基于Copula函數(shù)及CVaR方法的風險測度研究.pdf

1、近二三十年,國際金融市場發(fā)生了巨大的變化。金融市場的波動日益頻繁,影響金融市場的危機時常發(fā)生,風險測度已成為業(yè)界關(guān)注的話題之一。傳統(tǒng)的風險測度方法建立在馬克維茨的投資組合理論基礎(chǔ)之上,資產(chǎn)之間的相關(guān)性為線性關(guān)系,資產(chǎn)的收益率服從多元正態(tài)分布,用VaR對資產(chǎn)組合進行風險測度。然而大量的研究證明,金融資產(chǎn)收益率存在尖鋒厚尾的特性,資產(chǎn)之間存在非線性關(guān)系,傳統(tǒng)的正態(tài)分布模型會低估實際資產(chǎn)的風險大小。與此同時,VaR方法存在一定的理論缺陷,不能

2、滿足實際風險管理者的需要。基于此,本文引入Copula函數(shù)和CVaR方法。對于單個金融資產(chǎn),CVaR考慮了金融資產(chǎn)尾部損失的平均值,更適合度量金融資產(chǎn)風險;對于投資組合,通過Copula函數(shù)考慮金融資產(chǎn)的非線性相關(guān)性,選擇不同的邊緣分布構(gòu)建了合適的聯(lián)合分布損益函數(shù)。
　　 本文首先討論了Copula函數(shù)在金融市場尾部相關(guān)性研究上的應用;然后結(jié)合風險測度方法VaR與CVaR,分別采用歷史模擬法、方差協(xié)方差法、蒙特卡羅模擬法及極值理

3、論計算道瓊斯工業(yè)指數(shù)和香港恒生指數(shù)的VaR和CVaR,結(jié)果顯示,四種方法的VaR均未通過Kupiec返回檢驗,都低估了股指的實際風險。但是,CVaR的失敗率大幅減小,提高了預測精度?？紤]股指收益率序列的時變性,本文對單個股指的收益率序列建立GJR-EVT模型,并在此基礎(chǔ)上引入Copula函數(shù),建立GJR-EVT-Copula模型,計算股指投資組合的VaR和CVaR,并對模型進行返回檢驗。研究表明,基于GJR-EVT-Copula模型的C