基于时变因子Copula的高维投资组合风险度量研究.pdf

基于时变因子Copula 的高维投资组合风险度量研究 摘 要 全球多次发生的金融危机使得人们清楚的认识到金融风险管理在国家经济系统 甚至是国家安全方面具有举足轻重的地位。无论是个人还是国家，在参与金融管理或 者投资活动中都会面临金融风险，如何准确地度量风险，一直是研究的热点问题。 由于金融数据的复杂性，在对投资组合中资产的相关性进行建模时，学者大多都 选用Copula 函数，使得经典的Copula 函数或者它们的衍生类型在金融投资组合得到 广泛应用，但对于维数高于20 的投资组合，很难做到对它们之间的相依性进行准确 建模。针对此问题，本文选用因子 Copula 模型，以求能够刻画高维资产间复杂的相 依关系。通过数值模拟发现，因子Copula 能同时刻画变量间的上尾相依性和下尾相 依性，且还兼具反映非对称的相依关系。在因子 Copula 的基础上，本文使用广义自 回归得分 （GAS ）模型将时变性引入到因子载荷上，再设立等相依、分块等相依、异 构相依三种不同类型的相依结构，用来刻画资产间的联合分布。针对异构相依中参数 较多的情况，本文使用两阶段估计，即首先使用广义矩估计 （GMM ）估计部分参数 再引入到极大似然估计中，数值模拟表明，本文所选用的估计方法的估计效果较好。 本文选取中证 100 所包含的8 个行业的34 支股票所构成的投资组合进行实证分 析。使用AR(1)-GJR-GARCH （1,1）-t 模型模拟各支股票收益的边际分布，结果表明， 各支股票具有显著的尖峰厚尾性和杠杆效应。再通过将边际波动模型拟合后的标准化 残差序列带入到时变因子Copula 模型中，可以得到：等相依结构下的时变因子Copula 模型结果表明，伴随着金融市场的变动，本文所选择的资产间的相依结构也在变化， 在股市震荡比较频繁的时期，资产间的相依性变化幅度比较大。分块等相依结构下的 时变因子Copula 模型结果表明，金融业受到经济环境的影响较大，同时与其它行业 之间的联系较为紧密，电子设备业作为新兴行业，在整个经济系统中的影响力较为均 衡，同时不太受到其它行业的影响，表现出很好的抗风险能力和投资价值。通过模型 的似然函数值、AIC 、BIC 进行模型对比发现，异构相依情况下的时变因子Copula 能 更好地对资产间的联合分布进行建模。本文使用该模型对投资组合收益在观测期内的 VaR 值和 ES 值进行预测，预测和检验结果均表明异构相依的时变因子 Copula 能对 资产组合未来一段时间的风险进行比较稳健的预测。 关键词：投资组合；因子Copula ；尾部相依；GAS 模型；在险价值；预期损失 1 基于动态因子Copula 的高维投资组合风险度量研究 Abstract The global financial crisis has made it clear that financial risk management plays a pivotal role in the national economic system, even in the national security. Whether it is an individual or a country, it faces financial risks in participating in financial management or investment activities. How to measure risk accurately has always been a hot issue of research for scholars. Due to the complexity of financial data, when modeling the correlation of assets in the portfolio, most scholars choose the Copula function, it makes the classic Copula functions or their derived ty