copula-gof——基于股票 股票指数 外汇市场 期权的实证探究.docVIP

Copula拟合优度检验有什么实际用途？ ——基于股票、商品、外汇期权的实验证据 摘要： 在文中，最优Copula-VaR模型和几个Copula拟合优度测试的用处在于对股票、商品、外汇期货实验数据全面实证研究的分析。实际上，我试图回答两个问题：（1）那个参数估计Copula函数是给定线性资产组合的最优风险值（VaR）估计和最优期望损失（ES）估计；（2）如何在给定样本条件下确定最优VaR和ES参数Copula函数。为了回答这些问题，从超过8种不同时间窗口的435组线性资产组合估计12，000组二元投资组合的VaR和ES。结果显示，虽然GARCH边际Copula模型VaR估计比相关基础模型估计好，但是最优Copula参数形式的确定还是一个未解决的严重问题。对三个国家Copula模型拟合优度测试方法的分析表明，没有一个测试能够明确的确定最优参数形式。除这些结论之外，超过80%的组合认为，所有五个参数Copula模型ES估计比实际组合高估或低估的相关基础估计差。而且，回顾测试表明，最优参数Copula既依靠风险的措施，又依靠时间的变化。 1.介绍 Copula模型已经成为统计依赖结构之间建模和分析的主要工具，随机变量之间遵从一个事实：与线性相关相反，Copula完全抓住了随机向量内在结构之间的独立性。特别在金融领域，Copula常被运用于市场风险组合的价值风险（VaR）计算或信用违约风险建模。许多研究都试图回答这些问题：参数Copula是最优的组合价值风险（VaR）估计以及这个最优参数Copula如何通过拟合优度测试（GoF）事先预测。 然而，以前几乎所有基于Copula-VaR模型的实证研究只是通过相对较少的资产数量提供零星的数据在二元情况下进行分析。另外，基于Copula拟合优度测试（GoF）的模拟研究大多假设边际是知道的，而没有考虑拟合优度测试（GoF）对VaR计算的失效性。如果边际不明或者指定错误，这些在实际中是常有的情况，那么，这些对VaR估计的Copula拟合优度测试（GoF）的作用则保持相对的未知。 在文中，我分析了最优的二元Copula-VaR模型以及通过各种资产分类在全面实证研究的基础上分析对Copula一些拟合优度测试（GoF）的用处。实际上，我试图回答两个问题：（1）那个参数估计Copula函数是给定线性资产组合的最优风险值（VaR）估计和最优期望损失（ES）估计；（2）如何在给定样本条件下确定最优VaR和ES参数Copula函数。为了回答这些问题，从超过8种不同时间窗口的435组线性资产组合估计12，000组二元投资组合的VaR和ES。 具体而言，我使用了美国、欧洲、亚洲的股票、股票指数、外汇期权和商品价格，在组合风险分散的众多机会中进行实证研究。在每一个组合中，来自1000个交易日滚动时间窗口和往回的750个交易日，至少有五个不同的Copula-GARCH模型进行估计。在这些模型中，假定边际服从GARCH模型（1,1）过程交代的可能条件异方差数据。 本文的贡献或创新很多，并且通过几方面扩展了以前的实证研究。第一，这篇文章第一次实证研究评估了对最优VaR、ES参数Copula选择的特定Copula拟合优度测试（GoF）的适用性。这项研究第一次表明，在参数Copula对金融数据的设置拟合中，大部分GoF测试不能选择参数Copula最优的VaR和ES估计。第二，本文是第一个在以前最优家庭参数Copula建模市场风险选择研究上进行概括。第三，通过使用VaR、ES和几个适合Copula模型的时间窗口，我试图明晰这个问题：是否最优参数Copula家庭和GoF测试的建议质量独立于时间和风险措施使用的选择。结果显示，ES估计是非常不好的。第四，基于使用更多灵活混合Copula的扩张近期结果显示，这些模型的大部分组合不能提高标准参数Copula的结果。第五，通过Hobak Haff,Aas,Frigessi,Diks, Panchenko 和van Dijk选择最优Copula，采用了Kullback–Leibler Information Criterion (KLIC)。 本文剩下的部分是这样安排的。第二部分介绍了相关的理论和基于Copula模型VaR估计的实证文献，以及参数Copula家庭系数的选择。第三部分讨论了Copula-GARCH模型在实证研究中的应用。第四部分介绍了数据以及实证研究的轮廓，第三小节给出了结果。第五部分结论。 2.相关文献以及假设发展 基于对VaR估计参数Copula家庭的最优选择实证研究或多或少可以分为三组。 第一组，作者常常发现椭圆（elliptical）Copula函数是最优的。Malevergne和Sornette：第一个对直线资产依赖结果构建最优Copula模型的实证研究。…… 第二