本文關(guān)鍵詞：基于Vine-Copula-EVT方法的多資產(chǎn)投資組合市場(chǎng)風(fēng)險(xiǎn)VaR度量，由筆耕文化傳播整理發(fā)布。

【摘要】：在理論模型上,本文在基于Pair-Copula高維建模方法的Vine-Copula理論框架下,結(jié)合極值理論EVT,構(gòu)建了Vine-Copula-EVT模型,采用C-Vine和D-Vine結(jié)構(gòu)分解下的各常見Copula函數(shù)形式(Gaussian-Copula、T-Copula、Clayton-Copula、Gumbel-Copula、Frank-Copula)來研究多資產(chǎn)投資組合的市場(chǎng)風(fēng)險(xiǎn),并結(jié)合蒙特卡羅模擬法計(jì)算出多資產(chǎn)投資組合的VaR作為風(fēng)險(xiǎn)度量指標(biāo),再通過Kupiec失敗率檢驗(yàn)測(cè)試Vine-Copula-EVT模型的VaR預(yù)測(cè)效果,并與以多元Copula得到的VaR、傳統(tǒng)的蒙特卡羅模擬法、歷史模擬法得到的VaR預(yù)測(cè)效果作比較。在實(shí)證過程中,本文選取了上證綜指、日經(jīng)225指數(shù)、標(biāo)普500指數(shù)和富時(shí)100指數(shù)作為投資標(biāo)的構(gòu)造多資產(chǎn)投資組合,以2011年1月1日至2015年12月31日為樣本區(qū)間,得到四個(gè)日收益率序列共計(jì)1214組樣本數(shù)據(jù)進(jìn)行實(shí)證研究。在估計(jì)多資產(chǎn)組合的VaR時(shí),本文采用二階段極大似然估計(jì)法。第一步是邊緣分布函數(shù)的構(gòu)建,先對(duì)收益率序列所特有的尖峰、厚尾、偏態(tài)及非對(duì)稱等典型的金融數(shù)據(jù)特征,采用GARCH類模型(GARCH-N、GARCH-t、GARCH-SKST、 GJR-N、GJR-t和GJR-SKST)對(duì)每個(gè)指數(shù)收益率序列進(jìn)行過濾,從中按照赤池AIC準(zhǔn)則挑選最優(yōu)的GARCH類模型,并得到相應(yīng)的標(biāo)準(zhǔn)殘差序列。然后應(yīng)用極值理論EVT,尾部分布用GPD(廣義帕累托分布)模型擬合,閾值內(nèi)分布用經(jīng)驗(yàn)分布函數(shù)估計(jì),以極值分布來進(jìn)行邊緣分布建模。第二步是Vine-Copula相依性建模。對(duì)于四個(gè)指數(shù)之間的相依結(jié)構(gòu),在藤結(jié)構(gòu)中選擇C-Vine和D-Vine, Pair-Copula函數(shù)形式可在Gaussian-Copula、T-Copula、Clayton-Copula、Gumbel-Copula、 Frank-Copula中依據(jù)AIC準(zhǔn)則進(jìn)行選擇,得到相應(yīng)的Vine-Copula相依性建模,通過蒙特卡羅方法計(jì)算多資產(chǎn)組合的VaR。VaR估計(jì)出來之后,需對(duì)其預(yù)測(cè)效果進(jìn)行檢驗(yàn),本文其得到的VaR與其他方法(多元Copula-GARCH、蒙特卡羅法)的VaR一起進(jìn)行Kupiec失敗率檢驗(yàn),來較各模型對(duì)VaR估計(jì)的準(zhǔn)確性。本文得到以下點(diǎn)實(shí)證結(jié)果：1、按照AIC準(zhǔn)則和BIC準(zhǔn)則,GARCH類模型中,GJR-SKST模型剔除上證綜指、日經(jīng)225指數(shù)、富時(shí)100指數(shù)益率、ARMA(1,1)-GJR-SKST模型剔除標(biāo)普500指數(shù)的典型金融事實(shí)特征效果最佳。2、按AIC準(zhǔn)則,C-Vine-Copula優(yōu)于D-Vine-Copula。3、依據(jù)Kupiec失敗率檢驗(yàn)結(jié)果,除歷史模擬法所得VaR不能較好對(duì)多資產(chǎn)投資組合未來風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)外,其余幾種方法所得VaR均具有較好的預(yù)測(cè)效果,其中C-Vine-Copula-EVT模型的預(yù)測(cè)效果最好。從失敗天數(shù)來看,C-Vine-Copula-EVT的失敗天數(shù)均在期望天數(shù)以內(nèi),而其他模型的失敗天數(shù)有超過期望天數(shù)的情況。
【關(guān)鍵詞】：Vine-Copula 極值理論EVT 多資產(chǎn)投資組合 VaR
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F830.91
【目錄】：

• 摘要4-6
• Abstract6-9
• 第一章 引言9-14
• 第一節(jié) 研究背景和意義9-10
• 第二節(jié) 研究?jī)?nèi)容10-11
• 第三節(jié) 論文結(jié)構(gòu)與思路11-12
• 第四節(jié) 研究方法12
• 第五節(jié) 可能的創(chuàng)新與不足12-14
• 第二章 文獻(xiàn)綜述14-20
• 第一節(jié) 關(guān)于金融波動(dòng)模型的文獻(xiàn)綜述14-15
• 第二節(jié) 關(guān)于極值理論EVT的文獻(xiàn)綜述15-16
• 第三節(jié) 關(guān)于Copula方法的文獻(xiàn)綜述16-20
• 第三章 相關(guān)理論與方法20-31
• 第一節(jié) 金融市場(chǎng)典型事實(shí)的計(jì)量方法20-21
• 第二節(jié) 極值理論EVT及相關(guān)模型21-23
• 第三節(jié) Copula理論及相關(guān)模型23-31
• 第四章 基于Vine-Copula-EVT模型度量VaR的理論分析31-35
• 第一節(jié) 構(gòu)建Vine-Copula-EVT模型31-32
• 第二節(jié) 蒙特卡羅模擬計(jì)算投資組合VaR32-33
• 第三節(jié) 檢驗(yàn)VaR模型的準(zhǔn)確率33-35
• 第五章 基于Vine-Copula-EVT模型度量VaR的實(shí)證分析35-49
• 第一節(jié) 樣本數(shù)據(jù)的選擇35
• 第二節(jié) 描述性統(tǒng)計(jì)35-38
• 第三節(jié) 多資產(chǎn)投資組合的VaR度量38-46
• 第四節(jié) VaR的Kupiec失敗率檢驗(yàn)46-49
• 第六章 總結(jié)與展望49-51
• 第一節(jié) 全文總結(jié)49
• 第二節(jié) 不足與展望49-51
• 參考文獻(xiàn)51-55
• 致謝55-56

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 江松明;王沁;劉洋;;基于狀態(tài)轉(zhuǎn)移-混合Copula模型的量?jī)r(jià)關(guān)系分析[J];西華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

2 王璐;;國(guó)際多元化下多維金融市場(chǎng)相關(guān)結(jié)構(gòu)測(cè)度——以金磚國(guó)家新興市場(chǎng)為對(duì)象[J];數(shù)理統(tǒng)計(jì)與管理;2015年03期

3 唐韜;謝赤;;基于狀態(tài)轉(zhuǎn)換動(dòng)態(tài)Copula模型的外匯套期保值研究[J];中南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2015年01期

4 馬鋒;魏宇;黃登仕;;基于vine copula方法的股市組合動(dòng)態(tài)VaR測(cè)度及預(yù)測(cè)模型研究[J];系統(tǒng)工程理論與實(shí)踐;2015年01期

5 羅長(zhǎng)青;歐陽(yáng)資生;夏嘉璐;;信用風(fēng)險(xiǎn)相關(guān)性度量的MRS Copula模型構(gòu)建及實(shí)證研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2014年10期

6 邵雪焱;池宏;高敏剛;;基于copula函數(shù)的飛行操作風(fēng)險(xiǎn)分析[J];數(shù)理統(tǒng)計(jì)與管理;2012年05期

7 高江;;藤Copula模型與多資產(chǎn)投資組合VaR預(yù)測(cè)[J];數(shù)理統(tǒng)計(jì)與管理;2013年02期

8 杜紅軍;王宗軍;;基于Copula-AL法的VaR和CVaR的度量與分配[J];中國(guó)管理科學(xué);2012年03期

9 黃在鑫;覃正;;中美主要金融市場(chǎng)相關(guān)結(jié)構(gòu)及風(fēng)險(xiǎn)傳導(dǎo)路徑研究——基于Copula理論與方法[J];國(guó)際金融研究;2012年05期

10 陳王;魏宇;淳偉德;侯縣平;;中國(guó)股市與周邊股市波動(dòng)風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)研究[J];中國(guó)管理科學(xué);2011年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 魯志軍;基于Copula-VaR的證券公司自營(yíng)業(yè)務(wù)市場(chǎng)風(fēng)險(xiǎn)管理研究[D];湖南大學(xué);2014年

  本文關(guān)鍵詞：基于Vine-Copula-EVT方法的多資產(chǎn)投資組合市場(chǎng)風(fēng)險(xiǎn)VaR度量，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：257213