论文部分内容阅读
随着金融全球化和金融创新步伐的加快，金融市场的风险分析发展很快，Copula函数成为一种新兴的金融分析工具。由于Copula可以捕捉变量间非线性、非对称及尾部相关性，为投资者提供竞争优势和可观收益，故在国内外得到广泛应用。但简单的Copula函数适合特殊情形的金融市场，与现实复杂的金融市场仍存在较大差别。混合Copula函数不仅可以用来描述股票市场之间上尾相关、下尾相关和对称相关三种模式，还可以描述金融市场之间上尾、下尾相关并存的非对称相关模式，与具有复杂相关关系的金融市场更加接近。而我们常见的是线性Copula混合模型，本文提出一种新的Copula混合模型-几何加权平均混合模型。本文的重点是要验证该混合模型在实证中的有效性。本文以2007年1月4日到2012年12月31日金融和地产日收盘价指数收益共1460组数据为例，从以下方面进行模型构建：(1)边缘分布的确定。由于边缘分布不是本文考察的重点，故选取常用的GARCH(1,1)-t模型。但作为异方差模型必须首先进行ARCH效应检验，本文选取残差平方的相关图检验法。(2)Copula函数参数的确定。为了采用Genest and Rivest非参数估计单一Copula模型的参数，本文总结出阿基米德Copula函数中kendall’s秩相关与参数的关系式。而混合模型中未知参数较多，包括单一Copula函数中的参数和权重两大类。针对参数的研究，本文提出了最小二乘估计法与Gibbs抽样，有效地解决模型中参数确定问题。(3)模型的有效性检验。通过联合分布直接求VaR相对比较复杂，本文结合MonteCarlo模拟近似估计几种模型的联合分布VaR，并对它们分别进行后验测试。通过分析后验测试结果，我们发现相对单一Copula模型而言，该混合Copula模型的失效天数相对较少。作为一种新型的混合模型，它提高了风险预测的精度，从而比较真实地描述投资组合的风险，具有一定的经济价值。