本文關(guān)鍵詞：基于Copula理論的股票投資組合VaR風(fēng)險度量研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著金融市場的不斷變化,準確度量風(fēng)險已成為有效管理風(fēng)險和投資者做出合理決策的基礎(chǔ)。為有效對由金融資產(chǎn)價格波動所帶來的風(fēng)險進行規(guī)避和對沖,建立一個可靠和精確的數(shù)學(xué)模型去度量金融市場投資組合的風(fēng)險,進而提高投資組合的度量精度是十分重要的。根據(jù)現(xiàn)有的風(fēng)險度量與評估研究,VaR (Value-at-Risk,風(fēng)險價值)方法是一種國際上較為流行的風(fēng)險管理標準,可以有效地度量股票投資組合的風(fēng)險。與傳統(tǒng)的金融風(fēng)險度量模型相比,這種方法可以涵蓋影響金融資產(chǎn)的各種不同市場因素,同時還可以度量非線性的風(fēng)險問題,具有更大的適應(yīng)性與科學(xué)性。然而,由于金融市場具有復(fù)雜化、多樣化的特點,使得金融資產(chǎn)之間的相依性顯著增強,尤其是在市場處于低迷時期(熊市)時,金融資產(chǎn)間的相依關(guān)系會比活躍時期(牛市)較大。因此度量金融資產(chǎn)之間的相關(guān)性對研究風(fēng)險管理、資產(chǎn)定價、投資組合分析等問題非常重要。在刻畫隨機變量間相關(guān)性方面,Copula函數(shù)是一種有效的建模方法,不但能反映它們的線性或非線性、對稱或非對稱的相依關(guān)系,而且還能捕捉到它們間的尾部相依關(guān)系�；诖怂ǖ哪Ｐ鸵驯黄毡榈貞�(yīng)用到金融市場的分析中。此外,多尺度分析框架是一個復(fù)雜系統(tǒng)的有效分析手段,能有效地提高投資組合風(fēng)險的度量精度。其中,經(jīng)驗?zāi)B(tài)分解(EMD)模型作為有效的多尺度分析方法,能較為準確地反映原始數(shù)據(jù)的物理特性,特別在處理非線性非平穩(wěn)數(shù)據(jù)方面具有較高的擬合度。以及之后對EMD進行擴展,提出的二元EMD算法,可有效解決EMD方法在處理二元數(shù)據(jù)分析時所存在的模式混疊與尺度不對齊等問題。對此,為提高估計精度,本文將引入二元EMD算法,以構(gòu)建新的多尺度股票投資組合風(fēng)險度量模型。因此,本文將基于有效的風(fēng)險度量Copula-GARCH模型,以及多尺度分析二元EMD算法,提出一種新的基于EMD-Copula-GARCH的風(fēng)險度量模型用于估計股票投資組合的VaR。首先,結(jié)合二元EMD算法與Copula理論探討股市間微觀相關(guān)結(jié)構(gòu)的特征。其次,構(gòu)建一種基于二元EMD-Copula-GARCH的VaR風(fēng)險度量模型,對股票市場中所存在的風(fēng)險進行預(yù)測,并與現(xiàn)有的風(fēng)險度量模型的VaR結(jié)果相比較,最后通過實證分析證明了EMD-Copula-GARCH模型在股票市場風(fēng)險預(yù)測方面的有效性。
【關(guān)鍵詞】：VaR Copula EMD 股票投資組合 風(fēng)險度量
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 緒論15-25
• 1.1 研究背景和意義15-16
• 1.1.1 研究背景15
• 1.1.2 研究意義15-16
• 1.2 國內(nèi)外研究綜述16-22
• 1.2.1 Copula理論的研究綜述16-19
• 1.2.2 風(fēng)險度量的研究綜述19-20
• 1.2.3 二元EMD的研究綜述20-22
• 1.3 研究內(nèi)容與結(jié)構(gòu)22-23
• 1.4 研究方法與技術(shù)路線23-24
• 1.4.1 研究方法23
• 1.4.2 技術(shù)路線23-24
• 1.5 本文的創(chuàng)新點24-25
• 第二章 相關(guān)理論及方法概述25-37
• 2.1 Copula理論簡介25-32
• 2.1.1 Copula的定義和性質(zhì)25-26
• 2.1.2 基于Copula的相依性測度26-28
• 2.1.3 常用的二元Copula函數(shù)與相關(guān)性分析28-31
• 2.1.4 Copula函數(shù)的單調(diào)變換定理31-32
• 2.2 二元EMD算法32-34
• 2.2.1 EMD32-33
• 2.2.2 二元EMD33-34
• 2.3 VaR方法34-37
• 2.3.1 VaR的定義34-35
• 2.3.2 VaR的估計35-37
• 第三章 基于Copula理論的股市之間相關(guān)性研究37-47
• 3.1 樣本選取與描述性統(tǒng)計37-38
• 3.2 二元EMD分解38-39
• 3.3 基于Copula理論的相依性分析39-45
• 3.3.1 總體相依性分析40-41
• 3.3.2 微觀相依性分析41-45
• 3.4 結(jié)果分析45-47
• 第四章 基于DCC-GARCH和EMD-DCC-GARCH的股票投資組合VaR風(fēng)險度量研究47-55
• 4.1 模型構(gòu)建47-51
• 4.1.1 理論模型47-50
• 4.1.1.1 DCC-GARCH模型47-49
• 4.1.1.2 VAR模型49-50
• 4.1.2 基于DCC-GARCH模型的VaR風(fēng)險度量模型50
• 4.1.3 基于EMD-DCC-GARCH的VaR風(fēng)險度量模型50-51
• 4.2 VaR模型檢驗51-52
• 4.3 實證分析52-55
• 4.3.1 VaR值計算52-53
• 4.3.2 VaR模型檢驗53-55
• 第五章 基于EMD-Copula-GARCH的股票投資組合VaR風(fēng)險度量研究55-63
• 5.1 模型構(gòu)建55-57
• 5.1.1 理論模型55-56
• 5.1.1.1 Copula-GARCH模型55-56
• 5.1.2 基于Copula-GARCH的VaR風(fēng)險度量模型56
• 5.1.3 基于EMD-Copula-GARCH的VaR風(fēng)險度量模型56-57
• 5.2 實證分析57-60
• 5.2.1 VaR值計算58-59
• 5.2.2 VaR模型的檢驗59-60
• 5.3 四種VaR模型的比較60-63
• 5.3.1 VaR值的比較60-62
• 5.3.2 超出率和MSE值的比較62-63
• 第六章 結(jié)論與展望63-67
• 6.1 本文的主要結(jié)論63-64
• 6.2 論文未來的研究方向64-67
• 參考文獻67-71
• 附錄71-73
• 致謝73-75
• 研究成果及發(fā)表的學(xué)術(shù)論文75-77
• 作者及導(dǎo)師簡介77-78
• 附件78-79

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張偉偉;唐湘晉;;基于時變copula的中國股指期貨和現(xiàn)貨動態(tài)相關(guān)性研究[J];科技創(chuàng)新與應(yīng)用;2016年04期

2 陳珊;鄭琴;秦緒佳;;基于二維經(jīng)驗?zāi)Ｊ椒纸獾尼t(yī)學(xué)圖像融合方法[J];計算機系統(tǒng)應(yīng)用;2014年06期

3 劉謙慧;;基于GARCH族模型的VaR方法對上證綜指的研究[J];商;2014年01期

4 趙松杰;張亞博;宣龍健;;基于BEMD和DCT的圖像數(shù)字水印算法[J];現(xiàn)代電子技術(shù);2013年17期

5 李成;周恒;;基于多元經(jīng)驗?zāi)Ｊ椒纸獾墓善笔找媾c宏觀經(jīng)濟關(guān)系分析[J];統(tǒng)計與信息論壇;2013年02期

6 趙春暉;周振國;;一種基于BEMD的紋理圖像分類改進方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2012年05期

7 李小滿;李峰;章登勇;;基于二維經(jīng)驗?zāi)Ｊ椒纸獾膱D像水印嵌入算法[J];計算機工程;2011年12期

8 李自然;成思危;祖壘;;基于格蘭杰因果檢驗遍歷性分析的中國股市和國際股市的時變聯(lián)動特征研究[J];系統(tǒng)科學(xué)與數(shù)學(xué);2011年02期

9 李峰;徐瓊;呂回;;基于二維EMD分解的圖像壓縮研究[J];計算機工程與應(yīng)用;2010年09期

10 傅強;邢琳琳;;基于極值理論和Copula函數(shù)的條件VaR計算[J];系統(tǒng)工程學(xué)報;2009年05期

  本文關(guān)鍵詞：基于Copula理論的股票投資組合VaR風(fēng)險度量研究，由筆耕文化傳播整理發(fā)布。

本文編號：251829