基于Copula—Jump—GARCH资产组合风险分析.docVIP

基于Copula—Jump—GARCH资产组合风险分析 　　【摘要】本文结合Jump-GARCH模型和t-Copula函数，建立Copula-Jump-GARCH模型，对银行面临的资产组合情况进行分析，并给出了风险最小的资产组合形式。 　　【关键词】资产组合；Jump-GARCH；t-Copula 　　1.引言 　　随着经济的全球化，金融的全球化也越来越显现出来，如何在风险全球化下控制风险成为金融机构关注的焦点。对于银行来说在面临多家公司要求贷款时，银行如何正确选择投放的贷款比率，直接关系到银行以后所面临的风险情况，是全部投放给一家公司还是平均进行投放。企业的盈利能力和其他综合因素都影响到了企业以后还款的能力。什么样的投放比率才是使银行面临的风险最小化，银行如何来评估企业的还款能力？本文用上市公司的股票价格变化情况反映企业的价值和公司盈利能力。用Jump-GARCH模型来拟合单个资产的收益率波动情况，用Copula函数来描述资产之间的相关结构关系，结合两者得到银行面临的资产组合的风险价值。最后运用蒙特卡洛模拟计算得到在不同贷款投放比例情况下资产组合的VaR值和CVaR值。 　　2.模型 　　Jump-GARCH模型中跳跃强度和跳跃幅度都为常数时的情况，模型可以表示为： 　　（1）其中跳跃幅度服从一个均值为，标准差为的正态分布，是跳跃强度，在实证中假设它不随时间变化。表示跳跃次数且服从如下时变的泊松过程，表示为： 　　（2）说明在信息集的条件下，发生j次跳跃的概率[1]。 　　3.边缘分布 　　本文用Jump-GARCH模型来刻画单个金融资产的收益率分布情况。随机选取了2006年12月31号至2012年5月10号上海证券交易所A股市场的中国联通、中国石化和中青旅三只股票的收盘价数据。用收盘价表示的对数收益率为：，其中是资产在第日的收盘价。得到中国联通共1285个数据，中国石化共1276个数据，中青旅共1284个数据。 　　首先对所收集三只股票的对数收益率进行统计分析，得出这三只股票的收益率分布不服从正态分布。再通过观察它们QQ图，大体了解了这三只股票收益率分布的尖峰性、非对称性和厚尾性。最后我们选择自相关函数（ACF）和偏自相关函数（PACF）来描述。对比不同模型的AIC统计量最终得出最合理的滞后??数为：中国联通为2阶滞后、中青旅和中国石化没有滞后阶数。 　　对所收集的三只股票的收益率序列进行参数估计，得出了Jump-GARCH模型估计结果，如表3.1所示。 　　（3.1） 　　运用（3.1）对三只股票的收益率序列进行概率积分变换，对变换以后的序列再进行K-S检验，结果分别为0.1375，0.1107和0.1930，我们发现三只股票的K-S概率值都大于0.05，都通过了5%置信度下的拟合度检验，因此Jump-GARCH模型都能很好地拟合序列的条件边缘分布。 　　4.联合分布 　　金融产品的不断深化，致使银行所面临的整体风险不能简单用单个资产的风险进行加和，各个资产之间也存在着某种相关性，一个资产的变化可能在不同程度上导致其他资产的变化，为了研究资产之间的这种关系，引入了t-Copula函数[2]刻画这三只股票之间的相关结构。 　　假设银行所面临的是中国联通、中国石化和中青旅三家贷款公司。考察2007年1月4日至2012年5月10日时间段内三只股票的收益率。经过处理后，收益率的样本序列为1247个。文中我们假设这三只股票之间的相关结构关系是不随时间变化的，并用t-Copula函数来刻画这三只股票之间的相依结构。在Copula理论中，要求自变量必须服从（0，1）均匀分布，所以我们首先要将残差序列通过概率积分变换，并且检验变换后的序列是否满足（0，1）上均匀分布的要求。假设随机干扰项服从t分布，分别计算出各个随机干扰项的自由度，进行概率积分变换，即，并对变换后的序列进行K-S检验，结果分别为0.1170，0.1093和0.1624。根据三只股票的K-S概率值和K-S检验的假设条件，可以确定这三只股票服从（0，1）上均匀分布。 　　通过两阶段估计法，估计出t-Copula函数的参数，其中自由度为3.1109，相关系数矩阵如表4.1所示。 　　5.基于Copula-Jump-GARCH的资产组合风险度量 　　在银行用模型拟合出所面临的资产组合的联合分布后，为了在竞争中优胜劣汰，银行作为放贷者如何进行资产组合使自身面临的风险最小化。我们用资产组合在一定置信水平下的VaR与CVaR值来度量银行所面临的风险。 　　首先运用蒙特卡洛模拟方法来模拟资产组合未来的收益率，在t-Copula函数的基础上模拟10000次，得到10000组随机扰动项。在得到随机扰动项的模拟值以后，为了得到收益率序列将随机扰动项带入公式得到t+1时刻的值，再由得到t+