应用CopulaKernel模型股票投资CVaR分析.docVIP

应用CopulaKernel模型股票投资CVaR分析 　　摘要:本文将核密度估计技术与Copula模型相结合,建立了投资组合分析的Copula―Kernel模型,对我国股票市场实际的组合投资问题进行了实证风险分析,分别计算了VaR和CVaR的值,并进行了比较,取得了满意的效果。 　　关键词:CVaR Copula 核估计 非对称Laplace分布 　　 　　CVaR Analysis of Investment Portfolio Based on model of Copula-Kernel 　　Cheng Jinjing Liu Qiongsun 　　Abstract:In this paper,Copula is combined with kernel density estimation,and a Copula-Kernel model is built to analyze the risk measure of portfolio investment in Chinese stock market.Then a satisfactory result is given after VaR and CVaR are calculated and compared by this model. 　　Keywords:CVaR Copula Kernel estimation Asymmetric Laplace distribution 　　【中图分类号】F830.591【文献标识码】C 【文章编号】1009-9646(2009)05-0118-03 　　 　　1.引言 　　 　　金融市场的全球化和金融产品的多样化使得金融机构所面临的风险日益复杂,如何有效地测定和控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。VaR是用来度量金融风险的一种技术方法,但VaR不满足次可加性和凸性等一致性风险度量,与风险分散的市场现象相违背。为此,Rockfall首次提出了CVaR定义[1],它能更好的将投资组合的风险与收益直接联系起来。Copula是一种把联合分布和边缘分布连接起来的函数,它可用来描述多个随机变量间的相依结构[2~5]。在金融风险分析中,如何度量单个资产分布及资产之间的相关结构是风险管理的重要内容。Monica Billio提出了MSRM模型度量投资组合风险问题,并与GARCH(1,1)模型进行比较[6]。ChewLilian总结了计算VaR值的参数方法、历史模拟方法和蒙特卡洛方法[7]。Rflung从定义、性质及计算方面对VaR和CVaR之间进行了比较[8],吴振翔等将Copula理论结合t-GARCH模型研究股票投资问题[9]。本研究采用非参数核密度估计来刻画单个金融资产的边缘分布,用Copula函数描述多个资产间的相关结构,构建了Copula-Kernel模型,针对我国股票市场的投资组合问题,借助蒙特卡洛仿真技术[10~11]计算了组合投资的VaR和CVaR值,并加以比较,取得了令人满意的效果。 　　VaR与CVaR的定义?? 　　设f(ω,x):Rn×Rn→R为投资组合的损失函数,ω∈Rn为权重,x∈Rn为引起组合价值发生损失的市场因子,α为置信水平。设p(x)为向量x的密度函数,则对任意的阈值k∈R,预期损失的分布函数为,ψ(ω,k)=∫p(x)dx,则 　　VaR??α=??min??{k∈R:ψ(ω,k)≥α} (1) 　　CVaR??α=E[f(ω,x)|f(ω,x)≥VaR??α]=(1-α)-1?? 　　??∫??f(ω,x)≥VaR??αf(ω,x)p(x)dx(2) 　　实际上,VaR是单一随机变量分布的分位点[12],而CVaR是一个条件期望,CVaR的定义是指在一定的置信水平下,资产或资产组合的损失超过VaR的条件均值。CVaR反映了损失超过VaR阈值时可能遭受的平均潜在损失。它可以更好地体现出潜在的风险价值,尤其是在损失分布非正态分布的情况下,CVaR比VaR更能全面有效地刻画损失分布的数理特征,被认为是比VaR风险计量技术更为合理有效的一种现代风险管理方法。CVaR满足次可加性和凸性[13],符合一致性风险度量的条件。 　　对于CVaR的计算,关键在于单一资产的收益率(边缘)分布的模拟,模拟的边缘分布越准确,选择的Copula函数越恰当,得到的CVaR值越接近实际情况。 　　 　　2.??Copula-Kernel??模型 　　 　　2.1 核密度估计。 　　针对金融数据多呈现尖峰、厚尾、有偏的特性,本文主要采用核密度估计单一资产收益率的分布,即确定单变量的边缘分布。 　　定义:设X??1,X??2…,