GJR-Copula模型在投資組合的風險管理中的應用.pdf

1、近些年來，國際金融形勢發(fā)生了深刻的變化。金融市場的波動愈加頻繁，危機經常發(fā)生，對風險的度量已成為行業(yè)關注的話題之一。傳統(tǒng)的風險度量手段建立在馬克維茨的投資組合理論的基礎上，資產組合之間為線性相關關系，資產組合的收益率服從多元正態(tài)分布，使用VaR指標對單一資產和資產組合進行風險度量。但大量的事實證明，金融資產的收益率存在明顯的非正態(tài)的尖峰厚尾的特征，資產之間的相關關系非線性，傳統(tǒng)的正態(tài)模型會低估資產風險。另一方面，VaR方法存在一定的建模

2、缺陷，不能滿足管理者對風險控制的需要。因此，本文引入Copula模型和CVaR技術，對于單個金融資產的收益率，CVaR方法考慮到了其尾部損失的均值，更加適于測度風險;對于投資組合聯(lián)合收益率，建立Copula模型基于金融資產的非線性相關性，不限制邊緣分布從而構建了相應的的聯(lián)合分布損益函數(shù)。
　　 本文首先討論了Copula模型在金融市場尾部相關性度量上的應用;接著基于VaR與CVaR的風險測度方法，依次運用歷史模擬法、方差協(xié)方差法

3、、蒙特卡羅模擬法和極值理論測度道瓊斯工業(yè)指數(shù)和香港恒生指數(shù)的VaR和CVaR，結果表明，四種方法的計算的VaR都低估了實際股指的風險。然而，CVaR的失敗率大大降低，提高了對未來變動的預測準確度。考慮到資產收益率這一時間序列的非對稱的時變特征，文章對單個股指的收益率序列建立GJR模型，并在此基礎上引，Copula方法，建立GJR-Copula模型，度量投資組合的VaR和CVaR，并通過返回檢驗驗證模型。結果證明，GJR-Copula模型