基于M-Copula函數(shù)的投資組合和相關(guān)風(fēng)險(xiǎn)研究.pdf

1、文中采用EGARCH-M模型進(jìn)行了單個(gè)資產(chǎn)建模,及用M-Copula函數(shù)構(gòu)建了多個(gè)資產(chǎn)的聯(lián)合分布,對基于 GED分布的聯(lián)合資產(chǎn)收益率構(gòu)建了M-Copula-EGARCH-M模型,并采用Monte Carlo模擬方法計(jì)算出不同投資比例和置信水平的組合風(fēng)險(xiǎn)VaR和CVaR的值,并求出不同期望收益和置信水平下的最優(yōu)組合投資權(quán)重。實(shí)證結(jié)果表明,本文模型有利于投資者對投資權(quán)重的選擇。同時(shí),由于金融資產(chǎn)不但存在方差風(fēng)險(xiǎn),還存在時(shí)變偏度風(fēng)險(xiǎn)和時(shí)變峰度

2、風(fēng)險(xiǎn),這使得僅從金融資產(chǎn)的前兩階矩出發(fā)來研究風(fēng)險(xiǎn)變化顯得十分局限。GJRSK-M模型是描述金融資產(chǎn)的高階矩風(fēng)險(xiǎn)的有效工具,可對單個(gè)金融資產(chǎn)的分布進(jìn)行擬合,而 M-Copula函數(shù)能連接組合金融資產(chǎn)的邊緣分布,因此本文又建立了M-Copula-GJRSK-M模型來研究滬深兩股票市場的相依性。實(shí)證表明,上證綜指和深圳成指對數(shù)收益率存在高階矩風(fēng)險(xiǎn)和風(fēng)險(xiǎn)的非對稱性,即指數(shù)下跌時(shí),條件方差風(fēng)險(xiǎn)和條件高階矩風(fēng)險(xiǎn)會(huì)增大。
　　本文研究成果如下:

3、
　?、偬岢隽嘶?M-Copula-EGARCH-M-GED的投資組合模型。選用能刻畫風(fēng)險(xiǎn)溢價(jià)的EGARCH-M模型對各單個(gè)資產(chǎn)收益率進(jìn)行建模,選用M-Copula作為聯(lián)合分布連接函數(shù),用遺傳算法對模型中參數(shù)進(jìn)行計(jì)算,用基于GED分布的CVaR度量風(fēng)險(xiǎn),利用Monte Carlo方法模擬求得不同投資比例和置信水平下的VaR和CVaR值,求出不同期望收益和置信水平下的最優(yōu)組合投資權(quán)重。
　?、谔岢隽嘶?M-Copula-G

4、JRSK-M模型對滬深兩市的相依性進(jìn)行分析。選用GJRSK-M模型刻畫資產(chǎn)組合的邊緣分布,以反映單個(gè)資產(chǎn)價(jià)格波動(dòng)的高階矩風(fēng)險(xiǎn)的時(shí)變性和非對稱性,再結(jié)合混合Copula函數(shù)建立M-Copula-GJRSK-M模型來研究組合資產(chǎn)的相依結(jié)構(gòu)并展開實(shí)證研究。
　?、鄹鶕?jù)金融市場投資的聯(lián)動(dòng)性和相關(guān)性,引入能夠囊括各種相關(guān)結(jié)構(gòu)變化的三種阿基米德Copula函數(shù),即選用了Gumble、Clayton和Frank Copula函數(shù)的線性組合來構(gòu)造

5、混合Copula函數(shù)。由此更為靈活的描述具有復(fù)雜相關(guān)關(guān)系的事物之間的關(guān)聯(lián)度,如金融市場之間的相關(guān)關(guān)系。
　?、懿捎靡粋€(gè)服從?2分布的M經(jīng)驗(yàn)統(tǒng)計(jì)量來評價(jià)M-Copula函數(shù)的擬合度,從而刻畫金融市場之間的相關(guān)模式;采用 Ljung-Box Q檢驗(yàn)法和 K-S檢驗(yàn)法對EGARCH-M模型的殘差序列的相關(guān)性和誤差分布的擬合度進(jìn)行檢驗(yàn),進(jìn)而對EGARCH-M合理性進(jìn)行驗(yàn)證;運(yùn)用Gram-Charlier以及Leon對其定義式做了修正,利用