基于Copula-GARCH模型下我国金融控股公司金融风险度量.docVIP

基于Copula-GARCH模型下的我国金融控股公司金融风险度量 　　【摘要】金融控股公司是持有证券、银行、保险和其他金融资产股权的金融控股集团，对金融控股公司的风险度量涉及组合资产风险度量模型，本文利用Copula-GARCH模型，运用蒙特卡洛VaR方法度量金融控股公司风险，充分利用了GARCH模型能很好扑捉到金融时间序列的时变波动、偏斜、高峰、厚尾等特性和Copula函数不限制边缘分布的选择的优点，结合Copula和GARCH模型度量金融控股公司风险，对银行业、保险业和证券业的组合资产进行实证分析,从结果得出在碰到极端情况下，相对于分业经营的风险，过分担忧金融控股公司风险不可分散导致系统风险危害是不必的。 　　【关键词】金融控股 多元Copula-GARCHVaR蒙特卡洛 风险度量 　　 　　一、引言 　　随着金融全球化的步伐加快，金融市场的波动日趋激烈，从英国巴林银行倒闭到美国次贷危机中独立投行模式的终??，金融风险管理受到了更多公司、部门机构的关注，金融风险分析及度量技术有了巨大的发展。尽管混业经营的系统性风险危害比较大，而全球金融业混业经营的趋势却没有减弱，而金融控股公司在分业监管体制下，设立控股公司，持有证券、银行、保险和其他金融资产股权，是实现由分业向混业转型最佳模式。我国正处于金融控股集团的关键时期，做好金融控股公司的风险管理至关重要。对于金融控股公司风险的度量涉及不同资产之间相互影响和波动相关关系，金融市场波动呈现时变、集聚等特性，多元Copula―GARCH可以很好拟合金融的这些特性，度量不同金融资产组合风险。本文通过结合Copula和GARCH模型，运用VaR方法计算金融控股公司组合资产的风险，MonteCarb仿真技术模拟多种Copula函数，对银行业、保险业和证券业的组合资产进行实证分析。 　　二、金融风险模型―Copula-GARCH模型 　　（一）GARCH模型 　　传统经济学模型中，干扰项的方差被假设为常数，但很多金融时间序列呈现阶段性的波动和阶段性的稳定，这样情况下，假设方差为常数（同方差）就不恰当了。金融时间系列的一个显著特别是存在条件异方差，Engel（1982）提出自回归条件方差（ARCH）模型来刻画时间序列的条件二阶矩性质，并通过条件异方差变化来刻画波动的时变性及集聚性。在ARCH模型基础上，Bollerslev（1986）拓展了Engel的原始模型，提出GARCH模型及其拓展。 　　GARCH模型的一般形式： 　　其中假设： 　　由GARCH过程容易得到的条件分布： 　　在现实生活中，金融序列的条件分布不仅具有时变波动性，还经常出现偏斜、高峰、厚尾等特性，因此正态分布假设经常被拒绝，而t分布能很好拟合高峰厚尾的特性，从而出现了GARCH模型的拓展GARCH-t模型。 　　GARCH-t模型中假设： 　　（为自由度） 　　由GARCH-t过程容易得到实际上服从均值为，方差为的正规化t分布。因此可以通过分析的分布来选择不同的GARCH模型，这恰恰是Copula函数的优势，引入Copula可以很好解决不同资产收益波动不同分布的情况。 　　（二）Copula 　　传统的多元分布函数在变量较多时解析式很难处理传统的多元分布函数在变量较多时解析式很难处理，并且存在一系列约束条件，不仅要求各个边缘分布函数类型与多元分布函数类型一样，而且各个边缘分布必须完全相同。而不同市场不同资产往往不符合同分布，这使得多元分布函数很难资产组合中运用。然而Copula却解决了这一难题，近年广泛运用于金融领域。 　　Sklar（1959）指出，可以将一个联合分布分解为k个边缘分布和一个Copula函数，这个Copula函数描述了变量间的相关性，即：若变量χ1,χ2,L,χn，的边缘分布分别为F1(?)，F2(?)，L,Fn(?)，那么存在一个Copula函数C，使得(χ1,χ2,L,χn):C（F1(χ1)，F2(χ2)，L,Fn(χn），事实上所有的Copula模型都是由此基础发展而来的，Copula函数包含多元正态Copula函数、多元t-Copula函数、阿基米德Copula函数及混合Copula，Copula模型不限制边缘分布的选择，拥有广泛的应用性。 　　（三）多元Copula-GARCH模型 　　结合Copula模型和GARCH模型，Copula-GARCH模型能很好拟合各资产金融时间序列时变性、集聚性以及组合之间的相关性。多元Copula-GARCH模型的一般形式： 　　其中 为任意的Copula函数，It-1为t-1时刻的信息集，为的分布函数，可为标准正态分布、均值为0，标准差为1的正规化t分布、或者GED分布。 　　三、多元Copula资产投资组合Mon