罗阳[1]2013年在《大中华区股票市场波动性及传导机制研究》文中指出本文选用一元GARCH模型族中的GARCH-M、EGARCH模型分别分析大中华区各股市波动性中的风险溢价以及杠杆效应；用多元GARCH模型族中的VECH-GARCH、DCC-GARCH、BEKK-GARCH模型来分别分析大中华区股市间的相关性、动态联动性、传导机制。研究结果表明：大中华区各股市存在着正的风险溢价和明显的杠杆效应；各股市之间的相互影响是持久的,2006年基本完成股改之后,内地股市与外海市场的相关程度明显增强；而且只存在内地股市向海外股市的单向传导机制,内地股市之间、港台股市之间存在着双向传导机制。由此可见,对大中华区股市波动性及其传导机制的研究可以多方面的刻画大中华区股市波动性的内涵,丰富了我国关于研究股市的波动性及波动之间的相关关系的理论。并且系统地研究大中华区股市波动性及其传导机制,不但可以为跨区域的广大投资者构建多样化投资组合、防范和规避金融风险等提供有力的参考,而且还可以为相关部门制定和执行宏观金融政策提供有价值的参考。因此本文对大中华区股市波动性及传导机制研究,具有重要的理论和实践意义。对大中华区各股市建立GARCH-M模型,以分析各股市的风险溢价情况。结果表明：各股市都存在着正的风险溢价。其中深圳股市的风险溢价系数最高,当增加一单位风险时(σ),深圳股市增加1.2231单位回报,上海、香港、台湾股市分别增加1.1939、0.5630、0.4104单位回报。风险越高,收益也越高。这表明,我国内地的上海、深圳股市存在着丰厚的投资回报。当投资者选择在此区域投资时,增加相同的风险,相对于大中华区其他股市,在中国内地股市得到的回报会更丰厚些。对大中华区各股市建立EGARCH模型,以分析各股市的杠杆效应。结果表明：各股市都存在明显的杠杆效应。当出现相同的利好消息冲击时,波动最大的是上海股市,依次是深圳股市、台湾股市、香港股市。当出现相同的利空消息时,波动最大的是上海股市,依次是台湾股市、香港股市、深圳股市。而且同等利好消息的对股市造成的冲击小于同等利空消息对股市造成的冲击。根据各股市的EGARCH模型结果,绘制出信息冲击曲线,也可以很直观的看出：信息冲击曲线是非对称的,左边的信息冲击曲线明显比右边的陡。意味着当出现负冲击时(利空消息),该冲击对各股票市场产生的波动要明显大于出现正冲击时(利好消息)所带来的波动,即各市场对于利空消息的反应要更加强烈。用多元对角VECH-GARCH模型分析整个大中华区四个股市之间的相关关系,结果表明：大中华区的日收益率波动的条件方差之间的相互影响是持久的,大中华区股市的波动呈现出趋同的现象。用多元DCC-GARCH模型分析它们之间的动态联动性,分析结果表明：2006年中国内地基本完成股改以后,沪深股市相关性明显的增强,而且内地股市之间及与香港股市之间的相关性显着的提高,这表明股改对我国的股市发展有着积极的意义；2006年股改基本完成和2008以来积极的两岸政策,导致两岸股市的相关性明显增强；而香港和台湾股市的相关性受国际股市的影响较大。使用多元非对称BEKK-GARCH模型分析整个大中华区四个股市之间的波动溢出效应,以得到它们之间的传导机制。结果表明：在所选取的显着水平下,上海股市与深圳股市之间存在着双向的传导机制；上海股市、深圳股市与香港、台湾股市只存在内地向海外股市的单向传导机制,香港股市与台湾股市之间存在着双向的传导机制。这表明在大中华区股市中,中国内地股市对其他股市的影响越来越大,其他股市对中国内地股市的影响不是很显着,内地股市受自身因素的影响较大。
李伟[2]2008年在《基于金融波动模型的Copula函数建模与应用研究》文中研究说明随着金融市场的不断发展与创新,对全面、准确地刻画金融资产之间复杂的波动特征和相依结构提出了更高的要求,这是金融资产组合构建、风险管理和资产定价等的核心任务。传统的多元统计模型在描述多元变量的联合分布方面往往存在着一定的缺陷:一方面随着维数的增加将有可能导致严重的“维数灾难”问题,另一方面常用的多元正态分布或其它分布假设往往无法全面、准确地刻画多元金融资产复杂的相依结构特征,如厚尾相依性、非对称、非线性和非正态等统计特征。近年来,Copula函数的理论性质与应用研究逐步受到重视。Copula函数可以将多元变量的联合分布函数分解为各变量的边缘分布函数和一个Copula函数。从统计建模的角度上看,Copula函数的引入使得对多元变量的联合分布建模可以分为如下两个方面:第一方面是准确地选择边缘分布模型以更好地拟合各变量的边缘分布统计特征,第二方面是选择合适的Copula函数刻画变量之间的相依结构。由于具备优良的统计性质,Copula函数近年来在金融市场各领域如市场风险和信用风险计量、金融市场相依结构分析、金融衍生商品和结构型金融商品等的定价和风险管理等均得到了广泛地应用。本文的主要思路是以统计学、计量经济学和金融学理论为基础,尝试将金融波动模型与Copula函数有机地结合,利用金融波动模型刻画金融资产的波动特征,利用Copula函数刻画金融资产之间的相依结构特征,这样即可以较好地刻画多元金融资产的波动特征,又能够较好地刻画它们之间的相依结构,从而使得改进后的模型更好地拟合多元金融资产的统计特征。这是对传统多元金融波动模型的一个有益扩展与补充,具有一定的理论与现实意义。本文主要包括以下内容:第一章是全文的绪论,首先介绍了本文研究的主要经济、金融和统计理论背景,分析了传统多元统计模型存在的主要缺陷。然后结合Copula函数的统计性质阐述了本文所研究内容的理论和应用价值,最后总结了本文的主要内容和创新点。第二章总结和扩展已有的金融波动模型。本文中Copula函数的建模是基于金融波动模型基础之上的,第二章系统、全面地比较研究了各类金融波动模型的特点和性质,并利用上海股市的数据进行了实证研究。本文所讨论的一元ARCH模型族包括:ARCH模型、GARCH模型、EGARCH模型和TARCH模型等,一元随机波动模型族包括:SV模型、SV-HS模型、SV-JPR模型和马尔可夫转换SV模型(MSSV)等。实证研究结果表明:ARCH模型族和SV模型族都可以较好地刻画金融资产波动的动态时变和波动聚集特征,而考虑厚尾特征和杠杆效应的金融波动模型绩效更佳。同时,上海股市具有明显的波动状态转换和周期性特征,MSSV模型可以较好地刻画这种特征。最后分析了多元GARCH模型的性质和分类,并指出了传统多元GARCH模型存在的主要缺陷。第叁章研究Copula函数的性质、概念和特点,并探讨了如何结合金融波动模型和Copula函数构建新的多元金融波动模型。在对Copula函数性质的研究中,重点研究了几种常见的Copula函数的概念、特点和性质,并结合图形予以说明。接着分析了Copula函数常用的估计方法和拟合优度检验方法。最后分析了结合传统金融波动模型和Copula函数构建多元金融波动模型的两种思路。第四章主要对静态、动态和马尔可夫转换等叁种Copula函数建模方法进行比较研究。从国内外已有的文献看,目前对于Copula函数的研究主要集中于静态Copula函数建模方法。如果样本期较长的话,或者在样本期内金融市场的相依结构发生了明显的结构性变化,那么传统的静态建模方法就可能存在着一定的模型设定偏误。本文着重探讨了动态Copula函数和马尔可夫转换Copula函数的性质、特点和估计方法,并给出了这叁种建模方法拟合优度检验的PIT方法。以上证A股指数和B股指数为样本的实证研究发现:动态和马尔可夫转换Copula函数建模方法较静态建模方法更好地拟合了金融市场之间的相依结构。这说明考虑了Copula函数动态时变和状态相依特征的建模方法更适合于描述金融变量之间复杂的相依关系。第五章利用Copula函数和Hoeffding引理的性质对传统的多元GARCH模型进行了改进。在Lee & Long(2008)模型(比较模型组一)的基础上,利用Copula函数的性质和Hoeffding引理,将其由正态分布的情况推广到t分布的情况(比较模型组二)。同时利用相关系数矩阵为单位矩阵的正态Copula函数是独立Copula函数的性质构建了新的多元GARCH模型(比较模型组叁)。基于上海A股指数、B股指数和香港恒生指数的实证研究表明:比较模型组一、二和叁均较各基准模型有了一定的改进和提高,这为扩展已有的多元金融波动模型提供了有益的借鉴。第六章利用Copula函数分析研究了几个具有重要实际意义的现实金融问题。首先我们利用在第四章和第五章构建的Copula函数模型分析了股票指数期货和现货组合的避险问题,并与传统的避险模型进行了比较,基于香港恒生指数的实证研究表明:(1)利用股指期货可以有效降低投资组合的风险;(2)按照1:1比例进行避险的天真避险模型绩效低于其它避险模型;(3)相较于传统的避险模型和其它的Copula函数模型,马尔可夫转换Copula函数可以更好的描述在不同相关状态下股指现货与期货相关系数的差异,其表现无论在样本内还是样本外都较佳。接着利用Copula函数分析了一种常见的信用衍生品--CDO商品的定价及其影响因素。蒙特卡洛模拟研究发现CDO商品各分券的公平信用价差较好地体现了收益与风险的均衡关系,作者还利用VaR方法分析了各分券可能面临的极值风险,并探讨了资产之间相关性、资产违约率、违约强度和各分券的上下限设置等因素对CDO商品定价的影响。最后总结了Copula函数在其它统计建模和金融领域方面的应用。第七章为全文结论和展望。该部分对全文的研究结论进行总结,并指出了未来可能的研究方向。本文作者在吸收和借鉴国内外已有研究成果的基础上,尝试将金融波动模型和Copula函数相结合以更好地研究金融数据的实际统计特征,主要创新之处如下:1.在第五章利用Copula函数的性质和Hoeffding引理等对传统的多元GARCH模型(BEKK、DCC和VC模型)进行了改进。目前国内外仅有Lee & Long(2008,比较模型组一)对此问题进行了探讨,本文在其研究基础之上,利用Copula函数的性质和Hoeffding引理,将其由正态分布的情况推广到了t分布的情况(即比较模型组二)。利用相关系数矩阵为单位矩阵的正态Copula函数是独立Copula函数的性质提出了比较模型组叁。同时,本文除了使用AIC和BIC等指标比较各模型绩效外,还使用了概率积分转换方法(PIT)分析Copula函数对金融市场之间相依结构的拟合程度,这克服了Lee & Long (2008)研究的缺陷。基于上海A股、B股和香港恒生指数的实证研究表明:比较模型组一虽然较基于多元正态分布假设的多元GARCH模型有所改进,但其对Copula函数的实际拟合效果仍然较差。而本文提出的比较模型组二对各组数据的拟合效果都较优,比较模型组叁在刻画变量的边缘分布方面也有了一定的改进。这叁组建模方法还可以推广到其它多元统计模型之中。同时本文研究也表明Archimedean Copula函数不同的组合形式对模型的绩效存在着一定的影响,NAC组合方法较EAC方法拟合效果更佳。2.在第四章比较研究了静态、动态和马尔可夫转换等叁种Copula函数建模方法的的特点和绩效。以往对于Copula函数的研究主要集中于静态建模方法,但是金融市场的相依结构往往体现出动态时变和状态转换等特征。为了更好地刻画多元金融资产之间的相依结构特征,本文还研究了动态和马尔可夫转换Copula函数建模方法,重点给出了马尔可夫转换Copula函数建模方法的估计思路和步骤。同时本文还给出了动态和马尔可夫转换Copula函数建模方法拟合优度检验的PIT方法,这具有一定的创新性。基于上海A股和B股指数的实证研究表明,动态和马尔可夫转换Copula函数建模方法的绩效要优于静态建模方法。这说明考虑了Copula函数动态时变和状态相依特征的建模方法更适合于描述金融变量之间的复杂的相依关系。3.注重将Copula函数理论与中国金融市场实践相结合。目前国内对Copula函数应用研究的范围仍主要局限在市场风险(VaR)计量方面,本文尝试拓宽Copula函数在中国金融市场的应用范围,利用各种建模方法深入研究了一些对中国金融市场具有重要理论与应用价值的问题:(1)利用金融波动模型和Copula函数比较研究了香港恒生指数期货和现货避险模型的绩效。本文利用在第四章和第五章构建的模型扩展了传统的避险模型,不仅比较了样本内的拟合绩效,还比较了样本外的预测绩效。从结果来看,马尔可夫转换Copula函数模型在样本内和样本外的综合绩效优于其它Copula函数和常规避险模型。这为内地QDII基金在海外市场的投资和今后内地股指期货的投资与避险提供了借鉴。(2)利用Copula函数模拟研究了一种常见信用衍生品--CDO商品的定价问题及其影响因素。根据已经发行过公司债券的六家内地上市公司的历史数据,本文利用Copula函数模拟研究了在不同条件下CDO商品各分券的公平信用价差。同时利用VaR方法分析了各分券可能面临的极值风险,并探讨了影响CDO各分券信用价差的因素。这对我国信用衍生品市场的风险管理提供了有益的借鉴。4.Copula函数的构建是基于金融波动模型基础之上的,本文在第二章系统总结和比较了各金融波动模型的建模方法和特点。从基本的ARCH模型和SV模型出发,本文系统总结了具有杠杆效应(EGARCH、TARCH、SV-JPR,SV-HS模型)和基于厚尾t分布(GARCH-t和SV-t)的金融波动模型。以往国内对于金融波动模型的研究主要集中于对ARCH模型族的研究,对于另一类金融波动模型--随机波动模型的研究则相对较少,更鲜有公开文献探讨具有厚尾分布特征(SV-t模型)和杠杆效应(SV-JPR和SV-HS模型)的随机波动模型,也鲜有文献探讨具有状态转换特征的随机波动模型(MSSV-Normal模型和MSSV-t模型)。基于上证指数的实证研究发现:考虑厚尾效应和杠杆效应的金融波动模型更适合于描述上海股市的波动特征,上海股市具有一定的波动转换现象和周期特征。在第二章作者也全面比较了传统的多元GARCH模型,指出了其缺陷与不足,并据此利用Copula函数对传统多元GARCH模型进行了有效地改进。
樊智[3]2002年在《分形市场理论与金融波动持续性研究》文中认为本文主要研究金融市场的有效性、波动性和持续性。论文首先对有效市场理论进行了修正，建立了更具一般性、更加接近金融市场真实特性的分形市场理论。然后在非线性市场理论和分形市场理论框架下对几个问题进行了研究：非线性协整建模研究；分形市场中的资本资产定价研究；金融波动持续性及多元GARCH建模研究；VaR波动持续性及其建模研究；等。论文的主要工作和创新点如下：1、分析了有效市场理论的局限性，针对有效市场理论的不足和缺陷，将非线性系统理论中的随机分形理论引入金融市场有效性及基本波动特性的研究之中，对于分形市场理论进行了全面、深入的阐述，分析了分形市场的形成机理、基本特性及其经济涵义，阐明了分形市场理论与有效市场理论之间的关系，指出了分形市场理论提出的意义。利用国内外叁组不同类型的金融数据进行了实证研究，证实了分形市场的普遍意义。2、非线性协整函数的估计是非线性协整研究中的核心问题，论文将小波神经网络引入非线性协整建模研究之中，利用小波神经网络给出了非线性协整建模方法。对中国沪深股市进行了实证研究，说明对于非线性协整函数的估计，小波神经网络优于BP神经网络，并证实沪深股市之间存在非线性协整关系。3、CAPM和APT的理论基础是有效市场理论，而在分形市场中，二者很难适用。论文运用非线性协整理论来研究分形市场中的资本资产定价问题，提出了分形市场中的资本资产定价理论，并利用小波神经网络给出了分形市场中的资本资产定价模型。通过对上海股市数据的实证研究，说明所提出的模型优于CAPM。4、从市场信息流以及信息对于市场波动影响的角度，分析了金融波动持续性的市场机制和经济涵义，进一步扩展了分形市场理论的内涵。针对传统的基于梯度信息的优化算法在多元GARCH模型估计中的不足，将遗传算法引入多元GARCH建模研究，给出了算法设计。讨论了波动协同持续性的涵义，通过计算验证了中国沪深股市波动的持续性，并通过二元GARCH建模刻画了沪深股市波动的二元GARCH效应，同时说明了沪深股市之间不存在波动协同持续关系。5、根据分形市场理论和时间序列非线性变换原理，说明了从波动持续性角度对VaR进行研究的可行性和理论依据，指出文献中通过对序列建模来研究VaR波动性的不足和缺陷，提出通过对序列的动态建模来研究VaR波动持续性的方法。提出了FITSGARCH模型，并利用脉冲响应函数定义了VaR波动的持续性。对中国沪深股市进行了实证研究，验证了VaR波动的持续性。本论文是国家自然科学基金资助项目《多变量时间序列的波动持续性及其在金融系统的应用（No:70171001）》的组成部分。
翁应良[4]2016年在《房地产市场波动溢出效应与风险传染机制研究》文中进行了进一步梳理随着经济全球化进程的加速,全球各金融市场间的空间交互作用和波动溢出变得愈加强烈和显着。深入分析各金融市场,尤其是各房地产市场间的依赖结构形式和异质性特征对金融专家、监管层和学者均有重要意义。鉴此,多市场间的依赖结构是什么,影响多市场间联动性的因素有哪些,以及如何刻画跨市场间的波动溢出特征并探究其蕴含的风险传染机制是当前学术界研究的热点和难点。本文在较为系统地梳理和归纳经典空间计量经济分析技术和多元GARCH模型在金融市场方面应用的文献的基础上,以多市场间的联动现象为出发点,提出两种新的有效融合空间计量模型和多元GARCH模型的途径,进而详细探讨两种融合模型的结构特征、参数平稳性条件和模型参数估计方法,并分别运用所提模型深入分析各房地产市场、各股票市场、各外汇市场以及跨市场间的波动溢出效应形式,进一步探究其蕴含的风险传染机制。首先,本文基于空间DCC-GARCH模型深入探讨了全球房地产市场间、全球股票市场间、全球外汇市场间以及跨市场间的价格联动性、波动溢出效应及蕴含的风险传染机制。研究发现各个国家的房地产市场间、股票市场间、外汇市场间以及跨市场间的动态条件相关性结构均具有时变特征。全球房地产市场、股票市场、外汇市场间以及跨市场间存在明显的波动溢出效应和风险传染,但各市场间的风险传染机制略有差异。另外,就研究区域而言,欧洲地区国家的金融市场彼此间的联动强度要强于亚太地区和拉美地区国家的金融市场彼此间的联动强度。其次,本文基于ARMA (1,1)-GJR-AGARCH (1,1)模型实证检验了2007-2009全球金融危机事件对全球房地产市场、股票市场和外汇市场间的依赖结构的影响。研究发现在全球金融危机阶段无论是房地产市场,股票市场还是外汇市场的波动强度均明显增大。房地产市场和股票市场中存在显着的“杠杆效应”,而外汇市场却不存在“杠杆效应”。再次,本文探讨了美元指数价格的波动对各国的房地产市场、股票市场和外汇市场的影响。实证结果表明,美元指数走强能够在一定程度上影响上述叁个市场间的动态条件相关性结构。就房地产市场而言,美元指数走强会在一定程度上遏制亚太地区国家的房地产市场的价格的提升,但会在一定程度上拉升欧洲和拉美地区的国家的房地产市场价格。对股票市场而言,美元指数走强会促使各国的股票市场指数价格的走高,而欧洲和拉美地区国家的股票市场似乎与美元指数间的联动性更强。对外汇市场而言,美元指数与欧元、日元、英镑等成分股间的联动强度明显强于其与非成分股如人民币、港元和澳元间的联动强度。此外,本文考虑由两个资产所构成的最小方差策略和对冲策略,并采用样本内评估框架来评价策略的有效性。研究结果表明,两种投资组合策略均能够减小投资组合的策略方差,并且两种策略在金融危机阶段的策略方差要大于非危机时期的策略方差。相比传统模型而言,空间DCC-GARCH模型与传统模型的差异性并不明显。本文还发现最小方差策略更适用于房地产市场和混合资产的投资组合策略的构建；而对冲策略则更适用于股票市场和外汇市场中的资产最优配置。最后,本文将动态空间面板数据模型和多元GARCH模型加以融合,探讨了融合模型的平稳性条件及参数极大似然估计方法的实现方式,给出了设定空间权重矩阵的相关准则,实证分析了2005-2014年期间我国各区域住房市场间的价格联动与波动溢出效应问题。研究结果表明,地理位置相邻或者地理位置较远但经济发展状况相似的区域住房市场之间存在较强的联动性和波动溢出效应。基本面因素如人口、收入和国家宏观经济环境是决定区域住房市场价格的重要因素。在国务院历年颁布的房地产市场宏观调控政策中,仅有2006年5月颁布的“国六条”政策对住房市场回报和波动产生显着影响,而其他时期的宏观调控政策均未发现有显着影响。一线城市和二线城市之间的分化现象自2014年开始变得愈发明显。此外,我国各区域住房市场中存在较强的“杠杆效应”,其存在说明投资者对住房市场利空消息的反应程度要大于利好消息的反应程度。
杜承栎[5]2007年在《最优套期保值比率确定模型研究》文中指出期货市场的一个重要功能是规避价格风险,而这一功能的实现是靠套期保值来完成。套期保值按照目的可以分为买入套期保值和卖出套期保值,而按照期货合约的标的资产的不同情况,则可分为直接套期保值和交叉套期保值。期货套期保值的本质是套期者利用基差来代替比其更大的现货资产所面临的风险。所谓套期保值比率就是套期保值者持有期货合约头寸大小与相应风险暴露现货资产大小间的比率,如何确定最优套期保值比率是一个现实问题。本文的第一章介绍了最早的套期保值理论是让投资者在期货交易中建立一个与现货交易方向相反、数量相等的交易头寸,即套期保值比率为1,它的依据是商品的期货价格和现货价格受大体相同的因素影响,两种价格的走势基本一致,在期货合约到期时由于套利行为将使商品的期货价格和现货价格趋于一致,这样就可以用一个市场的利润来弥补另外一个市场的损失,而一个重要的缺陷是该理论并没有考虑到现货价格和期货价格之间的价差风险,即由于基差风险的存在导致期货市场的获利不一定能完全弥补现货市场上的损失,随后Working(1953)提出基差逐利型套期保值利率,所谓基差逐利型套期保值是指买卖双方通过协商,由套期保值者确定协议基差的幅度和确定选择期货价格的期限,由现货市场的交易者在这个时期内选择某日的商品期货价格为计价基础,在所确定的计价基础上加上协议基差得到双方交易现货商品的协议价格,双方以协议价格交割现货,而不考虑现货市场上该商品在交割时的实际价格。基差交易的实质,是套期保值者通过基差交易,将套期保值者面临的基差风险通过协议基差的方式转移给现货交易中的对手,套期保值者通过基差交易可以达到完全的或盈利的保值目的,这种形式的套期保值实质是投机的一种,但它不是投机于价格,而是投机于基差。现代的套期保值比率研究是基于投资组合理论进行的,它主要包括两大类模型:一类是从组合收益风险最小化的角度,研究最小风险套期保值比率,其主要代表是Johnson(1960)、Ghosh(1993)、Cecchetti(1988),他们分别用OLS,向量协整以及ARCH模型进行了研究,另一类是统筹考虑组合收益和组合收益的方差,从效用最大化的角度研究均值—风险套期保值比率,其代表是Cheung、Kwan和Yip(1990)研究的基于增广的均值基尼系数的MEG套期保值比率,DeJong(1997)研究的基于半方差的GSV套期保值比率,尽管他们的研究已经在方法论上迈出了很大一步,但是仍然存在几个问题:一、在对期货与现货组合收益相关性的分析上,只考虑了期货与现货收益之间的线性相关关系,当期货价格和现货价格发生较大波动的时候,它们之间往往呈现出非线性的相关关系,特别是当这种相关关系是随时间而变化,并非恒定的时候,现有的文献资料鲜有对这个问题的研究,这就会导致最优套期保值比率的确定产生较大的误差。二、现有的研究成果大部分是在参数估计和正态分布的框架下来估计最优套期保值比的,而实际经验又告诉我们,金融时间序列的分布常常是非正态的,存在“尖峰和后尾”现象,而且分布也不是对称的,如何选用更恰当的分布来描述其变动规律,或者在非参数框架下来研究这个问题,也是一个值得考虑的问题。叁、当极端情况发生的时候,现货和期货收益序列之间的相关关系常常发生结构性的变化,也就是所谓的“尾部相关性”,对于这一问题,过去的研究成果都忽略了。第二章主要从期货经济学的角度分析了套期保值,分析了影响基差的可能因素,包括利息率、国家的财政政策、货币政策、预期的通货膨胀率、汇率、国际收支状况、可用于交割的现货市场有价证券供应量及有关期货合约的流动性等,以及降低基差风险Var ( B )的两个途径:一是增大现货价格S和期货价格F的相关程度;二是缩小两个序列的方差,即减小其波动,本文后面的研究就主要针对以上两个方面。第叁章主要讨论了两种最优套期保值比率估计模型,包括最小方差套期保值比率模型,它的优点是:1、通过期货与现货组合的方差最小求解套期保值比率。2、易于理解和计算,只需要将历史数据代入计算公式,即可求解。它的不足在于:1、在期货价格与现货价格的相关系数ρ的确定上,通常只计算两者之间的线性相关系数,这就导致当期货价格和现货价格发生较大变动时,或者因为基差风险的存在,使得计算结果不够准确。此外,利用历史数据估计未来的套期保值比率,如果序列存在条件异方差(ARCH)时,就会出现套期保值效果失真的问题,即本应该减小风险的最小方差套期保值的效果反倒不如一比一的完全套期保值效果。2、更为关键的问题是,模型所使用的协方差(对应线性相关系数)实际上只是线性变化下不变的一种相关性度量,但是当涉及非线性函数的相关性时,它可能会得出错误的结论;普通最小二乘回归所估计的最优套期保值比率,它的优点是利用普通线性回归推导套期保值比率,结果与前面所讲的最小方差套期保值比率完全一致,但是过程却更为简单。不足之处在于:1、与前面所讲的最小方差套期保值比率完全一致。2、随机误差项可能不满足经典假设,导致普通线性回归的结果常常失真。3、由于时间序列本身可能存在的非平稳性,造成虚假回归,所以后来的研究者建议采用协整回归的方法来处理这个问题。在第叁章的最后,本文还给出了到目前为止所有的套期保值比率确定模型的综述。在第四章中,本文采用基于多元GARCH的模型,直接估计期货和现货收益序列的条件方差-协方差矩阵,具体来说,本文研究了两类多元GARCH模型,其中一类是直接估计条件方差-协方差矩阵的多元GARCH模型,包括VECH,BEKK模型,第二类是把多元GARCH分解成为多个单变量GARCH模型的线性组合,以此减少估计变量的个数,这类模型的代表有CCC、Orthogonal和DCC,尽管基于多元GARCH模型的最优套期保值比率研究了期货和现货价格的协同波动风险,比以往的模型只考虑单个序列的分析已经有了很大的进步。但是仍然存在两个问题,一个是多元GARCH一般假设组合的序列rt的联合分布是服从某一个确定的椭圆分布,比如均值为零、条件方差-协方差矩阵为H t的多元正态分布或多元t分布,这种人为的假定使得参数估计变得相对容易,但是却不符合金融资产的收益序列是尖峰厚尾以及非对称的现实情况,另外,对于现货和期货收益序列可能是不同的边际分布,而多元GARCH模型则采用统一的联合分布来对其描述,结果可能就不是很理想。所以本文采用Copula-Garch模型来描述了组合之间的非线性的协同波动关系。在第五章中,本文重点介绍了Copula理论以及Copula-GARCH模型的构建和估计方法,Copula函数通过联合多个边际分布来构造多元分布,这样可以更好的描述组合之间的非线性相关关系(这是Copula函数的主要特点吗?说明Copula函数的特点,就是为了用它。),事实上组合中单一资产的边际分布可能是不同的,我们可以通过选取适当的Copula函数来描述组合中多个资产的非线性相关关系,并连接单个边际分布,构造它们真实的联合分布。第六章,我们通过实证分析,比较了多个模型所确定的最优套期保值比率以及用这个套期保值比率进行保值以后的基差风险变化情况。论文的主要研究成果如下:一、建立了基于非线性相关的最优套期保值比率模型。论文提出了期货与现货之间非线性相关原理和收益率的波动聚集原理,在最小方差套期保值模型的基础上,借助Copula连接函数计算非线性相关系数,以及在极端情况出现时的非线性的尾部相关系数,利用GARCH模型对期货和现货的波动进行预测,提高套期保值的有效性。二、研究了时变的Copula函数。本文在研究Copula连接函数的时候,放松了模型的常相关系数假定,采用时变的Copula连接函数来建立模型,使得模型能更好的结合实际情况。
傅东升[6]2007年在《我国封闭式基金波动的实证研究》文中研究表明从我国基金业的发展历史来看，封闭式基金较早被引入国内。历经数年的发展，封闭式基金运作已经日渐走向成熟，以其在封闭期内基金份额固定的制度特点与开放式基金形成鲜明的对比，构成证券市场当中一只不容忽视的力量。回顾近年来国内已有的基金文献，绝大多数针对封闭式基金的科研成果集中在基金业绩评价和封闭式基金折价现象的分析与解释。对整个封闭式基金市场以及单只封闭式基金的价格行为与收益波动的研究却十分鲜见，为相关研究留下了较大的创新余地。对基金市场波动的探讨还受到对股票市场波动研究的启发，许多波动研究模型的有效性已经在股市当中得到反复验证，为本文针对基金市场展开的相关研究提供了强有力的理论和方法支持。借鉴股票市场波动研究的方法和经验，本文对我国封闭式基金进行了综合考察，希望从整体上把握封闭式基金市场的运行及其风险特征。本研究对于投资者、监管者以及基金管理者更好地认识和了解我国封闭式基金近年来的运行情况和风险特征具有重要的意义。首先，广大投资者，特别是保险公司、社保基金等机构投资者可以利用本文的分析结果，按照自己的收益要求和风险偏好构建更加合理的投资组合。其次，对于基会市场的监管者而言，能够在宏观把握近年来我国封闭式基金运行和发展的基础上，有针对性地制定相关规定和政策。从而防范金融市场风险，使我国封闭式基金能够在更加规范的轨道上持续、健康、快速发展。再次，对于基金公司而言，本文的研究将有助于其更好地开展基于风险调整的业绩评价。据此，基金管理者可以针对基金波动进行归因分析，从而采取适当的风险控制措施，不断加强其内部控制提高风险管理水平。本文试图以实证研究回答以下几个问题：第一，我国封闭式基金市场整体以及封闭式基金个体的收益波动特征究竟是怎样的?第二，我国上海和深圳两个封闭式基金市场指数在不同的市场状况下，如熊市和牛市当中是否存在长期均衡关系?第叁，封闭式基金市场的收益波动之间是否存在相互影响?第四，股票市场与基金市场运行之间存在怎样的关系，指数水平波动与指数收益波动之间的相互关系如何?第五，人民币汇率制度改革这样的重大政策事件对我国封闭式基金市场的影响是怎样的?带着上述问题，本文结合“广义的波动”，即指数水平波动与“狭义的波动”，即收益波动，对我国封闭式基金整体与个体进行了系统的研究，得到如下结论：第一，在对波动模型及其估计方法进行梳理和总结的基础上，本文选用合适的模型分析了我国封闭式基金指数和单只封闭式基金的收益波动特征。实证分析表明，我国封闭式基金整体和个体的收益波动具有聚集性、收敛性，但并不存在显着的非对称性。利用方差方程中引入虚拟变量的波动模型发现，我国封闭式基金指数的收益波动具有显着的周二效应，存在与股票市场类似的市场异象，表明我国封闭式基金市场与股市一样都是缺乏效率的。第二，在不同市场条件下分别进行的协整分析表明，上海和深圳两个封闭式基金指数之间的长期均衡关系的存在依赖于考察的时间段：熊市当中两市封闭式基金整体表现存在差异，不存在协整关系；但在牛市当中，两个封闭式基金指数之间存在协整关系，表现出同涨同跌的特征。利用多元波动模型对基金指数的考察发现，熊市期间我国两市封闭式基金整体之间存在收益波动的相互影响，而在进入牛市之后，这种相互影响不再显着。第叁，基金指数与股市指数间的长期均衡关系仅在牛市中存在，说明牛市行情中我国封闭式整体上与股票市场是同涨同跌的。在完整的涨跌周期内，股市指数水平波动和收益波动对封闭式基金指数水平波动和收益波动都具有更为显着的引导作用。表明股市对封闭式基金的影响要强于封闭式基金对股市的影响。最后，本文利用非参数方法考察了2005年我国人民币汇率制度改革带来的人民币窄幅升值对封闭式基金市场的影响。发现此次汇改之后，我国封闭式基金市场指数水平显着上涨，成交量明显放大，而收益波动有所降低。说明人民币升值以及对未来本币进一步升值的预期的确促进了我国封闭式基金市场的繁荣。全文最后，总结实证研究结果，就目前我国封闭式基金的运行特点与风险特征，向投资者和监管者提出了相关建议，并针对本文的不足对未来的研究提出展望。
王敏[7]2013年在《非参数条件自回归极差模型及其应用》文中认为近几年,我国证券市场正处在一个机遇和风险并存的时代,投融资环境十分地复杂,投资者如何有效地控制和管理其在股票市场上的投资风险,起着关键性的作用。证券市场自产生以来就以其价格的波动为主要特征,如何准确地描述证券市场的价格以及确定市场未来收益率的情况是证券市场各利益主体所关心的问题。因此,对波动性的研究具有重要的理论意义与应用价值。众所周知,用波动率来刻画金融市场的波动性,在理论领域和应用领域都受到了国内外学者的广泛关注,成为现代金融经济学和计量经济学领域的重要课题。上世纪50年代,波动率就在资本资产定价模型和期权定价模型中扮演着重要的角色。总之,波动率不但对投资者的投资行为产生了重要影响,而且还在资产价格确定、绩效评估等经济学领域得到了普遍的应用。虽然国内外学者对于用波动率来刻画金融市场波动性方面的研究已经十分地广泛,研究内容不仅涉及到了一元、多元GARCH模型,还涉及到了参数、非参数和半参数GARCH模型。国内外学者对于用极差来刻画金融市场波动性的研究却不多,这方面的研究多数停留在参数CARR模型领域,而在非参数CARR模型领域却很少涉及。国内外相关文献指出,极差比波动率能够更好地刻画金融市场的波动性。因而,本文将利用极差和波动率的关系,结合参数CARR模型和非参数GARCH模型的思想,提出非参数CARR模型及其在比较弱的条件下的一致收敛估计方法,并对其估计的一致性进行证明；然后分别从模拟角度和实证角度,对参数CARR(1,1)模型和非参数CARR(1,1)模型进行模拟研究和实证分析,研究哪个模型能够更好地刻画金融市场的波动性。一方面,有利于充实金融市场计量经济学、时间序列分析和高频数据的研究内容和研究方法；另一方面,结合当前我国证券市场的情况考虑,实证研究结果对于了解投资者、市场交易活动受市场结构和交易制度的影响程度以及完善我国证券市场的监管措施,有效地提高市场的交易质量提供了科学的决策依据,具有重要的实际应用价值。本文的主要结构安排如下：第一,理论部分。首先,介绍参数CARR模型及其估计方法；然后,利用极差和波动率之间的关系,结合参数CARR模型和非参数GARCH模型的思想,提出非参数CARR模型及其在比较弱的条件下的一致收敛估计方法,并对其估计的一致性进行证明。该部分将CARR模型由参数领域向非参数领域进行了扩展,为本文在模型和估计方法上的创新。第二,模拟研究。为了能够更好地模拟金融市场的极差序列和杠杆效应以及加强论证的有效性和科学性,本文将通过3种数据生成过程和2种扰动项分布分别生成长度n=500的极差序列和真实波动率序列；然后将上述数据生成过程循环计算500次,运用预测能力评价指标比较参数CARR (1,1)模型和非参数CARR (1,1)模型的拟合能力,研究哪个模型能够更好地拟合真实波动率序列。该部分通过模拟发现了非参数CARR (1,1)模型的拟合能力优于参数CARR (1,1)模型,为后面将参数CARR (1,1)模型和非参数CARR(1,1)模型运用到我国沪深300指数中进行具体的实证研究,奠定了理论基础。第叁,实证分析。本文将选取沪深300指数日极差序列作为研究对象,将整个样本分为样本期内和样本期外两部分,从描述性统计特征分析、模型估计、预测能力评价指标和MZ回归方程几个方面比较参数CARR (1,1)模型和非参数CARR (1,1)模型样本期内和样本期外的预测能力。该部分从实证角度证明了非参数CARR (1,1)模型的拟合能力优于参数CARR (1,1)模型,对模拟结果进行了验证,结果更具有说服力。以上几个步骤逐层递进、环环相扣。围绕参数CARR (1,1)模型和非参数CARR (1,1)模型进行了系统的研究,得出以下几点重要结论。第一,非参数CARR模型的估计方法具有在比较弱的条件下一致收敛的性质。第二,无论通过哪种数据生成过程和扰动项分布,经过m=500次循环计算后,得到的非参数CARR (1,1)模型的预测误差均要小于参数CARR (1,1)模型的预测误差；无论通过哪种数据生成过程,当扰动项服从Weibull(1,1.5)分布时得到的极差序列和真实波动率序列,通过m=500次循环计算后所得到的非参数CARR (1,1)模型的预测误差的减少程度大于参数CARR (1,1)模型的预测误差的减少程度(个别指标除外)；无论通过哪种数据生成过程,当扰动项服从Weibull(1,1.5)分布时得到的极差序列和真实波动率序列,通过m=500次循环计算后所得到的参数CARR (1,1)模型和非参数CARR (1,1)模型的预测误差均要小于扰动项服从指数分布exp(1)时的预测误差。第叁,基本统计特征显示,沪深300指数极差序列具有明显的波动聚集现象和高阶的ARCH效应,存在正偏、分布扩散和拖尾的现象。第四,样本期内的极差具有不同程度的自相关性,有的具有短记忆性,有的具有长记忆性和可持续性；自相关系数和偏相关系数大致上呈现出随着滞后阶数的增加逐渐衰减的特点,其中偏相关系数的衰减程度大于自相关系数的衰减程度；Ljung-Box Q统计量呈现出随着滞后阶数的增加逐渐增加的特点。第五,通过对参数CARR (1,1)模型进行样本期内的极大似然估计,发现在5%的显着性水平下,估计参数的T值均是显着的；经过参数CARR(1,1)模型过滤之后,样本期内的极差序列已经不存在显着地异方差性；参数CARR(1,1)模型可以很好地拟合样本期内沪深300指数的波动性；沪深300指数存在很强的波动聚集现象。第六,预测能力评价指标和MZ回归方程显示,无论“己实现波动率”采用哪种方式测度,样本期内和样本期外非参数CARR (1,1)模型的预测能力均优于参数CARR (1,1)模型。与其他文章相比,本文的创新点主要基于以下叁方面：第一,本文利用极差和波动率之间的关系,结合参数CARR模型和非参数GARCH模型的思想,首次提出非参数CARR模型及其在比较弱的条件下的一致收敛估计方法,并对其估计方法的一致性进行证明。该部分将CARR模型由参数领域向非参数领域进行了扩展,为本文在模型和估计方法上的理论创新。第二,首次对参数CARR (1,1)模型和非参数CARR (1,1)模型进行模拟研究。为了能够更好地模拟金融市场的极差序列和杠杆效应以及加强论证的有效性和科学性,本文通过选取不同的数据生成过程和扰动项分布来对参数CARR(1,1)模型和非参数CARR(1,1)模型进行模拟研究和预测能力评价,通过模拟发现非参数CARR (1,1)模型的拟合能力优于参数CARR (1,1)模型,能够更好地拟合真实波动率序列。该部分为将非参数CARR (1,1)模型运用到金融市场中进行具体的实证研究奠定了良好的理论基础。第叁,首次将非参数CARR (1,1)模型运用到我国沪深300指数极差序列中进行实证研究。本文将沪深300指数极差序列分为样本期内和样本期外两部分,通过将参数CARR (1,1)模型和非参数CARR (1,1)模型运用到我国沪深300指数极差序列中进行基本统计特征分析、模型估计和预测能力评价,一方面发现了沪深300指数极差序列存在显着的正偏、分布扩展和波动聚集的现象；另一方面,通过对参数CARR (1,1)模型和非参数CARR (1,1)模型进行样本期内和样本期外的预测能力评价和MZ回归,发现非参数CARR(1,1)模型的预测能力优于参数CARR (1,1)模型,能够更好地刻画我国沪深300指数的波动性。该部分从实际应用角度对模拟结果进行验证,结果更具有说服力。本文由2011年度国家自然科学基金青年科学基金项目《新兴订单驱动市场非负值金融时间序列的乘积误差建模及应用研究》(71101118)和2009年度教育部人文社会科学研究青年基金项目《新兴订单驱动市场金融持续时间的统计分析及其应用》(09YJC910009)资助完成。
廖志星[8]2013年在《基于DF-GARCH模型的高维资产组合VaR度量》文中研究指明近年来,对于高维金融资产组合的VaR的度量越来越受到重视。一方面,随着全球金融的发展以及中国金融市场的不断发展与完善。以大规模金融资产为基础产生的金融产品及其衍生品越来越多,某些基金甚至是由上百种金融资产组合而成,如ETF180、ETF280、ETF300等。它们的出现不但丰富了金融市场的产品市场,同时这类大规模高维金融资产组合能较为有效、全面地结合金融市场中的各类信息。通过对这类高维金融资产组合的研究与风险评价,能比较全面的掌握金融市场的风险因素从而对其进行风险管理和监控。因此,在学术上对高维金融资产组合的VaR度量研究已经成为了一种趋势。另一方面,高维金融资产组合因其涵盖信息多、内容全面。加上自2008年全球金融危机后,通过研究高维金融资产组合来度量市场中的系统性危机也成为了一种新思路。在此背景下,准确的度量高维金融资产组合的VaR值,将其应用到现代金融市场的风险管理、风险监控以及资产组合投资等领域具有非常深刻的理论与实践意义。而国内现有文献对于上述问题研究基本上存在以下叁方面的问题：(1)通常对单一变量(如市场指数、单一金融资产等)进行VaR的度量。对单一变量的VaR度量这并不能反映出现代金融市场间各市场、各资产间的相互联系与相互影响。因此,该类方法的研究对象即使是对市场指数类进行研究。它也在信息上存在损失,忽略了资产间的相互关联与影响的机制。(2)在理论研究中,对于多维度的金融资产。理论上采用多元GARCH模型或指数滑动平均模型似乎能有效的解决单一变量研究产生的问题。然而,在金融实践中无论采用何种形式的多元GARCH模型设定都无法对本文所研究的高维金融资产组合进行有效的参数估计。这是由于多元GARCH类模型具有复杂的向量与矩阵形式。当变量的维数增加时,待估参数呈指数增长从而陷入了“维数灾难”的困境。而指数滑动平均这类模型虽然兼顾了金融时间序列的时变性特征,但通过简单的滑动指数来刻画这种时变性当然具有一定的不准确性。因而,这类方法存在理论上可行而实践上难实施的问题。(3)降维思想类的方法通过对高维资产的降维,提取出重要的市场因子来刻画金融资产组合内各资产间的相互联系与影响。在大多数实证分析中,因子GARCH模型通常被使用。然而因子GARCH模型在降维过程中存在信息损失,且提取的因子个数的确定并没有统一的标准。因此,这类方法虽然能有效的对大规模的金融资产组合的波动性进行刻画。但损失的信息部分是不容忽略的。针对现有文献的不足,本文通过动态因子GARCH模型来刻画高维金融资产组合的波动性。该模型将动态因子模型与GARCH类模型进行有效的结合,来度量高维金融资产的波动性。动态因子模型将高维金融资产组合分解为受市场因素影响的市场部分(或系统部分)以及金融资产自身独立的特质部分(或异质部分)。市场部分在因子模型下的维数已远远低于大规模金融资产的维数。因此,分别对市场部分和特质部分建立合理的多元GARCH与单变量的GARCH模型就能在不损失信息的情况下较为准确的刻画金融资产组合的波动性。那么将动态因子GARCH模型下刻画的波动性应用于VaR度量中,就能解决高维金融资产组合的VaR度量问题。本文在国内外文献分析、归纳和总结的基础上进行了实证分析。选取了以沪深300指数成分股为基础的218支股票2010年1月1日至2012年12月31日为样本区间的收盘价作为研究对象。对该金融资产组合的VaR度量进行了深入的理论分析与实证研究。本文的主要内容包括选题的背景与意义,并阐述了本文的研究思路、方法、内容安排以及创新。本文对现有文献进行了梳理、总结。针对其不足,介绍了本文研究方法的优势与创新。本文研究的对象是高维金融资产的收益率序列,利用动态因子模型的方法。将可以观测的收益率序列分解为由动态因子驱动影响的公共部分与金融资产组合中各个序列的特质部分。在因子模型中,公共部分(系统部分)与特质部分(异质部分)信息是不重迭的。其中,公共部分是由潜在的不可观测的动态因子驱动影响的；而特质部分是由每支金融资产组合内的个体收益率序列自身的特质因素影响而产生的。因子模型有效的将它们分解开,这样通过少数的动态因子的变动就能对整个资产组合的公共部分(系统性部分)产生影响。因而对公共部分的波动性的刻画就可以根据得到的因子个数选取合理的多元GARCH模型来进行拟合。这样高维金融资产组合的系统性波动就被极少数的公共因子的波动刻画出来(起到非常重要的降维作用)。然后再对特质部分根据其自身收益率序列呈现的特点建立单变量的GARCH来刻画其波动。这样既使得金融资产组合的波动由系统性波动与特质性波动组成,又避免了传统因子GARCH模型的信息损失。因为后者常常只对提取的静态因子建立多元GARCH模型而忽略了特质部分的波动影响。而动态因子GARCH模型就很好的弥补了这一点。通过本文的理论分析与实证研究,得到了以下的结论：(1)对于我国以沪深300指数成分股为基础选取的218支股票构建的资产组合。可以通过3个动态因子来驱动由市场产生的对各个股票波动性的影响。但这3个动态因子并不能通过现有的理论来进行合理的解释或命名,另外这3个动态因子间的动态相关系数表明它们之间存在弱相关。(2)在刻画高维资产组合波动性方面,动态因子GARCH在对国内股票市场中构建的高维资产组合的波动性估计具有一定的效果,即动态因子GARCH模型提供了一个针对高维资产组合的波动性刻画与预测的方法。在95%与99%置信度下,对应用动态因子GARCH模型计算的VaR值与指数滑动平均模型计算的VaR值比较可知,动态因子GARCH模型计算的VaR值略小。而指数滑动平均模型计算的VaR值相对略大。在95%与99%置信度下动态因子GARCH模型与指数滑动平均模型计算的VaR值的回测检验表明。在95%置信度下,动态因子GARCH模型与指数滑动平均模型的效果均比较好。但在99%置信度下,动态因子GARCH模型比指数滑动平均模型的效果好,而指数滑动平均模型在VaR的度量上较为保守。因此,金融机构、金融监管以及风险控制部分可以考虑采用动态因子模型对高维资产组合进行风险的度量、监督和管理。本文的创新之处主要体现在以下叁个方面：(1)首次在国内对超过200支金融资产的日收益率的方差协方差阵进行了估计,并将其结果用于VaR的度量。结果表明动态因子GARCH适用于国内高维金融资产的VaR度量。(2)对218支股票收益率数据的特质部分建立了TGARCH (GJR-GARCH)和GARCH模型合理的估计了特质波动部分。与传统的因子GARCH模型相比,避免了特质部分信息、的损失。(3)采用滚动预测的方法对218支股票组合进行了VaR度量,并将其结果与指数滑动平均(EWMA)的VaR度量进行了比较。结果表明动态因子GARCH模型下的VaR度量均好于指数滑动平均下的VaR度量。本文进一步的研究方向为：(1)可以将动态因子GARCH模型应用到更多的市场领域,通过这些应用更好的验证动态因子GARCH模型的适用性。(2)本文仅仅将动态因子GARCH模型的波动性估计结果运用到了VaR的度量上。而该模型的结果还可以应用到更多的领域,如投资组合决策等。
谭芳[9]2009年在《基于GARCH-EVT-COPULA模型的外汇投资风险测度研究》文中认为人民币汇率制度改革以来,我国外汇市场机制不断发展和完善,外汇投资由于其自身的一些特点已经成为继股票投资后的又一重要投资领域。而同时,外汇波动频繁而且波动幅度加大,导致外汇风险加大,如何度量和管理外汇风险成为业界人士关注的话题。本文采用近年来被国际市场广泛应用的VaR和CVaR方法度量外汇风险。GARCH模型和极值理论是两种测度外汇风险的好方法,GARCH模型能很好地描述收益率序列的动态波动集群现象,而极值理论能很好地描述收益分布的非正态厚尾特征。本文构建能增强模型预测能力的GARCH-EVT模型研究单一外汇动态风险,并用美元、欧元、日元、港币四种外汇进行实证分析。后验测试的结果表明,与股市风险的研究结果一样,GARCH-EVT模型能较好地预测单一外汇风险。考虑到外汇之间的相关性,同时投资者往往可以选择“一篮子”货币投资或规避风险,本文在GARCH-EVT模型的基础上引入了多元正态Copula、多元t Copula、多元Clayton Copula叁种Copula函数对多元外汇投资组合风险进行研究。并以四元外汇为例,计算考虑相关结构时的单一外汇风险；计算四元外汇投资比重相等时的投资组合风险值；计算以风险最小为目的的四元外汇投资组合比例。结果表明t Copula和Clayton Copula能更好地描述外汇间的相关性,而且不管是哪种类型的Copula或者是哪种置信水平,最小风险的投资组合系数差别并不是很大,投资主要集中在美元。基于GARCH-EVT-COPULA模型的外汇风险价值更深层次地量化了外汇投资组合风险,为投资者和风险管理者提供了更全面的信息,便于风险决策,具有重大的实际意义。
韦艳华, 张世英[10]2007年在《多元Copula-GARCH模型及其在金融风险分析上的应用》文中研究说明针对传统风险分析模型的不足,结合Copula技术和GARCH模型,提出了多元Copula-GARCH模型。指出该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到更灵活的多元分布进而用于资产投资组合VaR分析。在详细探讨了基于Copula技术的资产投资组合的MonteCarlo仿真技术的基础上,运用具有不同边缘分布的多元Copula-GARCH模型,对上海股市进行了研究,结果证实了所提模型和方法的可行性和有效性。
参考文献：
[1]. 大中华区股票市场波动性及传导机制研究[D]. 罗阳. 安徽财经大学. 2013
[2]. 基于金融波动模型的Copula函数建模与应用研究[D]. 李伟. 西南财经大学. 2008
[3]. 分形市场理论与金融波动持续性研究[D]. 樊智. 天津大学. 2002
[4]. 房地产市场波动溢出效应与风险传染机制研究[D]. 翁应良. 华中科技大学. 2016
[5]. 最优套期保值比率确定模型研究[D]. 杜承栎. 西南财经大学. 2007
[6]. 我国封闭式基金波动的实证研究[D]. 傅东升. 复旦大学. 2007
[7]. 非参数条件自回归极差模型及其应用[D]. 王敏. 西南财经大学. 2013
[8]. 基于DF-GARCH模型的高维资产组合VaR度量[D]. 廖志星. 西南财经大学. 2013
[9]. 基于GARCH-EVT-COPULA模型的外汇投资风险测度研究[D]. 谭芳. 中南大学. 2009
[10]. 多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 韦艳华, 张世英. 数理统计与管理. 2007
标签：数学论文; 宏观经济管理与可持续发展论文; garch论文; copula论文; 参数估计论文; 多元函数论文; 金融论文; 风险模型论文; 套期保值论文; 封闭式基金论文; 非线性论文;