基于藤Copula方法的巨灾风险条件VaR预测

为准确预测巨灾风险的条件VaR,应用藤Copula方法刻画巨灾损失变量间的相关结构,进而得到损失变量间的联合分布和条件分布函数,最终实现对条件VaR的估计.对全球洪水的损失数据进行实证分析,利用核密度估计检验法从常用多元Copula中选出最优的Copula作为比较对象,回测检验结果表明:准确刻画相关结构是精确估计条件VaR的关键,藤Copula方法对巨灾风险条件VaR的预测能力要优于常用多元Copula方法.     

基于Copula和极值理论的在险价值度量

针对传统孤立使用GJR模型、极值理论、Copula理论进行风险分析的不足,把GJR模型、极值理论和Copula理论有机的结合起来,给出了基于Copula和极值理论的投资组合VaR的测度方法.首先利用GJR模型刻画单个资产收益率中的自相关和异方差现象,获得近似独立同分布的新息序列,再分别应用高斯核估计的方法、极值理论拟合新息序列的分布函数的内部和两尾,利用Copula函数有效捕抓了市场之间的波动溢出效应,最后使用Monte Carlo模拟法,计算出投资组合的VaR值.实证结果表明,基于Copula和极值理论的VaR度量方法比历史模拟法更有效.     

基于Copula的VsR度量与事后检验

估计VaR的传统方法有三种:协方差矩阵法、历史模拟法和蒙特仁洛模拟法。通常,文献中认为刚蒙特卡洛模拟法度量VaR有很多方面的优点。但是,本文通过实证检验发现,使用传统蒙特卡洛模拟法估计的VaR偏小,事后检验效果很不理想。本文引入Copula函数来改进传统的蒙特卡洛模拟法。Copula函数能将单个边际分布和多元联合分布联系起来,能处理非正态的边际分布,并且它度量的相关性不再局限于线性相关性。实证检验表明,基于Copula的蒙特卡罗模拟法可以更加准确地度量资产组合的VaR。     

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。     

基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.     

基于多维Gumbel Copula函数的投资组合VaR分析

基于目前国内有关Copula函数的实证研究主要是研究二种资产的相关性为主,文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,首先利用GJR模型构建资产的边缘分布,接着利用多元阿基米德Copula函数族中的Gumbel Copula函数构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下的投资组合的最小风险价值(VaR)及其资产组成,实证说明根据文章提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管。     

基于极值统计和高维动态C藤Copula的股市行业集成风险计算

股市诸多行业风险之间存在着波动相依性,集成计量多维风险对投资决策意义重大。藤Copula是Copula函数高维化拓展的一个方向,其动态化是新的研究前沿。将极值理论的GPD模型和高维动态C藤Copula方法结合起来研究沪深300指数中地产、基建、银行和运输四个行业风险,能够有效描述尾部极值形态,突出关键变量的作用。再运用动态Pair-Copula分解,刻画高维行业风险变量间的动态关系,以仿真出动态集成风险变量VaR序列。VaR计算结果通过了回溯检验和稳定性测试,表明高维动态C藤Copula模型可以作为风险集成计量的一种新的有效方法。     

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.     

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.     

双边Burr分布及其在金融市场风险预测与优化中的应用

考虑到金融数据具有非对称、尖峰厚尾特征,文章将具有尖峰厚尾特征的Burr分布拓展至双边Burr(TSB)分布,给出了其重要的数字特征、极大似然估计、最小二乘估计以及加权最小二乘估计,并通过数值模拟验证了这三种参数估计方法的有效性.其次,文章基于TSB分布构建GJR-GARCH模型,旨在研究TSB分布相比于常见分布在度量金融风险方面的优势.实证结果表明,与正态分布、t分布、GED分布、双边Weibull分布和双边Lomax分布相比,基于该分布的GJR-GARCH模型具有最高的VaR预测精度.另外,文章将基于TSB分布的GJR-GARCH模型与Copula函数结合来构建均值-CVaR模型以研究多元投资组合的风险优化,实证研究亦表明能够刻画非对称特征的该模型具有更好的CVaR预测效果.最后,稳健性检验结果证实TSB分布对于金融风险预测以及投资组合优化的改进效果不依赖于波动率模型和Copula函数的设定.     

极值理论在风险度量中的应用--基于上证180指数

精确度量风险是金融风险管理的关键问题。本引入广义帕雷托分布代替传统的正态分布等，精确描述金融收益的厚尾特征。并将基于广义帕雷托分布的VaR模型和其它模型方法，如GARCH(1，1)、GARCH(1，1)-t、历史模拟法、方差-协方差方法，进行比较分析。实证研究表明，基于广义帕雷托分布的VaR模型比传统的模型方法更适合厚尾分布高分位点的预测，并且其预测结果比较稳定。这使得基于广义帕雷托分布的VaR模型成为VaR度量方法中最稳健的方法之一。     

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。     

Estimating value at risk of portfolio by conditional copula-GARCH method

Copula functions represent a methodology that describes the dependence structure of a multi-dimension random variable and has become one of the most significant new tools to handle risk factors in finance, such as Value-at Risk (VaR), which is probably the most widely used risk measure in financial institutions. Combining copula and the forecast function of the GARCH model, this paper proposes a new method, called conditional copula-GARCH, to compute the VaR of portfolios. This work presents an application of the copula-GARCH model in the estimation of a portfolio’s VaR, composed of NASDAQ and TAIEX. The empirical results show that, compared with traditional methods, the copula model captures the VaR more successfully. In addition, the Student-t copula describes the dependence structure of the portfolio return series quite well.     

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．     

Dynamic value at risk under optimal and suboptimal portfolio policies

At present, all value at risk (VaR) implementations – i.e., all risk measures of the “maximum loss at a given level of confidence” type – are based on the assumption that the portfolio mix will not change before the VaR horizon. This hypothesis may be unrealistic, especially when the VaR horizon is established by the regulators (BIS). At the opposite, we measure VaR dynamically, i.e., taking into consideration portfolio mix adjustments over time: adjustments do not occur continuously, since they are costly. We allow both optimal rebalancing policies, which entail changing the portfolio mix whenever it is too far from the optimal one, and suboptimal policies, which mean adjusting at pre-fixed dates.We show that in both cases usual VaR measures underestimate portfolio losses, even if the underlying returns are normal. We study the dependence of the misestimate on the VaR horizon, the initial portfolio mix and the risk aversion of the portfolio manager, which in turn determines the frequency of interventions. The bias can be more relevant over one day than over longer horizons and even if the initial portfolio is nearly optimal. We also perform backtesting and estimate a “coherent” risk measure, namely conditional VaR, which confirms the inappropriateness of the usual, static VaR.     

Measuring financial risk and portfolio optimization with a non-Gaussian multivariate model

In this paper, we propose a multivariate market model with returns assumed to follow a multivariate normal tempered stable distribution. This distribution, defined by a mixture of the multivariate normal distribution and the tempered stable subordinator, is consistent with two stylized facts that have been observed for asset distributions: fat-tails and an asymmetric dependence structure. Assuming infinitely divisible distributions, we derive closed-form solutions for two important measures used by portfolio managers in portfolio construction: the marginal VaR and the marginal AVaR. We illustrate the proposed model using stocks comprising the Dow Jones Industrial Average, first statistically validating the model based on goodness-of-fit tests and then demonstrating how the marginal VaR and marginal AVaR can be used for portfolio optimization using the model. Based on the empirical evidence presented in this paper, our framework offers more realistic portfolio risk measures and a more tractable method for portfolio optimization.     

开放式基金投资组合风险实证—基于copula的分析

利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并利用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kernel模型。利用该模型和VaR风险测度,结合Mente Carlo模拟技术,对我国股票型开放式基金-华夏成长基金的投资组合进行风险分析。     

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.