投资组合风险测度_基于FIGARCH_EVT_Copula方法.pdfVIP

第 卷第 期 北京理工大学学报 （ 社会科学版 ） 14 1 Vol.14 No.1 北京理工大学学报 （ 社会科学版 ） 年 月 年 月 （ ） 2012 2 2012 2 JOURNA L OF BEIJING INSTITUTE OF TECHNOLOGY SOCIAL SCIENCES EDITION Feb.2012 投资组合风险测度 ——— 基于 FIGARCH-EVT-Copula 方法 江红莉， 何建敏， 庄亚明， 张岳峰 （东南大学 经济管理学院， 南京 211189 ） 摘 要：金融资产收益率不仅具有尖峰厚尾性、异方差性，还具有长记性。基于此，将 、 和 有机 FIGARCH EVT Copula 融合，建立FIGARCH-EVT-Copula 模型来估计组合风险值，利用上证指数、深成指数组合进行实证研究。 实证研究 表明：我国股市波动确实具有长记忆性；FIGARCH-EVT-Copula 模型不仅能够准确刻画边缘分布的尖峰厚尾性、异 方差性和长记忆性，而且较之于传统模型，该模型能更准确地测度投资组合风险。 关键词： FIGARCH ； 极值理论； Coupla ； VaR ； 期望损失； 投资组合 中图分类号： 文献标识码： 文章编号： （ ） F830.59 A 1009-3370 2012 01-0044-06 一、问题的提出 不仅要准确地对边缘分布建模，还要刻画金融资产 间的相关结构。 Copula 被认为是刻画金融资产相关 金融时间序列，如收益率时间序列，往往具有 结构的一种新方法，它将边缘分布与变量间的相关 高峰厚尾、异方差等特征，对波动率建模是过去一 结构分开来研究，使得对问题的分析更加灵活。 自 二十年关注的焦点 ， 常用的模型有 ARCH 和 [9] 从Embrechts （1999） 将Coupla 引入到金融领域后， GARCH 等。 近年来，人们更关注于高频数据、长记 Copula 在风险测度领域取得了一系列的成果。 忆特性、 重尾和多维变量的研究 （雷鸣， 缪柏其， [10] [11] Jondeau 等（2006 ） 、Huang 等（2009 ） 基于Copula- ）[1] 。 为了捕捉波动的长记忆性， 2004 Baillie and GARCH 模型测度了投资组合的风险。 Beatriz 和 [2] [12] Bollerslev （1996） 通过对SP 复合