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。     

我国房地产业与银行业的相依关系

基于混合Copula模型选用房地产业和银行业的行业指数收益率数据对我国房地产业与银行业的相依关系进行研究,使用非参数核密度方法估计房地产业与银行业的指数收益率序列的边缘分布,并结合EM算法对混合Copula参数进行估计,得出结论:混合Copula模型相对于单个的Copula模型能更灵活的刻画出房地产业与银行业非线性与非对称的相关关系;两个行业在市场活跃时的相依强度略大于市场低迷时的相关强度且行业相依结构为正。文章的最后对于预防房地产业和银行业的风险传染给出参考性建议。     

基于Copula-GARCH-M函数的投资组合风险分析

金融风险问题的研究一直都是众多学者关注的重点.本文结合了刻画多个随机变量之间非线性相依结构的Copula函数与描述金融时间序列波动模型的GARCH-M函数,建立了一个新的Copula-GARCH-M模型.通过对上证A股和上证B股进行蒙特卡洛模拟的实证分析,发现t-Copula-GARCH-M具有更强的风险度量能力,能对投资组合的风险进行更有效的管理.     

Copula的投资组合选择模型的应用研究

结合Copula技术和GARCH模型,建立了投资组合的Copula-GARCH模型。由于该模型可以捕捉金融市场间的非线性相关性,因而可用于投资组合的风险分析中。利用这个模型,并结合Markowitz的投资组合选择模型,对我国的一支开放式基金——中信红利精选股票型证券投资基金投资组合的选择进行了优化,本文应用lingo 8.0,在收益率一定的情况下,得到了风险(VaR)最小的投资组合。     

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。     

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。     

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.     

中国开放式基金投资组合风险值的实证——基于Copula-GARCH的分析

结合Copula技术和GARCH模型,建立了投资组合风险分析的Gopula-GARCH模型.由于该模型可以捕捉金融市场间的非线性相关性,因而可用于投资组合VaR的分析.利用这个模型,结合Monte Carlo,模拟技术,对我国第一支开放式基金一华安创新基金的投资组合进行了风险分析.     

基于分形市场理论的开放式基金风险分析

有效市场是现代金融学理论的基石,也是数量化金融市场理论的核心.有效市场是建立在收益率时间序列数据必须满足正态分布基础上,但是大量的实证分析发现,收益率时间序列数据并非完全或者不满足正态分布,为此Edgar·E·Peters提出了分形市场假说,分形市场理论假定收益率时间序列服从分形分布,其核心是Hurst提出的R/S分析法(Hurst指数),通过R/S法计算Hurst指数H,并由此得到分形维数α,通过分形维度量投资风险.利用分形市场理论,选取大成基金管理公司中的开放式股票型基金大成创新基金实证分析,用收益率时间序列的分形维度量风险,判定基金十大重仓股个股以及投资组合的风险大小,并且对投资组合进行优化,求出最优投资比例.     

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。     

浅谈投资组合理论对我国保险风险管理体系的影响

本文针对保险投资组合的风险度量和最优投资策略问题,使用Copula函数得到了不同资产构成的投资组合收益的联合分布,并利用度量了投资组合的整体风险,然后比较了几种风险度量模型的效果。针对的不足,引入作为投资组合的优化目标建立了保险投资组合的最优投资策略模型,以期解决保险资金的最优配置问题,并对我国的保险风险管理体系提出了自己的一些建议。     

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。     

基于EGARCH-Copula模型的VaR方法在投资组合风险分析中的应用

GARCH族模型是金融计量学中用来描述或预测金融资产收益率波动的模型,通过对金融资产收益率波动的建模,可以得出未来金融资产收益率的条件分布。Copula函数可以用来描述多个随机变量间的相依结构,进而得出他们的联合分布。Copula自被引入金融产品分析以来,以取得了很多成果也被广泛使用。运用GARCH族模型进行资产组合中边缘分布的建模,继而使用Copula得到组合资产联合分布的方法来计算资产组合VaR值最早被吴振翔（2006）系统性地提出,但其中有许多问题仍需要完善。本文将继续这个思路,通过EGARCH模型更好地描述资产收益率的杠杆效应,以及考虑Copula函数中参数的时变性,来完善这一方法。     

Copula函数在分析沪深股市相依结构中的应用

Copula函数为金融市场非线性相依性的研究提供了一种新方法。本文将三种给定的Copula模型用于研究上证指数和深圳指数之间的非线性相依结构。我们首先采用经验分布去估计沪、深指数的边际分布,其次利用极大似然法去估计Copula中的参数,最后再进行分布拟合检验,并做了数据敏感度分析。     

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-VaR模型的资产组合风险研究

将Copula函数应用于风险管理中。在运用VaR计算单一投资风险的基础上,将原有的简单线性相关系数转换为Kendall秩相关系数和尾部相关系数,运用阿基米德Coupula函数中的Clayton Copula函数和Gumbel Copula函数测度了资产组合风险。通过实证研究运用Copula-VaR模型能够更好地衡量资产组合的风险,并给出了相关的投资建议。     

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。     

二元Copula函数的投资组合模型选择

Coplua模型是组合投资风险评估中常用模型,它具有多种不同的类型,模型选择的好坏对风险评估结果具有至关重要的影响.本文主要比较了二元正态Copula模型和二元t-Copula模型对中国股市数据拟合的优劣程度.针对这两种模型,利用上证综指、深证成指、上证基金、深证基金、东风汽车、中国石化、宝钢股份和万家乐的日收盘价数据估计相应的参数得到相应的拟合分布,然后分别与经验Copula函数作比较,通过计算拟合分布与经验分布之间的距离,得出二元t-Cop-ula函数能更好地拟合两组投资组合的日收益率数据的结论.     

基于Copula方法的房地产信贷组合风险度量研究

将房地产开发商贷款和个人住房贷款这两类贷款看成一个信贷组合,考虑了两类信贷风险间的非线性相关关系,构建了基于Copula函数的两类贷款组合的信用风险度量模型和度量两类房地产信贷组合信用风险的仿真模拟步骤,并进行了实例分析。实例研究结果表明,Copula函数的应用能灵活处理两类房地产信贷风险间的相关关系,风险度量结果较完全正相关和完全独立两种情况更准确。     

基于Copula函数的沪深300股指期货相依风险研究

本文对沪深300股指和股指期货仿真交易收益率极端风险和相依关系进行了研究,用DCC-GARCH模型描述了股指期货和现货之间动态的条件相关系数,并以极值分布为边际分布对四种常用的Copula函数进行了拟合,发现Frank Copula的拟合效果最好,其次为Clayton Copula。在此基础之上,对不同组合的VaR和CVaR进行测度,发现投资组合比例与风险之间呈现“U”型特征,这也为股指期货套期保值提供了一种新的研究方式。