【摘要】：受經(jīng)濟(jì)全球化、金融科技化、信息技術(shù)創(chuàng)新化等影響,全球金融市場(chǎng)正在發(fā)生巨大的變化。如何實(shí)現(xiàn)金融風(fēng)險(xiǎn)的有效管理:有效的組合投資決策、防范金融市場(chǎng)各種危機(jī),成為風(fēng)險(xiǎn)投資者和金融機(jī)構(gòu)面臨的重要議題。金融風(fēng)險(xiǎn)的有效管理,依賴于金融資產(chǎn)或變量之間的聯(lián)合分布信息,需要通過(guò)聯(lián)合分布建模方式來(lái)獲得。然而,要想準(zhǔn)確估計(jì)聯(lián)合分布函數(shù),不僅存在建模上的困難,而且存在維數(shù)災(zāi)難問(wèn)題。幸運(yùn)的是,copula技術(shù)為此提供了一個(gè)解決方案,可以把聯(lián)合分布建模轉(zhuǎn)化為邊緣分布建模與相關(guān)結(jié)構(gòu)建模兩個(gè)獨(dú)立的過(guò)程。為此,本文通過(guò)分位數(shù)回歸擬合邊緣分布,通過(guò)copula技術(shù)刻畫相關(guān)結(jié)構(gòu),構(gòu)建vine copula-分位數(shù)回歸模型,并將其應(yīng)用于金融風(fēng)險(xiǎn)管理中。在組合投資決策方面,實(shí)現(xiàn)多個(gè)金融資產(chǎn)的組合投資決策:第一,建立vine copula-分位數(shù)回歸模型,給出的多元條件聯(lián)合分布建模方法將Zhu的方法從二元情形拓展到多元情形;第二,給出組合投資決策方案,實(shí)現(xiàn)廣義Omega比率組合投資決策優(yōu)化,包括模擬金融資產(chǎn)收益變動(dòng)規(guī)律和給出閾值接受算法;第三,將該方法分別應(yīng)用于能源市場(chǎng)3種期貨商品的組合投資決策與不同行業(yè)5只股票之間的組合投資決策,驗(yàn)證了所提方法的有效性。在金融風(fēng)險(xiǎn)傳染方面,實(shí)現(xiàn)金融市場(chǎng)間“多對(duì)一”的風(fēng)險(xiǎn)溢出效應(yīng)刻畫:第一,建立vine copula-CAViaR模型,給出多元條件聯(lián)合分布建模方法,包括運(yùn)用CAViaR擬合邊緣分布和運(yùn)用vine copula方法描述非線性關(guān)聯(lián)關(guān)系;第二,基于多元條件聯(lián)合分布推導(dǎo)CoVaR類風(fēng)險(xiǎn)測(cè)度;第三,將該方法應(yīng)用于中國(guó)、美國(guó)和日本股票市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)研究,給出CoVaR類風(fēng)險(xiǎn)測(cè)度結(jié)果。本文研究工作具有一定理論意義與應(yīng)用價(jià)值。構(gòu)建的vine copula-分位數(shù)回歸模型,為解決多元條件聯(lián)合分布建模提供了一個(gè)有效的方法;組合投資決策與風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證研究結(jié)果,可以為相關(guān)決策提供參考。
【圖文】：

每隔 0.1 取一個(gè) 值，在每一個(gè) 值下進(jìn)行廣義 Omega 比率組合投資權(quán)重優(yōu)化，結(jié)果分別見(jiàn)表 3.4 和圖 3.2。圖3.2報(bào)告了預(yù)測(cè)期 s 1,2,3,4,5時(shí)各方法所得的最優(yōu)廣義Omega比率與風(fēng)險(xiǎn)厭惡參數(shù) 之間的關(guān)系，圖中實(shí)線、長(zhǎng)虛線、短虛線和中虛線分別代表 D-vinecopula-QR、D-vine GARCH-N、D-vine GARCH-t 和 D-vine GARCH-SGED 方法所得的結(jié)果。由圖 3.2 可知，第一，任意預(yù)測(cè)期內(nèi)，基于 D-vine copula-QR 方法得到的廣義 Omega 比率曲線全部位于基于 D-vine copula-GARCH 類方法的上方，意味著對(duì)每一個(gè)風(fēng)險(xiǎn)厭惡參數(shù) 前者都優(yōu)于后者；第二，任意預(yù)測(cè)期內(nèi)，隨著風(fēng)險(xiǎn)厭惡參數(shù) 值不斷增大，投資者所獲的組合投資績(jī)效降低，表現(xiàn)為基于各方法得到的廣義 Omega 比率均不斷減小；第三，隨著風(fēng)險(xiǎn)厭惡參數(shù) 值增加，D-vine GARCH類方法遞減的速度相對(duì)較快

結(jié)果見(jiàn)圖3.3。圖 3.3 中顯示了預(yù)測(cè)期 s 1,2,3,4,5時(shí)各資產(chǎn)最優(yōu)權(quán)重與風(fēng)險(xiǎn)厭惡參數(shù) 之間的關(guān)系，其中*1w 、*2w 和*3w 分別代表焦煤、原油和天然氣的最優(yōu)權(quán)重。由圖 3.3 可知，第一，不同s值下，，各資產(chǎn)最優(yōu)權(quán)重變化不同。總體而言，*3w 隨著風(fēng)險(xiǎn)厭惡參數(shù) 增大呈現(xiàn)減小的趨勢(shì)，而*1w 和*2w 則呈現(xiàn)相反的變化。這一結(jié)果表明
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F224;F831.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉五一;李瀟穎;繆柏其;;基于藤Copula方法的持續(xù)期自相依結(jié)構(gòu)估計(jì)及預(yù)測(cè)[J];中國(guó)管理科學(xué);2015年11期

2 何德旭;苗文龍;;國(guó)際金融市場(chǎng)波動(dòng)溢出效應(yīng)與動(dòng)態(tài)相關(guān)性[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2015年11期

3 梁琪;李政;郝項(xiàng)超;;中國(guó)股票市場(chǎng)國(guó)際化研究:基于信息溢出的視角[J];經(jīng)濟(jì)研究;2015年04期

4 趙魯濤;李婷;張躍軍;魏一鳴;;基于Copula-VaR的能源投資組合價(jià)格風(fēng)險(xiǎn)度量研究[J];系統(tǒng)工程理論與實(shí)踐;2015年03期

5 盧一強(qiáng);李鋒;胡斌;;單指標(biāo)分位數(shù)回歸的變量選擇（英文）[J];應(yīng)用概率統(tǒng)計(jì);2015年01期

6 蘇木亞;郭崇慧;;基于譜聚類-獨(dú)立成分分析-Granger因果檢驗(yàn)?zāi)Ｐ偷慕鹑陲L(fēng)險(xiǎn)協(xié)同溢出分析[J];系統(tǒng)管理學(xué)報(bào);2015年01期

7 田茂茜;虞克明;;銀行業(yè)如何影響房地產(chǎn)業(yè)?Copula分位數(shù)回歸及預(yù)測(cè)方法[J];數(shù)理統(tǒng)計(jì)與管理;2015年01期

8 季勇;廖慧;;全球金融市場(chǎng)的溢出效應(yīng)、溢出指數(shù)與資本管制[J];上海金融;2015年01期

9 許啟發(fā);張金秀;蔣翠俠;;基于支持向量分位數(shù)回歸多期VaR測(cè)度[J];系統(tǒng)工程學(xué)報(bào);2014年02期

10 周孝華;李強(qiáng);張保帥;;基于Copula-ASV-GPD的我國(guó)多元外匯儲(chǔ)幣組合的風(fēng)險(xiǎn)度量[J];系統(tǒng)工程;2012年11期

本文編號(hào)：2624895