Copula 函数度量风险价值的蒙特卡罗模拟.docVIP

表 3：VaR 的模拟计算结果 模拟方法及其 对应的分位数 Monte Carlo 模拟的 VaR 5000 次 1939 次 1000 次 模拟 VaR 对应的百分率 5000 次 1939 次 1000 次 α = 1% 正态模拟 2.364 1.638 1.248 4.400 2.360 1.632 4.689 2.354 1.682 4.804 2.357 1.603 2.433 1.678 1.277 4.895 2.398 1.639 4.121 2.315 1.615 4.838 2.383 1.681 2.403 1.648 1.280 4.252 2.109 1.574 4.323 2.294 1.442 4.740 2.264 1.688 5.16% 10.52% 15.16% 1.29% 5.21% 10.62% 1.03% 5.21% 10.11% 0.98% 5.21% 11.09% 4.95% 10.21% 14.90% 0.98% 5.00% 10.47% 1.55% 5.36% 10.99% 0.98% 5.16% 10.21% 5.00% 10.47% 14.90% 1.39% 6.65% 11.35% 1.29% 5.47% 12.69% 1.03% 5.72% 10.01% α = 5% α = 10% α = 1% 0.9663 C Ga α = 5% α = 10% α = 1% C t3,0.9663 α = 5% α = 10% α = 1% 6.0372 C Gu α = 5% α = 10% 从表 3 看出，正态模拟在 α 对应的不同分位数下的误差都和实际值误差较大，而各种 Copula 函 数的模拟结果明显好于正态结果。从事后检验看出，三种 Copula 函数的结果跟实际的经验分布结果 非常接近。在 α = 1 % 时，Gumbel Copula 函数在不同模拟次数下的结果和实际经验结果几乎相同；在 α = 5 % 和 α = 10 % 时，Gumbel Copula 的模拟结果从总体上看也好于正态 Copula 和 t－Copula 函数。 三种 Copula 函数在不同模拟次数下的事后误差检验结果可以看出， 模拟 1000 次的结果最差， 而模拟 5000 次和 1939 次结果相当，1939 次总体上略好一些。 4.结论 本文采用 Copula 函数的方法来对上海和深圳股票市场的指数进行 Monte Carlo 模拟，以度量证 券市场的风险。从实证结果可以看出，用 Copula 函数描述两个时间序列的相依性关系时得出的 VaR 结果要优于正态情形； 在所选函数的三种 Copula 函数中以 Gumbel Copula 函数模拟的 VaR 效果最好； 在模拟次数的比较中，可以看出当模拟次数增大时效果变好，当模拟的次数与实证数据长度接近时 效果较好。同时也注意到，我们对收益序列进行边际分布拟合后，选取 t 分布作为边际分布，其模 拟的 VaR 结果明显优于其他分布。 因此在应用 Copula 函数对金融序列建模时， 边际分布的选取可能 对实证的结果也有着重要影响。 尽管在 1959 年 Sklar 等人就开始用 Copula 函数进行统计研究，但将 Copula 函数真正应用于 6 金融经济研究还是近几年才刚刚开始，其正处于起步阶段。Copula 函数本身所具有的许多优良的 统计的统计特性，使其在金融领域, 特别在金融市场上的风险管理、投资组合的选择、资产定价 等方面有着广泛的应用前景，随着对其研究手段的发展和成熟，Copula 函数必将成为人们计量和 金融分析的得力工具。 参考文献： [1] Embrechets, P., A. Mcneil, and D. Straumann, Correlation and Dependence in Risk Management:Properties and Pitfalls. 1999. [2] Copulas: an open field for risk management. 2001. [3] Genest and Rivest, Statistical inference procedures for bivariate Archimedean copulas. Journal of the American Statistical Association, 1995. [4] Mendes, B.V.d.M. and R.M.d. Souza, Measuring financial risks with copulas. Elsevier, 2004. [5] Rank, D.J., Copulas in F