基于Copula-GARCH模型下的我国金融控股公司金融风险度量

金融控股公司是持有证券、银行、保险和其他金融资产股权的金融控股集团,对金融控股公司的风险度量涉及组合资产风险度量模型,本文利用Copula-GARCH模型,运用蒙特卡洛VaR方法度量金融控股公司风险,充分利用了GARCH模型能很好扑捉到金融时间序列的时变波动、偏斜、高峰、厚尾等特性和Copula函数不限制边缘分布的选择的优点,结合Copula和GARCH模型度量金融控股公司风险,对银行业、保险业和证券业的组合资产进行实证分析,从结果得出在碰到极端情况下,相对于分业经营的风险,过分担忧金融控股公司风险不可分散导致系统风险危害是不必的。     

基于条件动态阿基米德Copula的金融股指尾部相关性研究

阿基米德族Copula能拟合多种金融资产收益分布,已被广泛用于金融资产相关性研究。然而,我们对阿基米德族Copula的研究相对有限。本文选取了上证综指、上证金融、深证综指和深证金融四只股票的767个交易日数据作为样本数据,利用GARCH模型对单个资产建模,采用分层条件动态法完成高维条件动态建模。实证表明,半网络条件动态建模能显著降低板块对股指间相关性的影响,挖掘出金融资产间本质的相关性,更有利于进行金融资产的风险管理。     

基于Copula-ES度量股票型基金投资组合风险

由于许多金融资产收益率的波动可能存在非对称性,本文通过对收益率采用GARCH或者EGARCH建模,对存在杠杠效应的金融资产采用EGARCH建模.并将Copula函数和Monte Carlo技术应用于融通深证100基金,计算得到其前十大重仓的股票及其投资组合的风险值VaR以及ES,结果表明,基于Copula-Es的风险度量方法可以为我国基金管理公司评估和管理市场风险,从而控制和减少资产损失提供参考.     

基于Copula GARCH的多资产期权定价

自从Black和Scholes在1976年开创性的提出了BS期权定价公式以来,期权定价理论得到了极大的发展,而在其后的研究中发展基于BS公式的隐含波动率对于执行价格具有类似微笑的曲线,其原因是标的资产的过程并不是BS公式所假设的几何布朗运动。Engle提出的ARCH模型和Bollerslev提出的GARCH模型能对标的资产的收益率序列进行很好的描述,因此将GARCH模型引入期权定价。在多资产期权定价研究当中,最为关键的是标的资产之间的依赖关系,关于依赖关系的最有力的就是Copula理论,而Copula的一大优势就是可以将边缘分布和联合分布分开,可以分别考虑边缘分布和数据的相关结构。本文设想将多元GARCH引入多资产期权定价中,但是一般的多元GARCH的系数过多而不易估计,另一方面模型的灵活程度较小,所以用一元的GARCH模型分别对各个标的资产的收益率序列进行建模,再用Copula将各个资产的分布联接起来,这便是Copula based MGARCH模型。接下来便可以通过Monte Carlo模拟对期权进行定价。     

基于Copula GARCH的多资产期权定价

自从Black和Scholes在1976年开创性的提出了BS期权定价公式以来,期权定价理论得到了极大的发展,而在其后的研究中发展基于BS公式的隐含波动率对于执行价格具有类似微笑的曲线,其原因是标的资产的过程并不是BS公式所假设的几何布朗运动。Engle提出的ARCH模型和Bollerslev提出的GARCH模型能对标的资产的收益率序列进行很好的描述,因此将GARCH模型引入期权定价。在多资产期权定价研究当中,最为关键的是标的资产之间的依赖关系,关于依赖关系的最有力的就是Copula理论,而Copula的一大优势就是可以将边缘分布和联合分布分开,可以分别考虑边缘分布和数据的相关结构。本文设想将多元GARCH引入多资产期权定价中,但是一般的多元GARCH的系数过多而不易估计,另一方面模型的灵活程度较小,所以用一元的GARCH模型分别对各个标的资产的收益率序列进行建模,再用Copula将各个资产的分布联接起来,这便是Copula based MGARCH模型。接下来便可以通过Monte Carlo模拟对期权进行定价。     

基于嵌套Archimedean Copula的金融资产相关性研究

Copula能将单个边缘分布和多元联合分布联系起来,已被广泛用于金融资产相关性研究。本文利用E-GARCH(1,1)模型来拟合各个外汇市场的日收益率序列,通过构建嵌套Archimedean Copula联合分布函数,分析美元、港币、欧元波动相关关系。实证研究表明:嵌套Archimedean Copula能够很好地捕获非对称结构下尾相关性,及较好地刻画外汇市场的协同波动效应,并且简化计算量,具有直观的描述性,有利于进行资产的风险管理。     

基于Copula的投资组合选择模型研究

基于概率收益率与概率风险的定义,建立基于风险与收益率的投资组合模型,为了更好拟合联合分布,在具体解法中采用Copula函数来构造多个资产收益率的联合分布。由于不要求收益率服从维纳过程,因此基于Copula的Markowitz投资组合选择模型具有更广的适用性。通过对上证领先指数与深证领先指数收盘数据实证分析发现,在收益率(基于概率ρ0的收益率)一定的情况下,通过投资组合可以降低风险。     

基于Copula-SV-t模型的开放式基金投资组合优化

现代投资组合理论要求投资者研究不同金融资产间非线性非正态的分布特征和相关关系,进而优化相应的资产组合。结合SV-t模型和Copula函数,对单支开放式基金收益率分布的厚尾特征和不同基金间非线性的相关关系进行描述,并用ES方法度量不同权重下基金组合间的风险。实证表明：t-Copula函数下的模型更能反映出组合间的尾部相关性,此时最优组合下ES较正态Copula函数下的结果要小,说明t-Copula函数下的Copula-SV-t模型在实际中更具应用价值。     

基于GARCH-EVT-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的物质基础,安全性是其投资的首要原则。文章基于GARCH-EVT-Copula方法测度了社保基金投资组合的VaR。首先,基于GARCH、EVT对投资组合中各金融资产收益的边缘分布建模,然后,采用极大似然估计法和Bootstrap方法估计尾部的分布函数,接着,基于Copula方法研究组合中金融资产间的相关结构,最后,运用Monte Carlo方法测度投资组合的VaR。Kupiec检验表明,基于GARCH-EVT-Copula模型测度社保基金投资组合的风险是合适的。     

基于GARCH族模型族的创业板指数波动性研究

本文通过GARCH族模型族对44业板指数收益率的波动性以及波动的非对称性进行了相关的实证分析。经过对该收益率序列的实证分析．我们发现该序列具有使用GARCH模型的一些显著特征：尖峰厚尾、集群现象以及明显的异方差性。此外．序列波动的非对称性也比较显著，创业板股市对于负面消息的反应要大于正面消息。即负面消息能够产生更大的股市波动。最后．通过实证比较得出TGARCH（1．1）模型可以很好地描述创业板指数收益率的波动性。     

基于GARCH模型的核证减排期货价格波动性研究

近年来全球碳排放权交易市场急速发展,相应的金融衍生产品也相当活跃。本文运用GARCH模型对在芝加哥气候期货交易所上市交易的核证减排期货价格波动性特征进行了实证研究。研究结果表明:核证减排期货同样具有金融资产价格波动性的特征,即收益率分布呈现出波动集聚、尖峰厚尾的分布特征。实证检验核证减排期货收益率序列存在高阶ARCH效应,GARCH(2,1)模型可以对它的这些特征进行很好得拟合和解释另外,通过GARCH(2,1)-M模型发现,核证减排期货市场收益率与波动(风险)密切相关,通常情况下,风险大的收益率也高。     

基于GARCH模型的核证减排期货价格波动性研究

近年来全球碳排放权交易市场急速发展,相应的金融衍生产品也相当活跃。本文运用GARCH模型对在芝加哥气候期货交易所上市交易的核证减排期货价格波动性特征进行了实证研究。研究结果表明:核证减排期货同样具有金融资产价格波动性的特征,即收益率分布呈现出波动集聚、尖峰厚尾的分布特征。实证检验核证减排期货收益率序列存在高阶ARCH效应,GARCH(2,1)模型可以对它的这些特征进行很好得拟合和解释另外,通过GARCH(2,1)-M模型发现,核证减排期货市场收益率与波动(风险)密切相关,通常情况下,风险大的收益率也高。     

投资组合风险承受能力既定的Achimedien copula实际风险模拟

Copula是用来描述多个随机变量闻相依的统计方法,利用随机向量的边缘分布,确定随机向量的联合分布.Copula函数广泛地应用与金融领域,特别在投资组合选择,金融市场风险管理方面成为一个有力的工具.本文选取模拟金融数据效果更好的Achi-medien copula函数对给定风险下的投资组合面临的实际风险进行了分析.     

投资组合风险承受能力既定的Achimedien copula实际风险模拟

Copula是用来描述多个随机变量间相依的统计方法,利用随机向量的边缘分布,确定随机向量的联合分布。Copula函数广泛地应用与金融领域,特别在投资组合选择,金融市场风险管理方面成为一个有力的工具。本文选取模拟金融数据效果更好的Achi-medien copula函数对给定风险下的投资组合面临的实际风险进行了分析。     

中美主要金融市场相关结构及风险传导路径研究——基于Copula理论与方法

金融危机背景下的股市表现出更加复杂的动荡性,本文在传统GARCH模型的基础上引入了风险值对收益率的影响因素,运用GARCH-M模型来刻画股票收益率序列边缘分布,通过构建GARCH-M-t边缘分布过滤模型获取收益率残差序列,最后采用Copula函数对边缘分布拟合后的残差序列建模构建出Copula-GARCH-M-t相关结构模型。经过参数估计及多种Copula函数的拟合优度检验,最终成功刻画出中美金融市场五大证券交易中心股票收益率之间的相关结构模型。通过秩相关系数、尾部相关系数等相关性度量工具对中美两国金融市场的相关性进行分析,最后通过对不同股票市场之间的尾部相关性分析确定两国金融市场之间风险传导路径。     

我国股市收益率波动性分布特征若何?——基于GH分布的实证分析

金融收益率序列的分布往往表现出厚尾性和不对称性,这与传统的线性框架下的线性参数建模认为资产收益率等时间序列服从正态分布相违背.在回顾比较几种扰动项的常用分布基础上,首先对GH分布族的定义以及相关统计特征作系统介绍,随后运用波动率模型对上证综指和沪深300指数日收益率进行过滤,进而借助GH分布对扰动项分布做进一步的拟合,结果表明GH分布能准确地描述和呈现收益率序列波动状况的分布特征     

Copula理论在金融市场分析应用中的理论探析

Copula理论在建模中不仅可以避免对边缘分布和联合分布的正态假设,还可以描述变量间的非线性相关结构,捕捉到非正态、非对称的信息,在金融市场分析中应用广泛。在介绍了Copula理论以及Copula理论建模方法的基础上,从理论上阐述了Copula理论在风险度量和多标的资产价格定价上的应用,在理论上给出了风险价值（Value at Risk）的测度和期权价格的计算。Copula理论将被广泛应用在金融分析各个领域研究中。     

我国股市收益率波动性分布特征若何?——基于GH分布的实证分析

金融收益率序列的分布往往表现出厚尾性和不对称性,这与传统的线性框架下的线性参数建模认为资产收益率等时间序列服从正态分布相违背。在回顾比较几种扰动项的常用分布基础上,首先对GH分布族的定义以及相关统计特征作系统介绍,随后运用波动率模型对上证综指和沪深300指数日收益率进行过滤,进而借助GH分布对扰动项分布做进一步的拟合,结果表明GH分布能准确地描述和呈现收益率序列波动状况的分布特征。     

沪深300股指期货风险管理的实证分析——基于CVaR-GARCH模型族

通过对沪深300股指期货收益率进行实证分析,采用可以更好刻画收益率序列特征的t分布和GED分布,基于GARCH模型族对收益率序列进行波动性建模。根据GARCH模型族的估计结果计算出CVaR值,并对CVaR的准确性进行了检验。由结果可知,GED分布下的TGARCH(1,1)模型是测算CVaR值的最佳模型。     

Copula 在商业银行组合信用风险度量中的应用

本文对比分析了正态Copula函数、t-Copula函数、Gumbel Copula函数、Frank Copula函数和Clayton Copula函数对资产组合分布尾部特征的描述特点并选择其中四种Copula函数与KMV模型相结合对商业银行组合信用风险进行度量,度量结果显示Clayton—Copula相关模式假设下的商业银行组合信用风险度量结果最符合实际。