基于TGARCH-t的混合Copula投资组合风险测度研究.pdfVIP

第44卷第4期 数学的实践与认识 Vbl．44．NO．4 PRACTICEANDTHEORY Feb．，2014 2014年2月 MATHEMATICSIN ，-’·，’-’’’，，、 ；管理科学i ～t。川·。。。。。‘‘’ 风险测度研究 王璐，王沁，何平，唐家银 (西南交通大学数学学院统计系，四川成都610031) 摘要：在分析了现有Copula函数在测度投资组合风险不足的情况下，首先充分 考虑资产波动的时变性、杠杆效应等特征，选择了TGARCH—t模型进行边缘分布 建模．接着引入混合Copula模型来描述投资组合的复杂相关结构，同时利用构造的 主对角线距离统计量等方法验证了混合Copula模型的优势．最后通过VaR的蒙特 卡洛模拟结果看到，这种方法能更为精确的测度投资组合风险值． 关键词：TGARCH；Copula；投资组合风险；VaR 1952年，哈利·马克维茨(Harry 择(portfolio 究资产组合选择问题，从而为现代投资组合理论的发展奠定了基础．自该文发表以来，投资 组合优化问题的讨论基本是在收益与风险的二维框架内展开的，对此，学术界并没有太多的 争议．但在选择风险度量指标时，学者们却存在诸多的分歧．1952年，马克维茨首次以组合收 益率的方差或标准差度量组合的风险，从而形成了均值一方差投资组合选择模型．此后，半方 差、下偏位矩和平均绝对离差等指标都作为风险度量构建投资组合优化模型． at VaR(ValueRisk)方法作为一种衡量资产下行风险的方法，时下它己成为金融机构和 监管当局进行风险管理和金融监管的基本工具之一．这种方法的优点在于它可以在整体一致 的框架内仅用一个易于理解的数字来度量由许多复杂工具构成的组合的市场风险．VaR方法 价格参考准则的CVaR优化问题，Yuji VaR投资组合模型及相关算法，Meng—Lan 望收益优化模型的应用． 收稿日期：2011．03—11 科研业务费专项资金(SWJTUl2CX057，SWJTUl2ZTl4)；西南交通大学希望之星项目 2 数学的实践与认识 44卷 产联合分布的建模分解为边缘分布建模和Copula函数建模，这样对比于传统的投资组合多 元正态分布及资产之间线性相关关系的约束假定，这种方法显然有了更大的灵活性．国内，吴 究工作． 但在现有研究中，在进行风险值的Copula测度时还存在着以下两点不足：第一，虽然很 多文献已利用一元GARCH模型进行边缘分布建模拟合，但由于金融时序除了具有聚集性、 异方差等性质外，还具有非对称性、杠杆效应等，因此是否需要引入非对称形式的GARCH 模型还需要进一步探讨；第二，利用Copula反映投资组合相关特征时，一般都集1：3选择阿基 法充分反映这种复杂多变的特点，因此可以考虑混合Copula模型来加以描述． 基于此况，本文针对现有金融时序边缘分布建模和Copula函数建模考虑不足的现状，首 上证电子行业指数和房地产行业指数的投资组合模型测度其风险值，并同传统的VaR计算 结果进行比较，验证其精确性． 1投资组合风险测度的建模步骤 1．1边缘分布建模 长期以来，人们发现金融时间序列不仅一阶矩(均值)具有时变性，而且二阶矩(方差)也 具有时变性．GARCH模型的产生能有效的帮助分析这种时变特征，因此目前它是研究金融 资产波动的主要工具．但是，许多研究【8】表明金融时序经常表现出杠杆效应，即价格波动受 负外部冲击的影响大于正外部冲击的影响．不仅如此，由于金融时序具有尖峰厚尾特征，因此 GARCH模型的残差可能不服从正态分布，而是t分布． 同时考虑模型残差服从正态分布和t分布两种情况，最后通过拟合优度检验选择最佳波动模 型． 1)GARCH—N和GARCH．t模型 GARCH(1，1)模型如下： 、 ，口x—t#妇+0t