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。     

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Copula的投资组合均值-CVaR有效前沿分析

文章构建了基于Copula的投资组合均值-CVaR模型,并使用蒙特卡罗技术对模型进行了实证分析。在将该模型下的投资组合与多元正态假设下的组合进行了比较后,得出两点结论:其一,与Copula模型相比,传统多元正态分布假设下的投资组合会在收益一定情况下低估风险或在风险一定的情况下高估收益;其二,基于Copula模型下的投资组合的动态表现要优于多元正态假设的投资组合,在牛市,投资组合的总价值可以充分上涨;而在熊市则可以大大降低组合价值的下降幅度。     

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.     

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.     

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理论的金融风险分析

本文介绍了Copula理论和性质以及其在金融风险分析中的一些应用.并实证基于Copula,结合具有不同边际分布模型来计算资产投资组合VaR显著优于基于多元正态分布假设的传统方法.     

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.     

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.     

动态分层阿基米德Copula模型的构建与应用

Copula函数在金融中的应用大多限于二元情形,而对高维Copula函数及其动态模型的研究相对不足.文章在隐马尔科夫模型的框架下,构建了动态分层阿基米德Copula模型,并使用EM算法估计了模型的参数;然后将协变量引入到隐马尔科夫模型的转移概率中,以考虑其他因素对所考虑变量的相关性动态的影响;最后,将模型用于股票组合动态相关性的研究.     

阿基米德Copula分位数回归曲线推导与模拟

文章把分位数回归理论和相关结构函数Copula结合起来,介绍了分位数回归和相关结构函数Copula,给出了阿基米德Copula和Copula分位数回归曲线的定义,推导出了阿基米德Copu-la分位数回归曲线。最后,通过模拟研究表明Copula分位数回归估计方法的精确性。     

基于Copula函数的随机性期望赔付法

未决赔款准备金评估的随机性方法逐渐得到重视,而考虑赔款数据的相关性可提高准备金评估的精确性。在确定性期望赔付法的基础上,提出一种基于阿基米德Copula函数的随机性期望赔付法;在准备金评估中利用核密度估计实现进展因子的随机化,并在此基础上应用阿基米德Copula函数分析两类赔款数据相关性的问题;利用R软件模拟总损失准备金的分布,研究表明该方法相比传统的期望赔付法具有更强的灵活性,其结果也更符合实际。     

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。     

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.     

基于Copula的资产组合风险价值模拟方法

文章以VaR或CVaR作为度量风险的指标,建立了一种基于Copula函数的资产组合风险价值模拟方法,并对该方法的参数估计和计算过程进行了详细分析.     

基于Copula函数风险控制的贷款组合优化模型

文章运用Copula函数拟合贷款收益率联合分布函数,通过K-S检验选择最优Copula函数度量贷款间的违约相关性,建立基于Copula函数风险控制的贷款组合优化模型。优化模型避免了由极端事件发生引起贷款同时违约的高风险;解决了现有研究基于收益率服从正态分布假设存在低估风险的问题;解决了采用联合违约概率度量违约相关性时由于违约数据稀少而影响模型精度的问题。     

投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定，随着投资组合规模的扩大，其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点，基于ICA的投资组合动态VaR风险度量方法和计算步骤，克服了多元非正态条件下VaR测算上的困难。实证研究表明，与EWMA模型法、MGARCH模型法相比，ICA法能够准确地度量投资组合动态VaR。     

基于Copula逼近法的股指相依结构研究

Copula在相依结构的研究中具有广泛的应用价值。对传统的Copula模型和Kallenberg提出的Copula逼近法进行了比较,并将其应用于中国股票指数数据的实证分析。结果表明：Copula逼近法可以较大程度地降低模型误差,从而改善Copula模型对中国股指相依结构的拟合效果。     

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.     

基于阈交理论的投资组合风险度量

风险控制已经成为投资管理的重要内容,如何对投资组合进行风险度量一直是研究的热点.文章在极值理论的基础上,建立了用于计算投资组合最大亏损事件概率的阈交方法.通过对上证指数的历史数据进行经验研究,发现该方法能很好地度量我国证券资产的实际风险程度.该方法弥补了传统风险工具VaR的不足,有助于投资者更好的进行风险控制.