基于Copula模型的风险相关性度量方法

给出了集成风险管理的一般模型,论述了多元Copula、时变Copula、变结构Copula模型在风险管理领域的应用,指出了Copula的最新研究进展——Pair-Copula,总结了各种类型Copula模型的特征、用途和局限性.最后,给出了Copula模型的一个选择方法,指出了进一步的研究领域,为在风险管理中选择更合适的模型和对风险实施更准确的度量提供思路.     

具有截面相关的变系数面板数据模型的估计及应用

本文建立了一类变系数面板数据模型.此模型假设自变量的系数是某一平滑变量的未知函数,允许自变量,平滑变量和误差项存在通过共同因子结构引入的截面相关.由于一些共同因子的不可观测性,本文采用局部线性共同相关效应估计方法对未知的函数进行估计并给出了估计量的渐近性质.蒙特卡罗模拟结果表明该估计方法具有良好的小样本性质.利用1990-2012年中国省级面板数据,本文对我国外商直接投资与经济增长之间的关系进行了实证分析,结果表明:外商直接投资和经济增长之间存在明显非线性关系,各省份不同的初始经济水平会导致外商直接投资对经济增长的影响不同.     

Copula函数在多因子模型系数估计中的应用

主要研究用多因子模型刻画金融资产收益率时, 因子载荷系数的合理估计问题.以因子系数的金融意义为出发点,并结合Copula的相关理论,提出了一种新的因子系数估计方法.新方法用Copula函数描述各个因子与金融资产收益所服从的联合分布;从因子系数的正负及其发生的概率,金融资产收益率随因子波动的大小两方面来估计因子系数的值. 在此基础上,对因子系数新的估计公式做了进一步调整,强调了尾部相关性对因子系数取值的影响.基于中国证券市场的交易数据,对不同估计方法进行了实证研究.通过分别计算统计量R-square的值,随机误差项的均方偏差,尾部均方偏差以及投资组合的在险价值与条件在险价值等方法,实际论证了文中所提新的因子系数估计的改进方法优于因子系数估计的新的Copula方法,而后者又明显好于传统的线性回归方法.     

基于时变Copula的VaR估计

针对股票收益的相关性会随市场波动而发生变化，本文考虑用条件时变相关模式的Copula模型来估计组合风险值，利用上证、深证指数组合进行实证研究，并与固定相关模式下的Copula模型进行比较，结果表明；相对于常相关模式，条件时变相关模式具有较好的表现。     

基于Copula函数模型的股市交易量与股价相依关系

股市交易量与股价变化的相依关系一直是学术界和投资分析人士所研究的热点问题。研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构。应用ARMA(2,1)模型对交易量变量的序列相关性进行修正,基于Copula函数模型研究三个股票市场的交易量与股市指数收益率的相依程度和相依结构。通过χ2检验研究发现:混合Copula函数模型能够刻画交易量与股价之间的相依结构,通过了假设检验;交易量与股价之间存在上尾高下尾低的非对称相依关系且混合有负相依现象,但它们之间的负相依程度较弱。     

模糊随机环境下的单因子Gaussian Copula模型北大核心CSSCI

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。     

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.     

模糊随机环境下的单因子Gaussian Copula模型北大核心CSSCI

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。     

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.     

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Copula函数的组合资产条件相依性模型及其应用

条件概率分布常用来研究马尔科夫序列相依模型的构建.组合资产的相依结构受多方面的影响,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

基于SV-Copula的欧盟碳配额现货和期货价格相依性研究

碳配额现货和期货价格的相依性对投资者进行套期保值和投机套利均具有重要意义.本文采用SV (stochastic volatility)模型研究了欧盟碳配额现货和期货价格的波动特征,继而用Copula函数分析了两者之间的相依结构,结果发现:EU ETS (European Union Emissions Trading Scheme)第二阶段和第三阶段的碳现货与碳期货价格都存在显著的波动持续性和杠杆效应,且第三阶段碳现货和碳期货价格的波动风险均大于第二阶段;碳现货和碳期货价格之间存在高度相依性,且第三阶段碳现期货价格尾部相依性更强;两阶段中两者的尾部相依性呈现为对称且厚尾.     

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.     

尾部相关系数的渐进变化特征及其应用

在Copula函数的尾部相关性研究的基础上,针对其不足进行了两个方面的推广:1)一个变量趋于某个非尾部值与 另一变量趋于尾部的相关系数;2)两个变量都趋于非尾部值之间的相关系数.传统的尾部相关系数可用于考察证券价值或企业价值之间在尾部的正相关关系或负相关关系,上述推广可进一步用于考察一个企业处于违约边界或某个状态对其他企业违约可能性的影响,及两个证券或企业的价值均趋于某些特定值之间的相关关系.进一步给出了上述推广的相关系数在证券或企业价值处于某些区间条件下的期望值及其计算方法.这些工作从理论和实证两个方面丰富与刻画了相关系数的渐进变化特征.     

基于 Copula 函数的程序化交易策略

利用 Copula函数对序列间下尾部相关性的刻画对资产价格风险的高频传染进行检验,构造目标 函数捕捉期货市场实时交易过程中的卖空信号, 制定相应交易规则,建立一套 适用于金融市场高频数据的程序化交易策略,并利用中国期货交易市 场的白糖和棉花期货合约进行实证.实证结果显示:我国期货市场存在高频风险传染, 基于此建立的程序化交易策略可以获得较高的收益, 并可有效地控制风险.     

基于Copula-GARCH方法的LPM套期保值研究

风险的下偏距(lower partial moment,LPM)是一种较好的风险测度,它弥补了方差度量中的双边风险的不足,并且放松了对二次效用函数的限制要求.因此,LPM测度被广泛应用于金融风险管理研究.套期保值是金融风险控制的重要方法之一,但由于资产收益的联合分布的不确定性,给应用LPM进行套期保值带来了困难.对此采用Copula - GARCH方法对即期与衍生品市场的资产收益序列进行拟合,并将LPM模型应用于人民币外汇市场套期保值实证研究,得到最优套期保值比率.进一步通过绩效比较发现,无论在NDF市场还是远期市场,LPM模型的套期保值绩效都要优于最小方差的套期保值绩效.     

金融业系统性风险度量——基于尾部依赖视角

根据系统性风险定义,从时间和空间两个维度出发,利用尾部依赖来对系统性风险进行度量. 实证分析结果表明,银行业、证券业以及保险业存在系统性风险,且银行业、证券业以及保险业系统性风险呈现出了共性：经济下行时期系统性风险大于经济上行时期系统性风险. 进一步,本文分别对银行业、证券业以及保险业系统性风险存在的原因展开分析,并从系统流动性、杠杆率和公允价值计量对经济下行系统性风险增强提供了解释,认为流动性风险传导是引发系统性风险的重要原因. 基于此,对金融业体系建立动态拨备制度提供了佐证.     

基于Copula-SV模型的金融投资组合风险分析

基于正态Copula函数和SV模型,建立了正态Copula-SV模型,将其应用到金融投资组合风险分析,并与Copula-GARCH模型对金融投资组合风险分析方法进行了对比,结果表明,边缘分布的选择对变量的联合分布具有重要作用,Copula-SV模型比Copula-GARCH模型在刻画组合风险VaR值方面具有优越性。