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.     

基于混合Copula函数的行业指数投资组合风险度量

考虑金融时间序列出现非正态性及非线性相关的特征,构建了基于混合Copula函数的投资组合风险度量及优化模型。采用GARCH模型对各个金融时间序列缘分布进行建模,并利用可以灵活反映上、下尾部相关和对称相关的混合Copula连接各个边缘分布。运用BFGS算法和极大似然估计相结合的方式对模型进行参数估计,通过数学优化和Monte Carlo模拟方法求得投资组合的最优权重,以及相应的Va R和CVa R值。最后,利用中国股市四个行业指数的数据进行实证分析,检验了模型的可行性和有效性,为高维非线性相关的投资组合决策提供有价值的参考。     

一种计算投资组合VaR的新方法

作为金融领域一个重要研究课题,风险度量受到越来越多的关注。传统的估计风险值的方法检验效果不理想,本文运用Copula函数代替相关系数表示风险因子之间的依存关系,能够有效地处理投资组合的风险和相关性,并通过实证分析运用Copula理论来计算投资组合收益风险值。     

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。     

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-GARCH-EVT的中国开放式基金投资组合风险度量

文章结合CARCH模型和EVT理论刻画了单个金融资产收益率的波动性和尾部分布,并将Copula函数和Monte Carlo技术应用于证券投资组合的VaR计算方法.通过对光大红利基金的实证研究,得到前十大重仓中单只股票及其投资组合的风险值,结果表明,基于Copula-GARCH-EVT的VaR方法具有重要的经济应用价值.     

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。     

基于半参数Copula的信用风险实证分析

随着金融市场的不断深入和发展,金融相关性分析越来越复杂,Copula技术以处理非正态联合分布的优良性质得到了国内外学术研究的广泛关注。本文通过非参数的核密度估计法估计Copula的边缘分布,用两阶段最大化方法确定Copula的参数和核密度估计的带宽,用Copula理论更加准确地描述资产的相关性,从而更加准确地量化金融市场的风险,并在KMV的框架下,讨论中国A股市场投资组合的信用风险。     

资产组合风险的极值Copula模型与实证研究

本文在极值理论POT模型的基础上,引入了Copula连接函数,建立极值Copula模型,给出了组合风险价值VaR的计算公式,并以加元和日元回报为样本进行了实证分析,结果表明,极值Copula模型能较好地度量资产组合的风险,直接加权的方法会高估风险,假设资产组合服从多元正态分布会低估风险。     

基于贝叶斯方法与时变Copula模型的基金风险的度量

基于贝叶斯理论的 MCMC方法对单个基金收益率进行 GARCH 建模,以及对投资组合权重进行后验模拟.进一步结合时变Copula理论计算基金投资组合的 VaR,与基于极大似然法的结果进行比较.实证结果表明基于贝叶斯理论的时变Copula的 VaR方法,能够更有效的度量开放式基金投资组合的风险.     

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。     

基于风险整合模型的CDO产品定价研究

本文在因子Copula模型框架下考虑相互关联的市场风险、信用风险以及随机利率风险对CDO价格的影响,提出CDO风险整合定价模型。采用Monte Carlo方法模拟的数值结果表明:第一,在连接函数为Clayton Copula函数及共同因子和异质因子均为t分布条件下,信用指标的数值分布具有厚尾性;第二,风险整合模型的CDO价格对标的违约强度λi非常敏感,各分券的信用利差随着λi的增加而单调增加,Copula函数的参数θ对信用利差的影响则非单调,信用利差在区间θ?[1,3]上呈现先降后升的趋势。     

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。     

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.     

基于Copula-VaR的金融资产组合风险测度研究

引入Copula函数来改进传统的VaR方法,构建出Copula-VaR模型。通过蒙特卡罗模拟实证金融资产组合收益的各种VaR值,结果表明,Copula-VaR模型能够更精确地测度出金融资产组合的在险价值风险。     

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。     

风险依赖、一致性风险度量与投资组合——基于Mean-Copula-CVaR的投资组合研究

本文把风险依赖、一致性风险度量与投资组合纳入到一个分析框架中,结合Coupla-CVaR模型和Mean-var投资组合理论构建Mean-Copula-CVaR的投资组合模型,能有效同时解决风险度量中的一致性和依赖性关系。采用券商指数、银行指数和保险指数实证分析线性依赖和复杂依赖(Copula依赖)情况下金融机构资产配置的差异性和风险度量的充分性,研究结果表明,纳入Copula函数能够更为稳健和准确地预测投资组合的CVaR。然而,本文没有检验出不同形式Copula之间的差异具有显著性。本文的政策含义在于,忽视复杂风险依赖结构可能会造成风险低估,从而影响资产配置的有效性。     

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。     

金融相依风险研究引入Copula理论的利弊分析

本文以证券市场等相关风险为论述基点,在探讨金融市场的关联性基础上分析金融风险相依研究的缘起,通过对Copula理论内涵的解析阐述其对金融相依风险研究的推动维度,而后根据Copula理论的局限性分析其对金融相依风险研究未来走向的影响。