基于Copula函数沪深300股指期货相依风险研究.docVIP

基于Copula函数沪深300股指期货相依风险研究 　　摘　　要：本文对沪深300股指和股指期货仿真交易收益率极端风险和相依关系进行了研究，用DCC-GARCH模型描述了股指期货和现货之间动态的条件相关系数，并以极值分布为边际分布对四种常用的Copula函数进行了拟合，发现Frank　Copula的拟合效果最好，其次为Clayton　Copula。在此基础之上，对不同组合的VaR和CVaR进行测度，发现投资组合比例与风险之间呈现“U”型特征，这也为股指期货套期保值提供了一种新的研究方式。 　　关键词：极值分布；Copula函数；套期保值 　　Abstract：This　paper　study　extreme　risk　and　the　relationship　between　the　China　300　stock　index　and　stock　trading　simulation　yield.　DCC-GARCH　model　used　to　describe　the　dynamic　conditions　of　the　correlation　coefficient　between　the　stock　index　futures　and　spot　goods，monly　used　Copula　function　fitting.We　found　Frank　Copula　is　the　best　fit，followed　by　Clayton　Copula.　On　this　basis，binations　of　VaR　and　CVaR　for　measure，we　find“U”-portion　of　portfolio　and　risk，vides　a　new　approach　for　hedge　research. 　　Key　Words：extreme　value　distribution，Copula　function，hedge 　　中图分类号：F830　　文献标识码：A　　文章编号：1674-2265（2012）12-0003-09 　　一、引言 　　金融资产的相关性塑造了这样一种风险机制：它为风险的传播提供了便捷的渠道，使之在与其相关联的金融产品间蔓延，不断地积累能量并触发新的风险以致于金融风波，如美国的次贷危机所引发的全球经济动荡。因此，如何度量金融资产的相关性历来为学者所关注。 　　股指期货不仅可以作为风险管理工具，有效分散和转移企业的金融风险，而且还可以发挥套期保值的作用，为投资者规避风险。但股指现货和期货之间特殊的关联性使得杠杆值进一步增加，这又成为金融市场上新的风险来源。本文考察我国股指期货正式推出之前期货和现货的动态相关关系，分析其风险特征并进行套期保值的研究。 　　目前，??金融资产收益时间序列的风险研究众多，估计方法主要包括历史模拟法、参数方法和非参数方法。历史模拟是利用收益序列的经验分布来近似真实分布，该方法虽然简单，但不能对过去观察不到的数据进行外推，在运用中受到限制。参数方法假定资产收益服从某一特定过程，基于某一特定分布，得出的风险值多是对金融资产收益的总体风险的度量，并未很好地考虑到极端风险。由于金融市场上的收益率存在尖峰厚尾的特征，极端事件的发生虽然稀少，损失却很巨大，人们最为关注的风险就是这种极端风险。极值分布作为一种非参数方法，不需设定模型，而是让数据去选择，相对于一般的椭圆分布，它更能捕捉到市场的极端风险；而极端风险间的相关是一种非线性相关，由于金融收益率具有的“波动丛集性”的特征，使得一般的线性相关无法准确描述金融资产间的关联关系。Copula作为一种数学函数可以用来度量金融市场上的非线性相关，正确设定研究对象的边缘分布是构造Copula函数的关键。Copula这一概念最早由斯克拉（SKlar，1959）提出，最近几年才发现它能应用在金融风险管理中，对这一方法比较系统的理论介绍可以参见乔（Joe，1997）、内尔森（Nelsen，1999）和恩布雷希茨等（Embrechts等，1999）的研究。隆吉（Longi，2000）应用Copula方法对信用风险及信用衍生产品定价进行研究。弗雷和麦克尼尔（Frey和McNeil，2003）使用Copula方法来分析尾部相关性，采用比较一般化的相关系数进行定义。近年来使用Copula方法对组合风险进行度量的研究还有波耶、戈塞尔和萨蒙（Bouye、Gaussel和Salmon，2002），隆吉和索林克（Longi和Solink，2001），格拉泽曼等（Glasserman等，2002），恩布雷希茨等（2003），罗森堡和舒曼（Rosenberg和Schuermann，2005）等。恩布雷希茨等（2003）和凯路比尼等（Che