基于CopulaEVT方法组合风险度量分析.docVIP

基于CopulaEVT方法组合风险度量分析 　　中图分类号:F830 文献标识码:A 　　内容摘要:资产组合风险模型要解决两个问题,一是资产收益或损失分布存在肥尾现象,传统的正态分布假设导致风险值(VaR)的低估;二是资产损失相依结构的描述。本文采用GPD分布来拟合损失分布的尾部和经验分布拟合损失分布的中间部分,运用Copula函数来刻画资产损失的相依结构,能较好地解决这两个问题。在刻画和估计资产的联合损失分布函数的基础上,本文分别计算了VaR和资产组合损失(ES),并发现改进后的VaR和ES能更好地反映资产组合的风险状况。 　　关键词:资产组合 GPD copula函数 PVaR ES 　　 　　关于风险度量的统计模型,目前使用最广泛的就是风险价值VaR。根据Jorion的定义,VaR是指在正常的市场环境下,在一定的置信水平和持有期内,衡量某个特定的头寸或组合所面临的最大可能损失。与传统的风险度量方法相比,VaR提供了一种考虑杠杆、相关性和当前头寸组合风险的整体观点,被称为是一种具有前瞻性的风险度量方法。但是VaR也具有一些局限性:没有考虑尾部风险,即没有考虑如果损失超过VaR值时的风险情形;不满足次可加性,不是一个一致性风险度量工具。为了弥补这些不足,Artzner提出了预期损失ES的概念,以VaR为基础,ES度量的是损失超过VaR的尾部损失的平均值,代表了超额损失的平均水平。在实际运用中,ES能比VAR更好的反映资产损失的尾部风险。 　　对于资产组合的风险度量,关键在于如何刻画和估计资产组合的联合损失分布函数。大量的实证研究表明,金融资产收益率分布具有明显的“尖峰厚尾”特征。在资产收益率不满足多元正态或椭圆分布的情况下,Pearson相关系数既不能描述资产收益率的相依结构,也不能和边缘分布一起唯一决定联合分布。连接函数Copula和极值理论EVT(extreme Value Theory)为解决这些问题提供了较好分析框架,结合Copula技术和EVT理论对资产组合的联合分布进行刻画就显得更有优势,是金融风险度量研究发展的方向。 　　 　　相关文献综述 　　 　　随着资产组合风险和PVaR研究的深入,Copula理论在金融领域,尤其是风险管理领域获得广泛的运用。Nelsen对Copula理论做了精彩的综述,系统的介绍了Copula的定义、构建方法和相依性的度量。Embrechts等探讨了在金融市场中采用线性相关指标度量相依性的局限性,建议用Copula来估计随机变量间联合分布的相依性。2001年Embrechts等用Copula拟合实际数据并进行了风险分析。Patton构造了马克-美元和日元-美元汇率的对数收益的二元Copula模型,并与相应的BEKK模型做了比较,结构表明Copula模型可以更好的描述金融市场间的相关关系。Umberto Cherubini等详细介绍了Copula理论在金融领域的运用。在运用Copula函数构建联合分布之前,先要选择各变量的边缘分布。为了刻画边缘分布的“尖峰厚尾”等特征,Genest、Ghoudi等使用经验分布,Dias和Embrechts采用t分布,Clemente和Romano中间部分采用正态分布和尾部用GPD (generalized Pareto distribution)分布来拟合。在估计VaR时,一般采用GPD分布来拟合资产收益的左尾以反映大额损失。Embrechts等全面介绍和分析了EVT理论在保险和金融领域的运用。 　　国内对Copula技术和EVT的研究也逐渐深入,能够结合我国金融数据进行实证分析。吴振翔等采用Archimedean Copula方法来构建欧元、日元最优投资组合,并对该组合做了相应风险分析。韦艳华等结合t-GARCH模型和Copula函数建立了Copula-GARCH模型并对上海股市各板块指数收益序列间的条件相关性进行了实证分析。韦艳华等还构建了混合Copula函数来更准确、更全面的捕捉各时期股市间相关性的变化,正确反映金融市场间的非对称的相关模式。刘志东构建了基于Copula函数的资产组合选择模型,并设计了基于单纯性和传统遗传算法的混合遗传算法,利用中国证券市场数据用该混合遗传算法对建立的资产组合选择模型求解。李秀敏、史道济构建了Clayton-GARCH-GPD模型来研究上海、深圳两股票市场的相关模式,并分析了投资两股票市场的组合风险。 　　综观国内研究,运用Copula技术来刻画金融资产的相依结构的研究比较普遍,将Copula和EVT结合起来的研究还比较少。本文应用GPD拟合美元-人民币和欧元-人民币对数收益的尾部,用Copula函数构建外汇投资组合的联合分布,并进行了风险分析。 　　 　　相关理论模型阐释