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。     

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。     

基于R-Vine Copula的财险业务保险风险经济资本测量

经济资本管理是保险公司内部进行风险控制的有效方法.以某财险公司2005—2020年的五条业务线的赔付率作为保险风险的风险因子,用核密度方法刻画边缘分布,分别计量了业务线独立情景、多元Copula和Vine Copula模型下的VaR和TVaR,进而得到防范业务线非预期风险所需要持有的经济资本和相关的分散化收益,并从理论上对比了经济资本与"偿二代"最低资本的测算方法.结果表明:多维变量的建模中,Vine Copula很好地展示了Copula的风险聚合和收益分散效应,大大降低了财险公司为应对保险风险所需持有的财务资源,为财险公司在业务管理和风险管理方面提供了新的思路,同时为最低资本的测算方法从风险度量模型、风险因子选择、相依结构确定和相关系数的改进提供了一定的参考价值.     

铅期货套期保值比率的估计——基于时变的正态Copula-GJR模型

本文结合Copula函数和协整理论两方面优势,同时考虑到金融市场收益率序列可能存在的偏态和尖峰厚尾特征,构造了一个基于时变的正太Copula函数的GJR-Skew-t分布的套期保值比率估计模型。并且对比分析了传统的CCC-GARCH模型和DCC-GARCH模型的套期保值效果,实证研究表明:时变的正太Copula-GJR模型的套期保值比率最优并且套期保值效果较好,使用该模型可以提高收益率的均值,同时减少风险。     

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。     

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。     

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。