M—Copula—GARCH—t模型在股指期货风险管理中的应用.pdfVIP

2012年 8月 中央 民族大学学报 (自然科学版) Aug．，2012 第 2l卷 第 3期 JournalofMUC(NaturalSciencesEdition) V0I．21 N0．3 M—Copula—GARCH—t模型在股指期货 风险管理中的应用 高 伟 (中央 民族大学 理学院，北京 100081) 摘 要 ： 本文考虑到金融资产收益率这一时间序列的方差时变特性和尖峰厚尾 的分布特征，所 以使用 GARCH—t模型来描述这一现象；同时为了分析包括股指期货在 内的投资组合各项资产之间的相关结构，采用 了不限制边缘分布的Copula方法 ，并最终提出了M-Copula—GARCHt模型用以度量包括股指期货在 内的投资 组合各项资产之间的相关性 ，验证了 Copula方法 ，特别是 M—Copula方法在度量结果和拟合效果上 ，具有较高 的精确性． 关键词 ： M-Copula；GARCH；股指 中图分类号 ：0213 文献标识码 ：A 文章编号 2012)03—0082—06 我国的股指期货于2007年推出以来 ，方兴未艾．作为期货市场上一种重要 的金融衍生品，一方 面，由于股指期货特有的保证金交易存在的杠杆效应 ，投资风险被放大了；另一方面 ，它与现货市场上流 通的特定的证券的价格息息相关．所以衡量投资组合 中股指期货与其他资产之间的相关性并且进行相 应的风险管理，就显得尤为重要…．在本文中，作者提出了M—Copula—GARCHt模型，用以分析这一相关 结构，取得了较好的结果． 1 基于 GARCH模型的股指分布假设 GARCH模型是一个专门针对具有时变异方差特性的金融数据所量体定做的回归模型．除去和普通 回归模型相 同的之处 ，GARCH对误差的方差进行了进一步的建模．特别适用于波动性的分析和预测 ，这 样的分析对投资者的决策能起到非常重要的指导性作用 ，其意义很多时候超过了对数值本身 的分析和 预测．GARCH模型的核心思想是 ，某一特定时期的随机误差的方差不仅取决于以前的误差 ，还取决于 自 己早期的方差．即相 当于对误差项的方差 ，使用一个 自回归模型来描述．误差项不再是随机波动，而是有 “记忆”的特征． 在现有的金融体系中，对股票价格的最基本假定是服从几何布朗运动，这一方法的不足之处就在于 未考虑到方差和协方差是时变的．金融时间序列的条件分布往往呈现出时变波动 、波动集群 、偏斜 、尖峰 厚尾的分布特征 ，而GARCH模型可以较好地刻画金融时间序列的分布特性 ，进而可以较好地描述金融 收益序列的条件边际分布．Bollerslev提出的GARCH(P，q)可以表示为 ： 8=hl以 g h= 。+∑ 2一+∑卢 i= l i： 1 I，f_l～N(0，1) 收稿 日期 ：2012—06—04 基金项 目：国家 自然科学基金(No．100906)，国家 民委资助项 目． 作者简介 ：高伟 (1987一)，男(汉族)，河南开封人 ，中央民族大学理学院2010级硕士研究生 ，研究方向：随机过程及其应用 万方数据 第 3期 高伟 ：M—Copula—GARCH—t模型在股指期货风险管理 中的应用 在实际问题 中，由于金融收益序列的特殊分布特征 ，无法用正态分布模型准确刻画，因此提 出用尖 峰厚尾的分布如 t分布来代替正态分布 ，从而得到 GARCH模型的扩展形式 一GARCH—t模型，在其 中， 一 般假设 ：