论文部分内容阅读
投资组合的风险管理和投资组合选择问题一直以来是市场关注的热点。风险度量是风险管理和组合选择的核心问题,风险度量的精度不仅会影响风险管理的有效性,还会影响投资组合的表现。因此,准确度量投资组合的市场风险具有重要意义。投资组合市场风险度量的两个关键环节是波动率建模和相关结构刻画。目前,GARCH类模型是最常用的波动率模型,可以很好地刻画波动率的集聚性和尖峰厚尾性,但在捕捉金融资产的多分形特征方面无能为力。马尔科夫转换多分形模型(MSM)具有同时刻画上述特征的优势,因此本文将MSM模型用于波动率建模,以期提高风险度量的精度。考虑到金融市场极端事件时有发生,进一步将MSM模型与极值理论(EVT)相结合。此外,金融市场间的相关性会影响投资组合的市场风险,而资产间的相关性一般是非线性、非对称,并且不断变化的,因此采用时变Copula模型刻画资产间的相关结构。为避免主观设定演化方程的外生变量,引入广义自回归分数模型(GAS)作为Copula时变参数演化方程。在此基础上,构建时变相关性模型,将其用于研究资产组合的市场风险度量和投资组合选择问题。首先,本文介绍了市场风险的度量方法和Copula函数的相关理论。其次,阐述相关性模型的构建过程,选取沪深300指数和恒生指数的日数据作为研究样本,从边缘分布模型、Copula时变参数演化方程和Copula函数三方面考虑,分别选取GJR-GARCH、GJR-GARCH-EVT、MSM、MSM-EVT 四种边缘分布模型,GAS 模型、ARMA(1,10)过程两种时变参数演化方程,结合Rotated Gumbel Copula和t-Copula构建了 16个相关性模型。在此基础上,通过蒙特卡罗模拟,采用VaR和ES度量资产组合的市场风险,并通过回测检验比较不同模型的风险度量效果。最后,选择风险度量效果最好的模型,研究投资组合选择问题,考察风险度量效果好的模型是否能够取得更好的表现。实证结果表明,边缘分布模型、Copula时变参数演化方程和Copula函数的选择会影响风险度量的精度。在上述构建的16个相关性模型中,边缘分布为MSM-EVT,时变参数演化方程为GAS模型,Copula函数为Rotated Gumbel Copula的MSM-EVT-R-GAS模型风险度量效果最好,并且基于MSM-EVT-R-GAS模型构建的投资组合表现最好。准确评估风险有助于投资者合理构建投资组合,从而获得更高收益。