投资组合动态VaR预测模型和预测精度评价

采用4种Backtesting检验方法,检验22个常态和时变投资组合动态VaR预测模型的风险预测精度,发现GJR_GPD_TV_Copula具有最高的投资组合风险预测精度,GJR_GPD_Copula的拟合、密度预测和组合风险预测精度都要高于GJR_SKST_Copula,且Copula模型的组合风险预测精度分别与拟合精度和密度预测精度存在较弱的正相关关系.     

基于时变Copula的La-VaR测度研究

目前关于流动性调整的市场风险测度研究,主要是静态模型。针对此,文章提出经流动性风险调整的市场风险动态测度的时变Copula方法。该方法使用连接函数构建流动性风险和市场风险的联合分布,能够兼顾这两种风险的非正态特征和它们之间的动态相关结构。基于该方法度量了中国股市经流动性调整的市场风险La-VaR,Kupiec检验表明,基于时变Copula模型预测La-VaR的效果优于基于常相关Copula模型的预测效果,并且时变T-Copula模型优于时变N-Copula模型。     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。     

基于 ARFIMA-FIAPARCH-MCopula的亚洲新兴股市联动效应研究

为了研究亚洲新兴股市之间的联动效应,运用 ARFIMA-FIAPARCH 模型刻画亚洲新兴股市收益率的边缘分布特征,进而结合由 Clayton Copula、Gumbel Copula 与 Frank Copula 构成的混合 Copula 函数对亚洲主要新兴股市之间的联动结构进行建模。研究结果表明：中国股市中的长记忆特征非常显著,对历史信息的反应尤为缓慢;中国股市仅与韩国股市、新加坡股市的联系较为紧密,存在风险相互传染的可能;而韩国股市、新加坡股市和印度股市等亚洲其他主要新兴股市之间的联动程度更高,股市之间存在较为明显的风险传染效应。     

我国股市对盈利信息反应的进一步检验

本文选取盈利信息作为反应事件,检验我国股票市场对盈利信息是否存在过度反应现象。结合中国股市的发展阶段和特征考虑投资者的心理感觉,根据平均每股收益的高低来划分投资者心目中的赢输家组合,考察组合在年报公布后三年内的累计超额收益,发现两组合的长期收益出现反转,我国股市对盈利信息存在明显的过度反应现象。此外考察了不同行业股票的过度反应情况,发现高成长、高风险行业股票的过度反应程度并不比传统行业股票强。最后,通过构造套利组合来检验赢输家组合的风险差异,得出过度反应现象主要不是风险差异造成的结论。     

投资组合管理中连接函数应用

运用Copula函数代替相关系数表示风险因子之间的依存关系,从风险因子依存性角度探讨投资组合风险值(VaR)计算。采用最大似然估计方法对Copula函数参数进行估计,通过MonteCarlo似然估计投资组合收益风险值,结果表明基于Copula方法估计的投资组合风险值比方差协方差方法估计的投资组合风险值更接近实际数据。     

社保基金投资组合的动态风险测度研究

考虑到现阶段社保基金主要投资于股票和债券,以沪深300指数和国债指数构建投资组合代表社保基金投资组合,测度社保基金投资组合的动态风险。首先,基于FIGARCH模型对边缘分布建模;然后,基于时变Copula研究资产间的动态相关性,发现沪深300指数和国债指数间的相关性具有较强的持续性;最后采用Monte Carlo预测投资组合的VaR进行Kupiec检验。比较研究发现,基于时变模型的VaR预测效果要优于非时变模型的预测效果,时变FIGARCH-Copula-T和DCC(Dynamic Conditional Correlation)-MFIGARC-T模型都能准确地测度动态风险,但前者预测的失败率要低于后者。     

中国股市风格资产组合市场风险测度——基于EVT-t-Copula模型的实证研究

针对传统线性计量模型无法充分刻画中国股市风格资产收益系列存在"自相关"、"尖峰"、"厚尾"等非正态分布特征以及风格资产间存在复杂的非线性相关结构的局限。本文首先采用AR(1)-GJR(1,1)模型来刻画中国股市风格资产的边缘分布,接着结合各边缘分布的残差系列,引入Copula函数来分析这六种风格资产之间的相关结构,并结合极值理论和蒙特卡罗模拟方法来模拟大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值这六种股市风格资产投资组合的联合收益率分布函数,在此基础上求出各我国股市风格资产组合的市场风险(VaR与CVaR)。研究结果表明,根据极值理论得到的广义帕累托分布能够较好拟合风格资产日收益率序列的尾部特征,相比其他计算方法的VaR和CVaR值,基于EVT-t-Copula模型能够更准确度量中国股市风格资产组合的市场风险。因此,EVT-t-Copula模型有助于提高中国股市投资组合的风险管理效率。     

基于变结构Copula模型的金融危机传染效应实证分析 ——以中美股票市场为例

为检验美国金融危机的传染效应,根据中关股市指数日收益率,进行Granger因果检验,并运用变结构Copula模型实证分析金融危机前后美国股市和中国股市的相关性变化.结果表明:美国金融危机加大了中关两国股市的相关性,但影响程度呈现出阶段性变化.在危机发生后的第一阶段美国金融危机对中国股市存在传染效应,在金融危机发生后的第二和第三阶段传染效应没有证实.     

投资组合风险测度——基于FIGARCH-EVT-Copula方法

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记性。基于此,将FIGARCH、EVT和Copula有机融合,建立FIGARCH-EVT-Copula模型来估计组合风险值,利用上证指数、深成指数组合进行实证研究。实证研究表明:我国股市波动确实具有长记忆性;FIGARCH-EVT-Copula模型不仅能够准确刻画边缘分布的尖峰厚尾性、异方差性和长记忆性,而且较之于传统模型,该模型能更准确地测度投资组合风险。     

基于R_Vine Copula方法的上证行业指数相关性研究

以中国上海证券交易所的金融地产、原材料、工业、可选消费、主要消费、公用事业、能源、电信业务、医药卫生和信息技术十大行业指数为研究对象,运用能够同时考察多市场相关关系的Vine Copula方法,对这十大行业指数间的净相关关系进行实证分析。主要结果表明: 中国上证行业指数之间具有显著的非对称和厚尾相关特征;非条件下两个行业指数之间以及条件下一些3个或者4个行业指数之间有较强的相关性;而5个或5个以上行业指数之间的条件相关性表现出相互独立,因而在熊市时选择5个及以上不同行业同时投资,能够达到有效分散风险的目的;与D_Vine Copula及C_Vine Copula模型相比,R_Vine Copula模型更适合于刻画中国行业指数之间的相关关系。     

股指期货与现货指数收益率序列相关性研究——基于Copula函数的实证分析

沪深300股指期货推出后,其与沪深300指数的关系就引起投资者和研究者的关注。以沪深300指数和沪深300股指期货的日收益率数据为基础,运用Copula函数建立Copula-GARCH(1,1)-GED模型对两者进行相关性分析,结果表明:沪深300指数与股指期货收益率序列之间相关程度非常高,而通过比较秩相关系数的拟合情况,二元正态Copula函数更接近实际情况;在平方欧式距离的标准下,二元t-Copula模型能够更好地描述沪深300指数与沪深300股指期货日收益率序列的相关结构;两序列的尾部相关程度非常高,表明当股票市场大幅度波动时,沪深300指数与沪深300股指期货的相关程度显著提高。     

基于Copula-GARCH模型的黄金、股票与债券投资组合风险分析

由于金融危机影响,国际金价强势攀升,黄金已经与股票、债券一样,成为一种非常重要的投资工具。因此,本文基于Copula函数和GARCH模型,先建立Copula-GARCH-t模型对黄金、股票以及债券的投资组合风险进行实证研究分析。结果表明,Copula-GARCH-t模型对数据描述较为准确,因而在刻画投资组合风险方面效果较好。再运用蒙特卡洛模拟法,在风险最小情况下,计算出三种资产的投资比例,并计算出资产组合的VaR。     

心理账户交互作用下证券投资组合风险度量模型研究

考虑证券投资组合决策中心理账户因素, 基于Copula函数和信息熵原理, 构建了心理账户交互作用下证券投资组合Copula-IE风险度量模型, 改进了传统行为证券组合风险度量模型, 提出了新的行为证券组合风险度量优化模型。通过对该模型分析可知:投资者的投资预期水平越高, 所造成的行为决策风险越高;投资者心理账户之间的替代性越强或越弱, 均使得投资组合的风险增强。