基于多维t-Copula函数的投资组合的CVaR分析

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,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,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文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.     

相关性分析中Copula函数的选择

Copula函数在金融分析和风险管理中有广泛的应用,利用Copula函数可以构建组合风险资产的联合收益分布和资产之间的相关性.在构建Copula模型时,一个关键的问题就是如何选择最佳的Copula来拟合实际的金融数据.文章分析了Copula函数选择困难的原因,指出了现有的似然准则选择方法的不足,提出了基于参数Bootstrap技术的对数似然准则检验方法,考虑了更大范围的Copula函数族群,利用模拟实验检验了该方法的选择能力,模拟结果表明对于没有尾部相关性的Copula函数和具有较小的尾部相关性的Copula函数可以较好地进行区分,而且也能区分大部分的具有较大尾部相关系数的Copula函数.同现有的只能区分常见的几类Copula的似然准则选择方法相比,文章提出的方法可以在更大范围内识别不同的Copula函数.     

多元外汇投资组合风险的测度

文章是将GARCH-EVT-COPULA模型用于美元、欧元、日元、港币四种人民币汇率的投资组合风险研究.研究发现,在所选定的时间内,无论是哪种类型的Copula还是哪种置信水平下的风险测度,最小风险的投资组合系数差别并不是很大,投资基本上集中在美元资产.由于t Copula和Clayton Copula比正态Copula能更好的刻画多个资产间的相关结构,在高置信水平下,我们更偏向于用这两种Copula来求组合投资的风险,给投资者提供外汇投资的最优比例参考.     

Copula方法在投资组合选择与VaR计量中的应用

基于多元正态分布的投资组合理论认为,投资者可以通过投资于低相关性的不同资产来获得收益,资产间的相关性(dependence)可以通过线性相关性来度量.然而现实金融市场中经常会发生这种情况,即不同的金融市场之间具有完全不同的线性相关性,但却发生几乎相同数量的极端损失事件.为了克服线性相关性的上述弊端,我们将通过连接(Copula)函数建模来克服这个问题.由Copula函数导出的一致性和相关性测度就可以更广泛、更有效地捕获各种金融资产的相关信息.另外,采用时变的Copula函数还可以捕捉到变量间动态的、非对称的相关关系,而采用极值Copula函数则可以捕捉到分布尾部的相关关系.由Copula函数导出的相关性度量在随机变量发生单调变换(可以是非线性变换)的情况下是不变的.一种常用的、可以通过Copula函数导出的相关性度量是Kendall的τ(tau),它具备一个好的相关性指标所应具有的所有性质(Nelsen 1998),可以克服线性相关性的上述不足.     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

考虑期货的电力市场竞价风险分析

文章将GARCH-EVT-Copula组合模型应用于电力市场,以EVT刻画收益率的尾部分布,采用GARCH模型来度量电价资产收益率的波动性和异方差性,Copula函数反映电价现货市场与期货市场相关性,并以每天同点时刻数据建模,对现货与期货交易并存的北欧电力市场发电商竞价动态风险进行了实证分析。并应用Kupiec失败频率检验方法对竞价风险模型进行评估,分析表明:t-Copula连接函数能体现资产相关性,能更准确度量考虑期货的发电商动态竞价风险。     

基于Copula理论的投资组合风险测度

文章基于现代前沿的Copula理论,以中国股市八个行业板块指数的组合为研究对象,构建了Copula-GARCH模型,得到了更加准确的组合收益联合分布函数。通过蒙特卡洛模拟法获得投资组合的VaR,回测检验表明Copula-GARCH模型能够较Riskmetrics和历史模拟法的更加准确地描述组合风险。这为我们在国内股票市场上应用Copula理论管理证券投资市场风险提供了理论依据。     

基于Copula的企业整体风险测度

企业不同部门间由于资金流动和业务交叉,其部门间风险存在着显著的相关性,Copula函数适于测度由于风险相关性而引致的组合风险.利用Copula函数测度组合风险,在选择各部门收益率的边际分布时,考虑到金融数据的条件异方差、波动聚集性等特点,选取GARCH类模型用以描述边际分布.     

资产相关结构对投资组合风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础,用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES。结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险。     

基于时变相关的混合Copula模型的投资组合风险分析

由于金融时序数据具有时变非对称相关的特征,文章通过构建时变相关的混合Copula函数对金融时序数据的尾部相关和对称相关性进行捕捉,并以此为基础估计投资组合的VaR值,通过对比,发现基于时变混合Copula的函数能够更准确地捕捉投资组合的风险。