投資組合的研究涵蓋了相關(guān)性研究和風(fēng)險測度研究,其中前者對后者的影響尤為重要。然而資產(chǎn)之間的關(guān)系是復(fù)雜而瞬息萬變的,因此在考察資產(chǎn)間的相關(guān)性時,不僅要衡量收益率序列之間相關(guān)程度,同時也要考慮其相關(guān)結(jié)構(gòu)。鑒于2018年的港股投資價值顯著,實證中展開了對香港股票市場的行業(yè)指數(shù)的組合風(fēng)險研究,利用恒生金融類、地產(chǎn)類、工商類的行業(yè)指數(shù)來構(gòu)建投資組合,用Copula-GARCH模型度量這些資產(chǎn)之間的相關(guān)結(jié)構(gòu),用MCMC模擬組合中各資產(chǎn)權(quán)重,并使二者結(jié)合,構(gòu)建得Copula-GARCH-MCMC模型。結(jié)果表明,港股的行業(yè)股指收益波動有集群特征;Copula函數(shù)的形式靈活,對具有不同相關(guān)結(jié)構(gòu)特征的資產(chǎn)關(guān)系都能有較強的刻畫能力;其中t-Copula函數(shù)能較優(yōu)地描述港股行業(yè)股指間的相關(guān)關(guān)系,證明行業(yè)間的相關(guān)結(jié)構(gòu)是對稱的,在相關(guān)結(jié)構(gòu)的兩端呈后尾狀,表示極端事件都容易發(fā)生;用MCMC方法計算得出的投資權(quán)重考慮了歷史收益率的勝出表現(xiàn),更為貼切;從模型的有效性來看,Markowitz方法相比于Copula函數(shù)與MCMC方法的結(jié)合使用偏于低估了資產(chǎn)組合的風(fēng)險,即后者更貼近現(xiàn)實,具有更強的參考價值。 

【文章來源】：暨南大學(xué)廣東省 211工程院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究技術(shù)路線圖

-11t t t ttP 各行業(yè)股指的收益率趨勢波動圖如下，從以上三幅時序圖可以看出，這三大行業(yè)股指的日收益率基本在零值上下震動，總體上可以說是一個相對平穩(wěn)的時間序列。

而峰度都大于 3，證明都有尖峰的特點，而這個結(jié)論同樣可以從它們的日收益率直方圖初步看出。而就 JB 統(tǒng)計量來說，四只股票對應(yīng)的 JB 統(tǒng)計量對應(yīng)的卡方值的概率都基本趨向于 0，因此認為這四只股票的日收益率都不近似服從正態(tài)分布。

【參考文獻】：
期刊論文
[1]基于極值理論與藤式Copula模型的多市場投資組合選擇[J]. 佘笑荷,王曉芳,楊來科.  統(tǒng)計與決策. 2017(20)
[2]基于蒙特卡洛小波去噪的股票投資組合風(fēng)險優(yōu)化研究[J]. 李君昌,樊重俊,楊云鵬,袁光輝.  計算機應(yīng)用研究. 2018(10)
[3]基于Copula-GARCH類模型的證券分類方法[J]. 毛杰.  系統(tǒng)工程. 2017(04)
[4]風(fēng)險項目投資組合決策的貝葉斯評價與選擇策略[J]. 胡支軍,彭飛,李志霞.  中國管理科學(xué). 2017(02)
[5]風(fēng)險依賴、一致性風(fēng)險度量與投資組合——基于Mean-Copula-CVaR的投資組合研究[J]. 張冀,謝遠濤,楊娟.  金融研究. 2016(10)
[6]基于MCMC抽樣的金融貝葉斯半?yún)?shù)GARCH模型研究[J]. 楊愛軍,劉曉星,林金官.  數(shù)理統(tǒng)計與管理. 2015(03)
[7]參數(shù)不確定條件下考慮偏度的投資組合[J]. 崔媛媛,王建瓊,莊泓剛.  系統(tǒng)工程理論與實踐. 2011(09)
[8]基于Copula理論的投資組合風(fēng)險測度[J]. 趙鵬.  統(tǒng)計與決策. 2011(03)
[9]多元Copula-GARCH模型及其在金融風(fēng)險分析上的應(yīng)用[J]. 韋艷華,張世英.  數(shù)理統(tǒng)計與管理. 2007(03)
[10]連接函數(shù)（copula）技術(shù)與金融風(fēng)險分析[J]. 張堯庭.  統(tǒng)計研究. 2002(04)

碩士論文
[1]Copula-MCMC方法在證券投資組合中的應(yīng)用研究[D]. 歐衛(wèi)星.湖南大學(xué) 2011



本文編號：3480149