论文部分内容阅读
随着金融领域研究的日益深入,人们发现单一的资产或者市场的研究越来越不能满足需要。相关性分析在金融应用中变得越来越重要,更是金融市场组合风险度量的关键。基于线性相关关系的传统风险度量只集中在对线性相关程度的分析上,而忽略了对金融市场间的相关性结构或模式,特别是其尾部特征的研究。事实上,即使具有相同线性相关性强度的两对随机变量,也可能会因为有不同的相关模式和尾部特征而表现出完全不同的结构特点。因此,仅用线性相关强度来描述随机变量间的相关关系是不全面的。因此,需要引入新的方法来更好地计算投资组合的在险价值。于是,copula理论开始被引入金融领域。应用copula函数技术,可以将相关程度和相关模式的研究有机地结合起来,较好地度量资产组合在险价值。值得注意的是现有的研究大都假定相关关系,包括相关模式及相关程度在整个研究时间段内是不变的。而实际上,金融资产间的相关关系是会随时间发生变化的。为了描述资产相关性的动态变化,更好地对金融市场组合风险进行度量,本文的工作主要体现在:1、本文首先对金融风险管理理论和方法的发展进行简单回顾,并指出引入copula理论刻画多种资产的联合分布函数进行组合风险度量的必要性和重要性。接着本文对Copula理论进行了详细的介绍。在此基础上,建立Copula-GARCH模型并在中国期货市场进行实证分析,得出了边缘分布的优劣能较大程度上影响Copula模型的拟合优度的结论。2、本文在认为相关关系会随时间发生变化的基础上,重点应用时变copula函数来研究随机变量间相关性的动态变化,并对金融资产的组合风险进行度量。文中对时变Copula模型的传统参数演进方程进行了改进,并应用于中国股市进行实证分析。研究发现改进后的时变Copula模型不但提高了对资产组合在险价值的预测精度,而且使预测值更接近实际损失值,有利于提高资本使用效率。