基于Clayton Copula-GARCH模型投资组合VaR的度量

运用Copula方法研究了含股指期货的投资组合的风险度量问题.首先采用不同的GARCH模型对单个资产收益率建模,然后选择Clayton Copula函数来描述投资组合各资产之间的相关结构,建立联合分布模型,进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的VaR.Kupiec检验表明,ClaytonCopula-GARCH模型在投资组合风险度量上具有较高的准确性.     

基于Copula函数的我国股指期货风险及套期保值实证研究

运用SJC-Copula-GJR模型,计算了持有沪深300股指期货多头和空头两种组合的VaR值和最优投资比例,模型的特点是能够准确地描述尾部相关关系,且其对尾部相关性的描述是非对称的,所得结论为投资者进行风险管理提供了可靠的依据.同时,通过构造加权的非线性相关系数来计算沪深300股指期货最优套期保值比率,解决了分布非正态、期货与现货非线性的问题,准确地度量了股指期货收益率序列的动态相依关系,实证研究表明基于Copula函数的套期保值有效性明显地优于传统模型.     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

风险最小化套期保值比例估计:基于RV-Copula模型

随着中国第一只股指期货—沪深300股指期货合约的推出,基于沪深300的期货现货套期保值交易受到广泛关注。风险最小化套期保值比例估计成为影响套期保值交易有效性的关键问题。本文提出了基于已实现波动率和Copula(RV-Copula)相结合的风险最小套期保值比例估计方法,并基于沪深300指数期货和现货数据进行了实证分析。实证结果表明,相对于线性相关系数,本文提出的RV-Copula模型能够更准确地度量沪深300指数期货和现货价格的相关性,从而给出更合理的风险最小套期保值比例估计,提高套期保值交易有效性。本研究是对风险最小套期保值比例估计研究的有益补充,特别是对高频数据背景下的套期保值实践具有重要指导意义。     

股指期货对现货市场微观结构影响研究

着眼于股指期货对现货市场微观结构的影响,基于2015-2017年三次股指期货交易机制重大调整前后两个月的1分钟高频数据,利用ACD-EGARCH模型对不同市场波动率背景下的股指期货是否改善现货市场微观质量进行了实证研究.文章的主要结论为:股指期货在不同市场波动率背景下均能降低现货市场波动率,且新进入的投机者比信息交易者贡献更高的波动率;而只在平稳市背景下,股指期货能增强现货市场流动性,在波动市背景下,股指期货吸引的信息交易者超过现货市场增加的非信息交易者,现货市场流动性减弱.建议在平稳市背景下恢复股指期货的常态化交易,但需要防范利好消息和投机者入市对市场波动率的冲击风险.     

股票市场组合的市场风险度量研究——基于相关性模型

利用Copula的特点,灵活选择边缘分布模型、Copula函数和时变参数演化方程,构建16个相关性模型.在此基础上,通过蒙特卡罗模拟,采用VaR和ES度量资产组合的市场风险,并通过回测检验比较不同模型的风险度量效果.以沪深300指数和恒生指数为样本构建投资组合进行实证研究,结果表明,边缘分布模型、Copula时变参数演化方程和Copula函数的选择会影响风险度量的精度.在构建的16个相关性模型中,边缘分布为MSM-EVT,时变参数演化方程为GAS模型,Copula函数为Rotated Gumbel Copula的MSM-EVT-R-GAS模型风险度量效果最好.     

基于Copula-TGARCH模型的股指期货最佳套期保值比研究

本文基于一种新的Copula-TGARCH模型估计股指期货的最佳套期保值比,根据现货和期货收益率序列不同的尾部相依性,用不同的Copula函数形式(Gumbel,Clayton,Gaussian)拟合两者的相关性,并与其它的动态套期保值模型(ECM-CCC-GARCH和ECM-DVEC-GARCH)比较其套期保值的有效性。通过对香港恒生指数现货和期货的实证分析发现:无论样本期内、外,Copula-TGARCH模型的套期保值效果均优于其它模型,而基于非对称Gumbel Copula的套期保值比最佳。     

基于TGARCH-t的混合Copula投资组合风险测度研究

在分析了现有Copula函数在测度投资组合风险不足的情况下,首先充分考虑资产波动的时变性、杠杆效应等特征,选择了TGARCH-t模型进行边缘分布建模.接着引入混合Copula模型来描述投资组合的复杂相关结构,同时利用构造的主对角线距离统计量等方法验证了混合Copula模型的优势.最后通过VaR的蒙特卡洛模拟结果看到,这种方法能更为精确的测度投资组合风险值.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

天然气期货和现货价格间的相关性研究

基于天然气期货价格与现货价格序列间具有强非线性特征,本文将GARCH模型和Copula函数思想进行结合,同时考虑了天然气期货和现货价格间的时变相关结构,构建了时变Copula(GARCH-Normal、GARCH-GED和GARCH-t)模型,利用美国纽约商品交易所(NYMEX)Henry Hub交易中心天然气期货价格和现货价格数据进行实证研究。实证结果表明:GARCH-GED模型能够准确地拟合天然气期货与现货价格时间序列;时变SJC-Copula函数能够更好的描述天然气期货价格与现货价格间的相关性;天然气期货与现货价格间的相关性不是对称的,上尾的相关性小于下尾相的相关性。     

基于Copula的供应链金融质物组合价格风险测度研究

本文选取白银、铝和铜三种供应链金融质物作为研究对象,在分析三种质物收益率统计特征的基础上,引入Copula模型刻画供应链金融业务中质物收益率的“尖峰厚尾”特征以及质物收益率之间的非线性相关结构;采用Monte Carlo模拟方法测度考虑到极端情况下的质物组合价格风险值CVaR;利用时间平方根法则测度长周期视角下质物组合的价格风险。将CVaR与VaR测度结果进行对比,比较分析短期价格风险与长期价格风险,将Copula模型与传统风险测度方法下计算出的风险值进行对比,以期选取最优测度供应链金融质物组合长期价格风险模型。研究结果表明:从单一质物价格波动特征来看,三种单一质物的收益率均存在非正态分布和“尖峰厚尾”特征,具有一般金融资产收益率分布的特点。从模型的有效性来看,第一,CVaR比VaR能够更好地、全面地测度供应链金融质物组合的价格风险;第二,基于Copula模型的风险测度结果比传统集成风险测度结果的准确性高;第三,平方欧式距离法结果表明在五种Copula模型中,t-Copula是最优刻画供应链金融质物组合收益率间的相依关系的模型。从长短期风险测度结果来看,随着风险期限的增加,质物组合的价格风险值随之增大,以往研究中用短期风险测度往往会低估商业银行所面临的价格风险,不利于商业银行资金信贷的优化配置。得到的结论对我国商业银行开展供应链金融业务防范价格风险提供了量化支持。     

基于半参数多元Copula-GARCH模型的开放式基金投资组合风险分析

利用Copula技术对我国开放式基金市场的投资组合进行了风险分析。为克服传统Copula模型对金融尾部数据刻画能力的不足,建立了半参数的多元Copula-GARCH模型,灵活地对各支基金的边缘分布进行拟合,刻画了开放式基金投资组合的相依结构。并利用基于Copula技术的蒙特卡洛模拟,对投资组合进行了VaR分析,结果证实了所建立模型的可行性和有效性。     

多元Copula-GARCH模型及其在金融风险分析上的应用

针对传统风险分析模型的不足,结合Copula技术和GARCH模型,提出了多元Copula-GARCH模型。指出该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到更灵活的多元分布进而用于资产投资组合VaR分析。在详细探讨了基于Copula技术的资产投资组合的MonteCarlo仿真技术的基础上,运用具有不同边缘分布的多元Copula-GARCH模型,对上海股市进行了研究,结果证实了所提模型和方法的可行性和有效性。     

Portfolio value-at-risk estimation in energy futures markets with time-varying copula-GARCH model

This paper combines copula functions with GARCH-type models to construct the conditional joint distribution, which is used to estimate Value-at-Risk (VaR) of an equally weighted portfolio comprising crude oil futures and natural gas futures in energy market. Both constant and time-varying copulas are applied to fit the dependence structure of the two assets returns. The findings show that the constant Student t copula is a good compromise for effectively fitting the dependence structure between crude oil futures and natural gas futures. Moreover, the skewed Student t distribution has a better fit than Normal and Student t distribution to the marginal distribution of each asset. Asymmetries and excess kurtosis are found in marginal distributions as well as in dependence. We estimate VaR of the underlying portfolio to be 95% and 99%, by using the Monte Carlo simulation. Then using backtesting, we compare the out-of-sample forecasting performances of VaR estimated by different models.     

Dynamic Index Tracking and Risk Exposure Control Using Derivatives

We develop a methodology for index tracking and risk exposure control using financial derivatives. Under a continuous-time diffusion framework for price evolution, we present a pathwise approach to construct dynamic portfolios of derivatives in order to gain exposure to an index and/or market factors that may be not directly tradable. Among our results, we establish a general tracking condition that relates the portfolio drift to the desired exposure coefficients under any given model. We also derive a slippage process that reveals how the portfolio return deviates from the targeted return. In our multi-factor setting, the portfolio’s realized slippage depends not only on the realized variance of the index but also the realized covariance among the index and factors. We implement our trading strategies under a number of models, and compare the tracking strategies and performances when using different derivatives, such as futures and options.     

基于高频波动率模型与R-vine copula的行业资产组合风险测度研究

相较于低频波动率模型,高频波动率模型在单资产的波动和风险预测中均取得了更好效果,因此如何将高频波动率模型引入组合风险分析具有重要的理论和现实意义。本文以沪深300指数中的6种行业高频数据为例,运用滚动时间窗技术建立9类已实现波动率异质自回归(HAR-RV-type)模型刻画行业指数波动,同时使用R-vine copula模型描述行业资产间相依结构,进一步结合均值-CVaR模型优化行业资产组合投资比例,构建组合风险的预期损失模型,并通过返回测试比较不同风险模型的精度差异。研究结果表明:将HAR族高频波动率模型引入组合风险分析框架,能够有效预测行业资产组合风险状况;高频波动率预测的准确性将进而影响组合风险测度效果,跳跃、符号跳跃变差以及符号正向、负向跳跃变差均有助于提高行业组合风险的预测精度。     

基于藤结构 Copula 模型的中国股市风格资产相依结构研究

首先采用AR（1）-GJR（1,1）-SkT（73,A）模型来刻画中国股市风格资产（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值）的边缘分布,接着结合各边缘分布的残差,引入C—VineCop—ula和r）IVineCopula模型来描述这六种风格资产之间的相依结构,然后对基于CVineCopula和I）IVineCopula模型的拟合效果进行综合比较．研究结果表明：中国股市各风格资产之间的相依性存在结构性差异,最适合用I）IVineCopula模型来刻画各风格资产之间的相依结构．同类型的风格资产之间的相依程度比不同类型风格资产之间的相依程度要高;在同一类型的风格资产中,资产规模差距越大的风格资产之间的相依系数就越小．无条件的风格资产收益系列之间的相关性要显著大于有条件的风格资产收益系列之间的相关性;最后根据研究结论提出了降低风格资产组合风险的资产配置建议．