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.     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

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.     

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。     

国际多元化下投资组合优化研究:动态Copula方法

国际多元化需要对投资组合的相关结构进行动态性测度,这样才能提供更有效的资产配置策略和资金的理想避险场所。当前资产组合相关结构的Copula分析中考虑变结构和时变性不足,在此基础上构建了包含变结构和时变的诊断方法——分布函数距离法和Vuong-Clarke法在内的Copula动态性诊断方法,同时将二维诊断问题推广至多维情形,接着利用模拟仿真验证了上述方法的有效性。最后将动态Copula应用于金砖国家和西方成熟市场的最优投资组合中,利用标准差、CVaR和DVaR并结合样本预测外推法对最优投资组合进行了评价分析。实证结果表明,最优投资组合策略受Copula动态性影响明显,金砖国家市场在国际金融危机影响下能发挥良好的风险规避作用,实时的动态性诊断方法也能帮助投资者更快速地调整投资策略。     

基于VaR的房地产投资组合模型设计与应用

本文以风险和收益的动态刻画为核心,在房地产投资组合中引入基于VaR模型的风险评价,通过资产收益和预提费用在持有期内的现值构造效用函数,建立基于VaR的投资组合优化模型,实现房地产投资的最优组合。对于上海房地产市场两种不同资产进行组合的实证分析表明该模型具有一定的实用性和有效性。     

一个非对称线性风险函数与证券组合投资分析

在分析Jia&D yer的风险-价值理论基础上,给出了一个基于预先给定的目标收益的非对称线性风险函数.该风险函数是低于参考点的离差和高于参考点的离差的加权和,它利用一阶"上偏矩"来修正一阶下偏矩,进一步建立了在此非对称风险函数下的线性规划证券投资组合模型;并证明了该模型与二阶随机占优准则的一致性;最后通过上海证券市场的实际数据验证了该模型的有效性和实用性.     

基于Copula函数的组合资产条件相依性模型研究

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,资产之间的相互影响与时间上的记忆效应是组合资产两类主要的相依关系.结合条件概率的理论建立基于Copula函数相依关系模型,研究组合资产之间同期相依关系及时间上的短期相依关系,提出了模型参数的三阶段极大似然估计方法.     

基于Copula函数对巴塞尔协议中操作风险的度量

利用贝叶斯网络,将搜集到的操作风险事件分类建立数据网络;在假设一定的分布条件下,分别估计各类损失事件发生频率和损失量的分布参数,用copula函数处理相关节点,再估计总体分布的VaR和ES,从而为巴塞尔协议中操作风险损失的估计提供一种具体的可选方法。     

包含股指期货的投资组合之风险研究——Copula方法在金融风险管理中的应用

本文运用Copula方法研究了含股指期货的投资组合的风险度量问题.由于股指期货和股票现货之间存在很大的相关性,因此在度量组合的风险时,各资产间的相关结构起到了关键作用,但这一相关结构很难用线性的相关系数去刻画,本文采用Copula模型来描述相关结构。而后,我们构建了基于Copula理论的风险度量指标PVaR,并验证了不同Copula模型的拟合效果.我们利用沪深300指数的数据来研究股指期货和现货的相关结构,并使用了多种Copula函数结合不同的边际分布假设进行了模拟,说明了Copula方法在风险度量尤其是包含了股指期货的投资组合的风险度量上具有较高的精确性.     

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Copula的QDII与排放权资产的投资组合构建

本文介绍了欧盟温室气体排放权交易市场,选择欧洲气候交易所(ECX)推出的欧盟配额(EUA)期货合约作为温室气体排放权资产(即碳资产)的代表,利用Copula函数得到了国内一支QDII基金-南方全球精选基金与该资产收益率的联合分布,并进一步据此得到了两种资产任一组合的收益率的分布函数,然后在不同的显著性水平下确定了具有最小VaR的最优组合系数。对最优组合的分析发现,本文构建的投资组合在收益率高于原QDII基金收益率的同时,其VaR值在各种显著性水平下均低于原QDII基金的VaR,并且最优的组合系数对于特定的VaR水平的敏感度不高,组合策略具有可操作性。     

风险限额、交易费用与相依结构:对证券投资组合优化影响的实证研究

本文提出了一个考虑交易费用,允许以无风险利率自由借贷,追求期末财富最大化的投资组合选择优化模型。进一步,通过实证分析,研究了风险(VaR)限额约束、交易费率变动,以及投资组合间相依结构对证券组合优化配置的影响。     

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。     

Portfolio selection under VaR constraints

In this paper we show that by assuming a constant variance/covariance matrix over the holding period, the VaR limits can often be exceeded within the relevant horizon period. To minimize this risk, we formulate the problem in terms of portfolio selection and propose an innovative methodology using conditional VaR that minimizes the VaR at each point of the holding period. We rewrite the optimisation problem by taking into consideration the variability of risk on all assets eligible to be included in the portfolio.JEL Classification: C150, G110     

两类多元GARCH模型的预测绩效和组合VaR的研究

运用V aR模型对股票组合进行风险测度的关键之一是得到组合条件协方差矩阵.而经典的多元GARCH模型来求解波动率面临着估计参数过多,计算量庞大的问题.因此,使用正交GARCH模型和CCC模型来估算波动率,并以沪深两市A股市场上四个行业的65只股票为样本,使用RM SE和M AD指标比较这些模型的预测能力,求得股票组合的V aR,得出前者效率高和后者预测能力略高的结论.     

金融风险的最坏VaR方法与投资组合优化

在股价及其走势均不确定的情况下,采用最坏VaR方法,对投资的潜在损失进行最保守的度量,并得到其等价的优化形式为一个二阶锥优化问题.接着考虑相应的投资组合优化问题:如何选择合适的头寸,使得当股票组合的期望收益达到给定水平的情况下,风险最低,即最坏VaR值最小,最后对模型进行实证分析.