發(fā)布時間：2024-05-12 06:36

　　隨著經(jīng)濟(jì)全球化程度的不斷深入,金融市場之間的關(guān)系越來越緊密,影響重大的金融危機(jī)事件頻頻發(fā)生,這些都對風(fēng)險管理者提出了挑戰(zhàn),需要選擇更加合適的風(fēng)險模型來研究這些情況。在傳統(tǒng)的金融風(fēng)險度量模型中,基本都是基于正態(tài)分布,然后運(yùn)用方差一協(xié)方差法來求解資產(chǎn)組合的風(fēng)險價值。雖然傳統(tǒng)方法具有運(yùn)算簡單的優(yōu)點(diǎn),但在實(shí)際應(yīng)用中,由于資產(chǎn)的價格分布呈現(xiàn)“尖峰厚尾性”和“極端性”不符合正態(tài)分布的假設(shè)。同時,傳統(tǒng)的相關(guān)系數(shù)矩陣不能描述資產(chǎn)組合中幾項資產(chǎn)價格之間的非線性關(guān)系。因此,需要拓展新的風(fēng)險價值度量方法來更好進(jìn)行資產(chǎn)組合的風(fēng)險管理。 為了更好地度量風(fēng)險價值,很多學(xué)者將Copula函數(shù)引入了風(fēng)險價值的研究當(dāng)中。Copula函數(shù)不僅可以捕捉到變量間非線性、非對稱的相關(guān)關(guān)系,而且很容易地捕捉到變量間尾部的相關(guān)關(guān)系。這使得Copula函數(shù)越來越受到風(fēng)險管理者的歡迎。另外在傳統(tǒng)的風(fēng)險價值度量的方法需要做一定的模型假設(shè)如正態(tài)分布等,但這些模型都無法準(zhǔn)確地描述資產(chǎn)的收益分布。而非參數(shù)估計因?yàn)椴皇苣Ｐ偷募s束,可以更好地擬合數(shù)據(jù)本身的特征,它的應(yīng)用也越來越多。 論文主要研究了非參數(shù)估計和Copula函數(shù)相結(jié)合的方法去研究風(fēng)險...

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 選題的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 VaR 研究現(xiàn)狀
        1.2.2 Copula 理論研究現(xiàn)狀
        1.2.3 非參數(shù)密度估計研究現(xiàn)狀
    1.3 論文思路與研究內(nèi)容
2 風(fēng)險價值度量方法
    2.1 VaR 的基本概念和原理
        2.1.1 VaR 的定義
        2.1.2 VaR 的基本原理
    2.2 VaR 的衡量方法
        2.2.1 局部評價法
        2.2.2 完全評價法
3 Copula 函數(shù)理論
    3.1 Copula 函數(shù)簡介
        3.1.1 二元Copula 函數(shù)的定義及基本性質(zhì)
        3.1.2 多元Copula 函數(shù)的定義及基本性質(zhì)
    3.2 幾種常見的Copula 函數(shù)類型
        3.2.1 多元正態(tài)Copula 函數(shù)
        3.2.2 多元t-Copula 函數(shù)
        3.2.3 阿基米德Copula 函數(shù)
    3.3 基于Copula 函數(shù)的相關(guān)性測度
        3.3.1 Kendall 秩相關(guān)系數(shù)τ
        3.3.2 Spearman 秩相關(guān)系數(shù)ρ
        3.3.3 尾部相關(guān)系數(shù)
    3.4 Copula 函數(shù)的參數(shù)估計
        3.4.1 最大似然法
        3.4.2 邊際推導(dǎo)法
        3.4.3 CML 法
        3.4.4 對于阿基米德Copula 函數(shù)的參數(shù)估計
4 非參數(shù)密度估計法
    4.1 非參數(shù)密度估計簡介
    4.2 核密度估計定義
    4.3 核密度估計的性質(zhì)
        4.3.1 核密度估計的漸近無偏性
        4.3.2 核密度估計的均方相合性
        4.3.3 均方誤差的漸近性態(tài)
        4.3.4 核估計的依概率一致收斂性
    4.4 窗寬的選擇
    4.5 密度函數(shù)的近鄰密度估計
5 基于 Copula 的 VaR 非參數(shù)估計方法
    5.1 研究問題的描述
    5.2 邊緣分布的非參數(shù)估計方法
    5.3 基于Copula 的蒙特卡羅模擬法
    5.4 Copula 參數(shù)估計方法及其最優(yōu)選擇
    5.5 VaR 估計方法
    5.6 算例分析
        5.6.1 基本統(tǒng)計指標(biāo)和時間序列圖
        5.6.2 邊緣分布的核密度估計
        5.6.3 基于Copula 函數(shù)的VaR 計算
        5.6.4 VaR 的事后檢驗(yàn)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄
    作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄



本文編號：3971008