發(fā)布時(shí)間：2021-12-10 21:06

　　針對(duì)金融高維變量間存在的復(fù)雜非線性動(dòng)態(tài)相關(guān)特征,本文拓展了Creal（2013）提出的廣義自回歸得分模型（GAS）,并應(yīng)用于藤結(jié)構(gòu)分解出的paircopula模型時(shí)變參數(shù)建模之中,給出了模型構(gòu)建及參數(shù)估計(jì)方法。模擬實(shí)驗(yàn)結(jié)果顯示GAS動(dòng)態(tài)過(guò)程相對(duì)于ARMA動(dòng)態(tài)過(guò)程與靜態(tài)參數(shù)模型能夠更好地刻畫pair-copula參數(shù)的時(shí)變特征。同時(shí),模擬實(shí)驗(yàn)給出了藤結(jié)構(gòu)各節(jié)點(diǎn)copula類型選擇應(yīng)使用的信息準(zhǔn)則類型。實(shí)證研究綜合選取新興市場(chǎng)與發(fā)達(dá)市場(chǎng)指數(shù)構(gòu)建投資組合,估計(jì)GAS動(dòng)態(tài)藤copula模型參數(shù),并通過(guò)蒙特卡洛模擬方法計(jì)算組合資產(chǎn)VaR。運(yùn)用回測(cè)檢驗(yàn)方法驗(yàn)證模型的有效性,最后基于3種copula模型求解最優(yōu)權(quán)重組合,預(yù)測(cè)樣本外收益率。實(shí)證結(jié)果表明:國(guó)際指數(shù)間存在非線性動(dòng)態(tài)相關(guān),參數(shù)時(shí)變特征主要表現(xiàn)在低層樹(shù)結(jié)構(gòu)中。除pair-copula類型選擇外,藤結(jié)構(gòu)的選擇對(duì)模型整體的擬合效果也具有重要影響,錯(cuò)誤的藤結(jié)構(gòu)設(shè)定將使動(dòng)態(tài)藤模型擬合失敗。GAS動(dòng)態(tài)D藤copula模型在3個(gè)置信水平下均通過(guò)了VaR失敗率檢驗(yàn),且其樣本外的組合回報(bào)率在不同置信水平下均高于兩種靜態(tài)模型,擁有優(yōu)良的平衡風(fēng)險(xiǎn)收益能力。 

【文章來(lái)源】：華僑大學(xué)福建省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

蒙特卡洛模擬（n=500）

圖 3.2 國(guó)際股票指數(shù)對(duì)數(shù)收益率表 3.3 給出了我們選用數(shù)據(jù)集的描述性統(tǒng)計(jì)。偏態(tài)數(shù)值表明除巴西圣保羅指數(shù)外，其他指數(shù)的對(duì)數(shù)收益率均呈現(xiàn)出顯著的負(fù)向非對(duì)稱性。此外，方差顯示新興市場(chǎng)中國(guó)和巴西的股市對(duì)數(shù)收益率相對(duì)于發(fā)達(dá)市場(chǎng)具有更高的波動(dòng)性。ADF檢驗(yàn)結(jié)果說(shuō)明五組對(duì)數(shù)收益率均平穩(wěn)，可用于后續(xù)的波動(dòng)性建模。根據(jù) K-S 檢驗(yàn)發(fā)現(xiàn)所有對(duì)數(shù)收益率均不服從正態(tài)分布。表 3.3 五組對(duì)數(shù)收益率的特征統(tǒng)計(jì)表統(tǒng)計(jì)量 BVSP SP500 FT100 N225 SSEC中位數(shù) -0.00040 0.00060 0.00059 0.00100 0.00066均值 0.00001 0.00054 0.00022 0.00077 0.00034方差 0.00026 0.00008 0.00010 0.00023 0.00028偏度 0.24773 -0.17657 -0.02836 -0.22082 -0.73289峰度 1.21942 3.12710 3.08269 2.88886 6.14925K-S 統(tǒng)計(jì)量 0.47963***0.48542***0.48404***0.47805***0.47644***ADF 統(tǒng)計(jì)量 -9.557***-10.382***-10.927***-10.296***-8.964***

種特殊的 R 藤類型中進(jìn)行選擇。C 藤結(jié)構(gòu)主要突出每一層樹(shù)中有關(guān)鍵變量對(duì)其他變量具有較強(qiáng)的影響，而 D 藤的線性結(jié)構(gòu)則表示每一層樹(shù)中，變量之間的相關(guān)性差異較小，因此可以依據(jù)變量間的相關(guān)性強(qiáng)弱線性排列。圖 3.3 給出了 5 個(gè)對(duì)數(shù)收益率的秩相關(guān)系數(shù)及相關(guān)模式圖，可以看出所有變量之間都存在正相關(guān)關(guān)系，且不存在對(duì)其他所有變量都能產(chǎn)生較大影響的關(guān)鍵變量，因此選用 D 藤結(jié)構(gòu)較為合適。在選定了 D 藤結(jié)構(gòu)后，對(duì)于 5 維序列，依然有 5!/2=60 種可能的排列方式。根據(jù) Nikoloulopoulos et al.（2012）提供的 D 藤排列方法，只需使各對(duì)變量的秩相關(guān)系數(shù)之和達(dá)到最大即可。[57]具體做法為：首先選擇具有最高秩相關(guān)系數(shù)的一對(duì)變量，再選擇與已選中的兩個(gè)變量具有最大秩相關(guān)系數(shù)相連，重復(fù)該過(guò)程即可得到 D 藤排列。

【參考文獻(xiàn)】：
期刊論文
[1]多資產(chǎn)投資組合在險(xiǎn)價(jià)值預(yù)測(cè)的實(shí)證分析[J]. 佘笑荷,王曉芳,楊來(lái)科.  統(tǒng)計(jì)與決策. 2017(03)
[2]市場(chǎng)流動(dòng)性與市場(chǎng)預(yù)期的動(dòng)態(tài)相關(guān)結(jié)構(gòu)研究——基于ARMA-GJR-GARCH-Copula模型分析[J]. 姚登寶,劉曉星,張旭.  中國(guó)管理科學(xué). 2016(02)
[3]基于pair copula-LMSV-t模型的投資組合風(fēng)險(xiǎn)研究[J]. 張勔,程希駿,方正,郭鍵鴻,劉峰.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2015(12)
[4]基于非參數(shù)時(shí)變Copula模型的美國(guó)次貸危機(jī)傳染分析[J]. 葉五一,韋偉,繆柏其.  管理科學(xué)學(xué)報(bào). 2014(11)
[5]基于Copula-GJR-Skewt模型的投資組合風(fēng)險(xiǎn)預(yù)測(cè)研究[J]. 陳玲俐.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2014(18)
[6]Copula的參數(shù)與半?yún)?shù)估計(jì)方法的比較[J]. 張連增,胡祥.  統(tǒng)計(jì)研究. 2014(02)
[7]基于pairCopulaCVaR模型的保險(xiǎn)投資組合優(yōu)化[J]. 邵夢(mèng)倩,杜子平.  金融理論與實(shí)踐. 2011(03)
[8]基于時(shí)變Copula模型的滬深股市相依分析[J]. 王沁,王璐,程世娟.  統(tǒng)計(jì)與決策. 2010(19)
[9]Copula模型在滬深股市相關(guān)性研究中的應(yīng)用[J]. 魏平,劉海生.  數(shù)理統(tǒng)計(jì)與管理. 2010(05)
[10]基于動(dòng)態(tài)Copula方法的股票組合VaR估計(jì)[J]. 賀學(xué)強(qiáng),易丹輝.  統(tǒng)計(jì)與決策. 2010(17)



本文編號(hào)：3533392