基于Copula的投資組合風(fēng)險度量研究——以滬深300指數(shù)和中債總指數(shù)為例.pdf

1、自Copula理論提出之后，便得到迅速的發(fā)展和廣泛的應(yīng)用，尤其是在金融領(lǐng)域的相關(guān)分析、衍生品定價、風(fēng)險管理中。Copula函數(shù)具有明顯的優(yōu)勢:一是能準確地描述多個變量之間的相依性，二是靈活地構(gòu)造多元分布函數(shù)，三是對隨機變量的邊緣分布的選取不做限制，四是可以捕捉到變量間非對稱、非線性和尖峰厚尾的特性。它彌補了傳統(tǒng)度量風(fēng)險的技術(shù)缺陷，提高了風(fēng)險模型測度的準確性和可靠性，為風(fēng)險的防范和管理提供了理論依據(jù)。
　　由于我國股市和債市發(fā)展歷程

2、比較短，市場效率明顯低于國外，所以對兩市場之間的相依結(jié)構(gòu)及風(fēng)險的研究不能簡單的趨同于國外。雖然近年來國內(nèi)在該方面取得了一定的成果，但并未結(jié)合Copula函數(shù)考慮在不同行情下兩市場之間的相依性及組合風(fēng)險。因此，本文為了研究資產(chǎn)組合間的相依性，且更好的度量金融市場組合間的風(fēng)險，主要工作體現(xiàn)在:
　　1、本文首先闡述了研究的背景及意義，指出了引入Copula理論的必要性和重要性，對國內(nèi)外有關(guān)Copula的文獻做了綜述，并詳細地介紹了Co

3、pula相關(guān)理論。在風(fēng)險分析中，比較全面的分析了風(fēng)險的VaR和CVaR。
　　2、本文選用滬深300指數(shù)和中債總指數(shù)為樣本，選取的時間段是從2014年7月到2017年3月。在K線圖中，以60日均線為基準，對樣本按照股市行情（牛市、熊市、反彈、震蕩）進行劃分，分別對各個行情進行實證分析:在對數(shù)據(jù)的檢驗、分析中使用了單位根檢驗、自相關(guān)性檢驗、ARCH效應(yīng)檢驗及K-S檢驗等;在對模型參數(shù)的估計中利用了Eveiws和Matlab軟件，在對

4、一定置信水平下的兩市場風(fēng)險的VaR和CVaR及組合風(fēng)險的計算中使用了Copula函數(shù)和蒙特卡洛模擬法，并對分段行情下的組合風(fēng)險進行了簡單的優(yōu)化。
　　通過實證發(fā)現(xiàn):首先，在牛市和反彈行情中，股市和債市之間呈現(xiàn)出負相關(guān)關(guān)系，在熊市和震蕩行情中，股市和債市之間呈正相關(guān)關(guān)系，且在反彈行情中兩市間的相關(guān)性最強;其次，GARCH-(1，1)-t模型能夠很好地描述金融資產(chǎn)時間序列的波動性，組合風(fēng)險在熊市行情中最大，牛市行情中最小，牛市行情和反