来构建pair copula-LMSV-t多元投资组合模型.采用LMSV-t模型估计边缘分布能够更好地刻画资产收益率的波动性和长记忆性等非线性特征,从而更精确地估计投资组合的VaR.同时通过对中国股市开放式基金的实证分析,证明该投资组合模型在描述单个资产的非线性特征和资产之间的相依性方面都有进步.     

基于RDEU模型的风险度量

风险度量主要应用于人们面对未知风险的情况下,如何准确地量化风险从而做出损失最小化或收益最大化的决策.准确的风险度量可以极大地帮助投资者调整投资组合进而规避风险,以期实现最大化收益.为了准确地度量风险,学者根据风险资产服从的客观分布进行量化,但是这种方法的问题在于度量方法是基于人们怀疑的分布,而不同人对待风险资产的态度是...