基于Copula房地产与金融行业的股票相关性研究

房地产市场和金融市场的关系多数文献从相互影响的角度研究,而本文以房地产与金融行业的股票收益率数据,引入Copula方法定量刻画两个行业股票之间的相关关系.实证结果表明,双参数结构的Copula拟合度普遍高于单参数结构的Copula;如果仅考虑单参数或双参数Copula函数结构,可能会得出错误的结论.本文同时选取单参数和双参数的Copula拟合房地产与金融行业的股票收益率之间相关性结构,通过AIC、BIC最小原则应为BB3 Copula,说明两个行业股票在市场低迷时期的尾部相关性高于活跃时期的尾部相关性.因此,在投资股票时,不能通过对这两个行业股票的组合投资降低风险.     

多项式Copula方法对市场相关结构的分析

Copula函数的出现解决了如何为描述市场相关性的问题,同时也为构建多元函数的联合分布提供了一种可行的方法。然而由于高维copula函数的拟合相对比较困难,本文首次通过对高维copula的Bernstein多项式展开,建立关于市场相关结构的多参数线性模型。然后将沪深两市的指数经过GARCH处理后,作为经验数据带入进行多项式回归。从而验证了运用多项式逼近来描述市场相关结构的方法是可行的。     

Copula函数选择对投资组合压力测试的影响分析

将在刻画变量之间相关性方面具有优势的Copula函数与能够准确评估市场极端情况的压力测试两种方法相结合,通过度量市场危机发生的期望等待时间,实证检验不同Dopula函数对投资组合压力测试结果的影响.在实证过程中,首先选择上证A股、深成A股两个市场指数作为研究样本,构造能反映单变量极值的广义帕累托边际分布,然后采用不同形式的Copula函数刻画变量之间的相关性结构,利用压力测试的方法考察Copula函数的选择对刻画投资组合风险的影响.实证检验表明,在度量两个市场同时出现危机情况的等待时间时,拟合效果较好与拟合效果较差的两种Copula函数对风险的估计存在显著的差别.这一结论表明,在压力测试的应用中引入Copula函数为组合投资风险管理指出了一个新的方向,但仍需要在描述相关性过程中慎重考虑Copula函数的选择.     

基于Copula-APD-GARCH模型的投资组合有效前沿分析

根据ES风险度量方法,拓展了马克维茨均值-方差资产组合模型,研究均值-ES准则下的资产组合问题.用APD-GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula-APDG-ARCH模型.利用该模型,借助Monte Carlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元Clayton Copula函数的风险资产组合的均值一ES有效前沿,并进行比较.实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元Clayton Copula函数时应的有效前沿表现最好.     

基于极值理论和多元Copula函数的商业银行操作风险计量研究

基于操作风险呈厚尾分布的特征,本文按照巴塞尔协议的要求,采用POT极值模型分别估计了多个操作风险单元的边缘分布,然后用多元Copula函数来刻画这些操作风险单元之间的关联性并计算在险价值。通过对中国商业银行1990-2010年操作风险数据的实证分析表明,Clayton Copula能更好地反映各操作风险单元之间的相关性结构,且采用Copula考虑操作风险相关性下的VaR值要比简单加总下的VaR值减少约32.3%。因此,应用Copula函数计量操作风险相关性,不仅可以提高估计的准确性,还能够达到资产组合的风险分散化效应,减少操作风险资本要求,为商业银行提升盈利能力创造条件。     

基于Copula风险中性校准的违约相关性研究

违约率的估计是IRB法的核心要素之一,违约相关性是违约概率研究和估计的不可忽略的重要因素,目前的研究大多通过资产相关替代研究违约相关。风险中性可降低模型风险带来的估计误差。本文针对CDS's特征构建了风险中性违约相关估算的Copula模型,并提出了Copula选择方法且进行了实例分析,发现8自由度学生t-Copula是最优的。     

Copula函数在风险价值度量中的应用

在计算投资组合的风险价值（Value-at—Risk）时,传统的方法是假设多个金融资产的收益率序列服从多元联合正态分布．但这种假设经常与实际市场的观测不符,并且在极端事件发生时常会低估风险。为了更好地刻画投资组合的风险．本文提出利用Copula函数结合非对称Laplace分布技术来解决这个问题：Copula函数能够很好地刻画多个金融资产间的相依结构关系．另一方面利用非对称Laplace分布来刻画单个金融资产收益边际分布的非对称性和厚尾性。利用Kupiec的失败频率检验方法,本文验证了模型的有效性。实证研究表明Copula函数结合非对称Laplace分布技术能够很好地度量投资组合的风险价值VaR．从而有助于更好地测度和规避金融市场的风险．     

基于Copula-AL法的VaR和CVaR的度量与分配

金融资产收益率的实际分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些特征,结合Copula函数技术来描述资产间的相关性结构,研究了市场组合VaR和CVaR的度量和分配。选取上证指数和深圳成指的组合为例,计算了组合风险及其分配。结果表明,基于t-Copula-AL模型的VaR、CVaR法计算简单准确,且能方便地进行风险分配。     

基于Bayesian-Copula方法的商业银行操作风险度量

本文在对损失分布法分析的基础上,将损失事件划分为内部欺诈、外部欺诈以及违规执行三种类型;引用两阶段分布拟合操作风险的损失强度分布,同时采用贝叶斯理论中的吉布斯抽样来获取参数估计值以减小低频率高损失数据不足带来的误差;考虑到操作风险各损失事件间可能存在的相关性,本文采用Copula函数对操作风险进行整合以获得联合损失分布函数,并计算出不同置信水平下我国商业银行操作风险损失的VaR值与CVaR值.实证研究的结果表明:基于贝叶斯理论的参数估计综合考虑了总体与样本等先验信息,估计出的参数值误差较小;Copula函数的引入与VaR值、CVaR值的测算,能在考虑了损失事件发生概率的同时,估测出操作风险潜在的损失大小,从而可以更准确度量操作风险.     

基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量，杠杆效应是金融市场数据三大分布特征之一，在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量，解决了波动不能观测的问题，实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化，实证研究结果表明，与负收益冲击引起波动增加一样，正收益冲击也会引起波动增加，这与传统杠杆效应理论并不一致，与Chen和Ghysels（2011）对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应，在扭曲混合Copula构造方法基础上，本文用截尾扭曲函数构造扭曲混合Copula，以此作为收益和已实现波动的联合分布，再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明，本文构造的Copula函数具有和实际数据一致的局部相关特征，能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明，实际数据不拒绝本文构造的Copula函数，而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考，具有基础重要性。     

基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

基于Copula的两因子Vasicek利率模型实证研究

应用两因子Vasicek模型在状态空间框架下结合卡尔曼滤波技术研究我国上海证券交易所国债利率期限结构.提取1年期和20年期利率的观测误差,在不假设观测误差具体概率分布的条件下,使用非参数方法估计其边际分布,并使用极大似然方法对常用的阿基米德类Copula和混合Copula进行估计,从而确定其相依结构,结果发现Gumbel Copula和混合Copula能较好地描述两者的相依结构.采用蒙特卡罗模拟方法计算国债投资组合的在险价值,发现使用高斯Copula、Frank Copula、Clayton Copula和混合Copula都会明显低估国债投资组合的风险,Gumbel Copula更合适.     

耦合风险视角下基于GARCH-Copula模型的基金组合风险研究

在资本市场不断多样化的投资方式中, 投资组合以其相对稳定的风险与收益而得到广泛应用, 其中基金组合凭借在收益一定的情况下的低风险成为投资者关注的热门品种.传统的投资组合研究大多只考虑市场风险的影响, 忽略了信用风险的耦合效应, 从而往往导致对组合总体风险的低估.首先借助于GARCH模型获得边缘分布, 然后选择Copula函数刻画各基金之间的相关结构, 建立联合分布模型, 进而采用Monte Carlo方法模拟生成基金组合中各基金的收益率序列, 最后根据损失函数计算基金组合的风险价值.实证结果表明, 市场风险大的基金组合其信用风险不一定大, 并且基金组合能有效分散基金风险.同时, 耦合风险视角下基金组合的CVaR值大于市场风险视角下的CVaR值, 耦合风险能更好地衡量基金组合的风险.另外, Student t-Copula模型较之其它模型能更好地刻画耦合风险的联合相依结构.     

混合泊松违约强度下信用资产组合风险度量

基于共同风险因子的相依关系转换为不同资产的违约示性函数的相依关系来刻画的思想,利用参数为Gamma分布线性组合的Poisson分布来描述不同资产的违约示性函数的相依关系,建立基于混合泊松分布的信用资产组合多因子的风险度量模型,并引入重要抽样技术到模型进行有效数值模拟计算,拓宽和丰富信用资产组合风险度量模型.进一步地,结合中国金融市场四个产业的数据把混合泊松分布应用到实证研究中.在模型的构建过程中,首先运用经典的结构模型和期权定价公式估计单个债务人的动态违约概率;再利用单资产动态违约概率得到混合泊松模型下每个资产的动态泊松强度;接着结合共同风险因子的值求得资产不同的因子载荷系数,该因子载荷系数反映了不同资产间的相依结构程度;最后,把重要抽样技术发展到混合泊松模型中,对由不同产业组成的信用资产组合的损失分布进行有效Monte Carlo模拟.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

基于时变Copula的供电公司多期购电组合优化模型

针对供电公司在多市场、多阶段的购电组合问题,构建了以供电公司期末收益最大、以多期一致性风险度量函数测度的风险最小的多期购电组合优化模型。其中考虑到电力日前期货市场和实时市场电价序列的尖峰、厚尾特性和两市场电价序列间的相关结构,采用时变SJC Copula-(GARCH-T,GARCH-GED)模型拟合电价序列,并进行模拟。算例结果表明,多期投资组合决策优于单期连续决策,也优于整体购电决策。     

基于条件概率积分变换的多元Copula函数选择

本文构建了基于条件概率积分变换的Copula函数选择方法,通过对条件概率积分变换下Anderson-Darling(AD)、Kolmogorov-Smirnov(KS)、Cramér-von Mises(CM)这三种统计量的比较,讨论在不同样本容量和变量维数下其对多种Copula函数的拟合效果。利用GSPTSE、INMEX.MX和NDX三大股指样本,将基于条件概率积分变换的Copula函数选择方法与核密度估计和极大似然估计选择法的效果进行系统比较。结果表明,基于条件概率积分变换的检验法可以有效解决多元Copula函数的选择问题,其拟合优度检验更精确、更稳定;核密度估计检验在大样本下比较稳定,而小样本下稳定性较差;相比之下,极大似然值检验法则不稳定。     

基于非参数Copula-CVaR模型的碳金融市场集成风险测度

我国商业银行等金融机构在参与国际碳金融业务时面临复杂多变的市场环境,其风险评估及预警体系的构建需考虑风险因子的多源性与相依性,对碳金融市场集成风险进行科学测度具有重要意义。本文采用非参数核估计方法确定碳金融市场价格波动与汇率波动两类风险因子的边缘分布,并通过拟合优度检验选择最优Copula函数准确刻画风险因子之间非线性、动态的相依结构,实现对集成条件风险价值CVaR的有效测度。通过Kupiec回测检验及对比各类传统风险测度方法的优劣,发现非参数Copula-CVaR模型能够弥补传统风险测度方法在度量多源风险因子相依性时存在的局限性,避免参数法确定边缘分布时可能出现的模型设定风险与参数估计误差,充分考虑尾部风险,为碳金融市场集成风险测度提供新思路。     

相依结构及其在构建投资组合中的运用

传统的单指数模型主要用Beta考察个股和市场间的关系,而在现实中存在着具有相同Beta的两只股票A和B,在市场上升时,A上涨的概率大于B上涨的概率,而在市场下跌时,A下跌的概率小于B下跌的概率.这是由本文所研究的相依结构的形状所决定的,因此研究相依结构能够为构建投资组合更好的服务.本文所采用的Copula方法是近年来出现用以捕捉随机变量之间相依结构的方法,在风险控制,金融衍生产品定价中的应用颇受重视.本文首先简介Copula的概念和一些基本定理,然后用Copula的方法对国内几只较具代表性的个股和大盘指数之间的相依结构做出实验实证研究,最后给出结论.     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并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-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

跳跃-扩散条件下信用风险相关性度量的变结构Copula模型

针对现有研究大多只考虑扩散条件的不足,构建了跳跃-扩散条件下信用风险相关性度量的变结构Copula模型。运用1991~2010年中国上市公司的数据构建了行业信用风险指数,运用双指数跳跃扩散模型来识别行业信用风险的跳跃扩散点,发现在样本期,共同因素与行业特质因素引发了行业信用风险的多次跳跃。在识别跳跃点的基础上,构建了变结构Copula模型,该模型能较准确地描述信用风险相关性的变化,各行业之间的信用风险相关系数在0.5以上,并且上市公司信用风险的变化呈现出"一损俱损"的特征,而"一荣俱荣"的特征并不明显。构建的模型及实证结论将有助于理解信用风险相关或传染,从而为信贷组合管理和风险管理提供更多的方法与经验。