基于Vine-Copula-POT模型的資產組合風險測度.pdf

1、隨著金融全球化進程的加深，世界各國金融市場間的聯(lián)系不斷加強，協(xié)同變化趨勢也持續(xù)增強。近來金融危機頻繁發(fā)生，影響范圍從地區(qū)逐漸向全球發(fā)展，這些不斷提醒著人們加強風險管理的必要性。而進行風險管理必須要對資產間的相關性加以刻畫，同時也需要關注極端風險對金融市場極大的破壞作用，而傳統(tǒng)方法都假定金融資產組合服從多元正態(tài)分布，且相關性用線性相關系數進行刻畫，但這與實際金融資產間復雜相關和各資產分布的尖峰厚尾的特征是不相符的，因此傳統(tǒng)方法在測度金融風

2、險有所缺陷。
　　基于傳統(tǒng)方法的缺陷，本文考慮引入Vine-Copula函數對金融資產間的相關性進行刻畫。Copula函數是將邊緣分布函數與聯(lián)合分布函數連接起來的函數，不僅能夠刻畫相關性同時也能夠描述相依結構，因此非常適合進行金融資產風險測度。雖然多元Copula函數已能夠較好的描述資產組合的相關性，但是常用的多元Copula函數都假定邊緣分布服從正態(tài)分布或是t分布，具有一定的局限性，為克服這些局限，本文使用較新穎的Vine-Co

3、pula對資產組合相關結構進行刻畫，Vine-Copula利用pair-Copula分解技術對資產組合的聯(lián)合分布進行分解，從而實現對資產組合相關性的描述。而在邊緣分布建模時本文選用極值理論POT(Peak over Threshold)模型，POT模型專門對分布尾部極端變異性數據進行研究，因此非常適合金融資產尾部建模。本文圍繞金融資產組合風險測度主要做了如下工作:
　　首先詳細介紹了邊緣分布模型POT模型，并且利用該模型對上證綜指

4、2000年1月1日到2014年12月31日內所有交易日收盤價數據進行建模，并利用滾動時間窗動態(tài)VaR(Value at Risk，風險價值)對上證綜指風險進行了測度，實證結果表明基于GARCH-POT模型得到的VaR預測值比資產收益率正態(tài)分布假定(GARCH-norm)得到的預測值更穩(wěn)健，并且在高置信水平下更準確，因此GARCH-POT能夠比傳統(tǒng)正態(tài)分布假定更好的測度資產收益率的風險。
　　其次本文詳細介紹了Vine-Copula