基于CopulA-GARCH模型股票市場的集成風險度量研究.pdf

1、雖然股票市場中存在著許多風險，但是其中主要的風險是市場風險和流動性風險，這兩種風險的的存在往往會給市場參與者帶來重大損失，因此如何找到有效的方法準確度量風險大小來降低損失就成為學者的關(guān)注焦點。而現(xiàn)實中的市場風險和流動性風險往往存在著復雜的相關(guān)關(guān)系，它們能相互作用、相互影響和相互滲透，因此十分有必要把市場風險和流動性風險結(jié)合起來，進行集成風險度量以增加度量結(jié)果的準確性。
　　集成風險度量是指把種類或者來源不同的風險置于同一體系內(nèi)進行

2、度量，也稱為整體風險度量。此種方法能夠衡量出多種風險給市場參與者有可能帶來的損失，有效地提高風險管理水平。目前對于風險的主流測度方法是VaR方法，但是VaR方法不滿足次可加性，因此不可能通過簡單地將股票市場的市場風險和流動性風險的VaR直接相加來進行兩種風險的集成風險度量。另外一種處理方法是首先得到兩種風險的聯(lián)合分布，然后計算出兩種風險的集成風險VaR?？紤]到市場風險和流動性風險的復雜相關(guān)性以及尖峰厚尾的分布特征，所以本文引入了Copu

3、la函數(shù)作為它們的聯(lián)合分布，并結(jié)合蒙特卡洛模擬法構(gòu)建出集成風險度量模型。這是因為該函數(shù)能夠刻畫和捕捉變量之間復雜的相關(guān)性，特別是尾部相關(guān)性，而且對邊緣分布的要求也較低。
　　在實證研究中，本文依據(jù)Copula函數(shù)理論構(gòu)造的集成風險度量模型，選取了我國股票市場四個主要指數(shù)的相關(guān)數(shù)據(jù)，對由市場風險和流動性風險構(gòu)成的集成風險進行了度量。通過與傳統(tǒng)的風險度量模型進行了比較，結(jié)果表明該方法的效果好于傳統(tǒng)方法，能夠提高度量結(jié)果準確性。

4、　　文章的主要內(nèi)容如下:
　　第1章是前言。該章節(jié)又分為四部分:首先介紹了文章的研究背景;然后對集成風險和Copula函數(shù)的研究狀況做了文獻綜述;其次是介紹了文章的創(chuàng)新之處;最后是文章的研究框架和內(nèi)容。對相關(guān)文獻的梳理發(fā)現(xiàn)目前針對股票市場的集成風險研究較少，同時該問題又是風險管理領域的重要難題，因此本文將其作為研究方向。
　　第2章是股票市場集成風險的相關(guān)理論和總結(jié)。此章首先詳細介紹了市場風險和流動性風險的各類度量方法和指標

5、，然后闡釋了集成風險度量理論的基礎即流動性溢價理論;最后概括總結(jié)了集成風險的概念和特點，提出了用Copula函數(shù)構(gòu)建模型來度量此類風險。
　　第3章是Copula函數(shù)理論和集成風險度量模型。本章針對Copula函數(shù)的定義和性質(zhì)、相關(guān)性度量、常用函數(shù)種類和參數(shù)估計作出了詳細的敘述，并以該函數(shù)為基礎給出了集成風險度量的完整步驟。
　　第4章是市場風險和流動性風險的相關(guān)性檢驗。該章實證研究了我國股票市場的市場風險和流動性風險的相關(guān)

6、性，為進行兩種風險的集成度量做好準備。其內(nèi)容有:樣本選擇和描述性統(tǒng)計、平穩(wěn)性檢驗和Granger因果檢驗.最后實證結(jié)果也表明市場風險和流動性風險可以相互影響和相互作用。
　　第5章是關(guān)于集成風險的度量建模。此章節(jié)主要是邊緣分布GARCH模型和Copula函數(shù)的參數(shù)估計，前者需要進行ARCH LM檢驗和K-S檢驗，用來驗證本文選擇的邊緣分布是否正確;而后者則使用AIC原則選出最優(yōu)的Copula函數(shù)作為市場風險和流動性風險的聯(lián)合分布。