基于极值理论与藤式Copula模型的多市场投组合选择

文章选取能源类资产、股票、黄金以及美元等六种资产作为研究对象,借助藤式Copula模型,结合极值理论,通过研究不同类型市场的金融资产间的相依性和组合波动风险,以检验藤式Copula模型对投资组合在险价值预测的效果.     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.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,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所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.     

我国保险投资组合的模拟和金融风险测量研究

 本文利用Copula函数的概念研究了保险投资组合多元金融数据的统计模拟。根据我国保险投资的特殊性，我们选用沪深300指数、基金指数、企债指数和国债指数四种风险资产来模拟保险投资组合中的股票、基金、企债和国债收益。基于模拟的结果分别利用传统近似方法（Add-VaR、N-VaR和H-VaR）和Copula方法计算了投资组合的总风险；相对于Copula-VaR方法，Add-VaR显著高估了风险，N-VaR显著低估了风险，H-VaR对于Copula-VaR的近似效果比较好，但其也高估了风险，即H-VaR相对于Copula-VaR是一种比较保守的方法。另外，我们分析了投资组合权重变化和Copula函数的选择对投资组合总风险的影响。     

均值-CVaR投资组合有效边缘的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量增加时投资组合的均值-CVaR有效边缘.探究了其经济含义,并与方差风险下的均值一方差边界进行了对比研究.可以发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管.     

高斯连接函数在股票投资组合VaR计算中的应用

风险测量是金融理论与实践研究的一个重要课题,正受到越来越多的关注。Copula理论以能够有效地处理投资组合的风险和相关性而成为国内外研究的热点。文章通过实证运用Copula理论中的Gaussian连续函数来计算股票投资组合的在险价值(VaR)。结果表明:计算出的VaR能很好的反映投资组合的风险,同时计算也比较简单,处理起来也不显得复杂。     

资产数量减少情形下CVaR投资组台的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量减少时投资组合的均值-CVaR有效边缘,探究了其经济含义,并与方差风险下的均值-方差边界进行了对比研究.我们发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管.     

基于Copula的最优投资组合探讨

文章以马克维茨的投资组合理论为基础,在均值-方差模型中引入Copula理论,使用Copula函数导出的时变KendallΥ 来代替传统的线性相关系数对相关性进行测度,求解基于Υ的最优投资组合模型,得到最优投资组合对应的方差,并且在此基础上与均值一方差模型下求解的结果进行比较.     

基于Copula函数的动态投资组合研究

文章以传统的投资组合理论为基础,将Copula理论引入到均值一方差模型中来,用Copula函数导出的时变Kendall的tau相关性测度代替线性相关系数,求解投资组合最小方差模型,得到最优投资比例和投资收益,并在此基础上与线性相关下求解的结果进行比较.     

资产数量减少情形下CVaR投资组合的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量减少时投资组合的均值-CVaR有效边缘,探究了其经济含义,并与方差风险下的均值-方差边界进行了对比研究。我们发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管。     

融资约束下CPPI策略风险分析

在融资约束之下,通过定义三种资产状态,文章计算出投资组合价值在三者之间的转移概率矩阵,并推演出各概率值与风险乘数、资产波动率、期望收益率、无风险收益率和投资者风险偏好诸要素之间的增减关系.以沪深300指数作为风险资产,在四类典型波动的市场,推算出融资约束下不同调整周期与风险乘数对应的期末组合价值以及各状态的期初期末转移概率,并阐述了市场状况与投资组合保险策略的选择关系以及风险头寸与组合保险失败的联系.     

基于极值Copula的投资组合集成风险度量方法

 应用极值的阈值与峰值模型来度量单个资产的风险价值,用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构,比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值,结果说明：Gauss Copula函数对沪深指数收益率的相关结构拟合较好,阈值模型的极值Copula能较好的度量投资组合的集成风险值,在高置信度下（0.99以上）,基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近。直接加权的方法会高估投资组合的风险,假设沪深指数的收益率服从二元正态分布会低估风险。峰值法的集成风险值误差较大。     

投资组合保险策略绩效的随机占优比较方法

文章在机占优准则实证中采用subsample方法考察了不同投资组合保险策略绩效之间的关系,实证结果表明,投资组合保险策略随机占优于其他策略,OBPI策略优于CPPI策略,CPPI策略优于TIPP策略;同时文章考察了以沪深300、上证50、上证180等不同指数作为风险资产的投资组合保险策略绩效的差异,结果表明,深300作为风险资产的投资组合保险策略要优于其他指数作为风险资产的投资组合保险策略。     

海外资产配置与A股国际化是“双赢”之举吗——基于投资组合均值—方差张成检验的实证分析

资产配置效率是影响投资组合绩效的关键因素,如何衡量资产配置效率对于投资者构建与评价投资组合表现具有重要现实意义。基于改进后的均值—方差张成检验模型,分别研究A股市场投资组合引入国际资产以及国际投资组合引入A股指数后对原有投资组合表现的影响及成因,研究结果表明:在国内A股投资组合中引入发达市场股票指数可以有效控制A股投资组合的尾部风险,而在国际投资组合中引入A股指数则能够提升国际投资组合的夏普比率,并且目前A股指数尚不能够替代国际投资组合中的其他新兴市场指数;国际投资者应当引入A股资产以提升投资组合风险收益比,A股投资者应引入国际资产以有效控制投资组合尾部风险。     

投资组合选择的均值-风险价值模型研究

文章以风险价值(Value at risk,VaR)作为风险度量,建立了投资组合选择的均值-风险价值模型.在资产收益率服从联合正态分布的假设下,研究了置信水平对最优组合和有效边缘的影响,同时分析了持有期对它们的影响,给出了全局最小VaR组合存在时置信水平和持有期的阈值,从而得到了有效边缘存在的条件.进一步研究了全局最小VaR组合与全局最小方差组合的关系,结果表明如果全局最小VaR组合存在,则一定位于均值-方差有效边缘上,且位于全局最小方差组合的上方.     

基于Copula-EGARCH-CVaR的投资组合优化

文章结合Copula技术和EGARCH模型,利用Copula-EGARCH模型刻画资产组合收益率的联合分布.该模型不仅可以刻画金融资产的"尖峰厚尾性"、波动的集聚性、杠杆效应以及非对称性等特性,而且可以捕捉资产之间的非线性相关性,同时推广了传统方法关于正态分布的假设.得到更加符合现实市场的多元分布,在一定程度上弥补了现有文献的不足.文章还在Copula-E-GARCH模型的基础上,利用蒙特卡洛模拟方法来求解不允许卖空限制下的CVaR-均值投资组合选择模型,分别给出了正态Copula和t-Copula下最优图中策略和有效边界.     

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.     

组合保险策略对市场波动性的影响

投资组合保险作为投资者管理市场风险的一种方法本身存在一定的局限性,本文首先从风险资产价格与保险价格分析组合保险与市场波动性关系,得出组合保险的存在增加市场波动性这一结论.并利用深证成指2005年、2003年数据,验证无论在哪一种市场行情下,参与保险后的价格波动明显比保险前高.     

基于风险偏好系数的半方差房地产投资组合模型

文章基于半方差度量投资风险和投资者的风险偏好行为可变,构建了带有风险偏好系数的丰方差房地产投资组合模型.经实例验证,得出结论:该模型能求出更优的投资组合;投资决策取决于风险和收益之间的对比,即单位风险的回报才是资产选择的决定因素.     

基于Copula-GARCH方法的投资组合VaR计算

VaR 方法是金融市场风险测量的主流方法.Copula函数广泛的应用于风险管理、投资组合选择、资产定价等金融领域.文章选取五种代表性的Copula并结合带正态分布和学生t分布的GARCH模型描述金融数据,通过Monte Carlo模拟计算投资组合的VaR,并对各种模型的计算能力做了对比,发现Clayton Copula结合GARCH(1,1)-T的模型对VaR的估计最好.