基于PCC方法的Gaussian DAG-Copula模型的构建

本文基于PCC方法,介绍了一种新的构建高维Copula模型的图形化方法,即DAG-Copula 方法,该方法的优点主要有:降低模型估计的难度,提高模型估计的精度.以中国外汇市场上四种外汇收益率序列为研究对象,运用PC算法估计了DAG,建立了Gaussian DAG-Copula模型.作为对比,用四维t-Copula描述外汇资产的相关结构,通过对比发现Gaussian DAG-Copula模型能更好的描述资产间的相关结构.     

股票资产组合VaR研究基于混合D藤Copula模型

本文在对上证市场五种股票资产组合的风险分析中以VaR作为风险度量指标,采用基于Pair Copula高维建模理论的混合D藤Copula模型,建立了反应多个资产组合相关结构的联合分布模型。该模型对传统D藤Copula建模方法作了进一步的改进,通过一定的选择标准,确定了D藤中每个Pair Copula函数的最优函数族,这样使得所建立的模型不仅考虑到了资产维数的影响,而且还能捕捉到组合内部因子间相关结构的差异性,从而改进后的模型能更好地描述资产组合的相关结构,并且能更精确地反映资产组合收益的实际分布。最后,以混合D藤Copula模型为基础,利用Monte Carlo方法计算了上证市场五种股票资产组合的VaR,并通过实证研究进一步证明了该模型的有效性。