论文部分内容阅读
随着金融全球化的进程加快,金融市场面临的风险日益复杂和多样化,金融资产间的相关模式呈现出非线性、非对称和尾部相关等特征。原有的线性相关分析方法己不再适合描述金融风险的相关信息。Copula函数是描述相关结构很好的工具,它可以很好地度量金融市场中各种复杂的相关模式和相关程度。本文从应用的角度探讨了Copula函数在金融风险度量中的应用。文章研究的重点是建立基于Copula函数的金融模型,以此来刻画金融资产的相关性和量化金融资产组合的风险值。实证主要有两部分,第一部分研究了上证指数收益率和成交量对数变化率之间的相关性。首先在正态分布、t分布、广义误差分布下,利用不同的GARCH族函数来拟合边缘分布,根据AIC准则分别选用EGARCH(1,1)-ged模型拟合收益率、GJR-GARCH(1,1)-t模型拟合成交量变化率,然后建立了EGARCH(1,1)-ged与GJR-GARCH(1,1)-t,结合Gumbel Copula函数的复合模型,该复合模型可以很好的刻画两个序列间上尾相关性比较大的特征。第二部分量化了沪深两市投资组合的风险值。首先建立GARCH(1,1)-t模型来拟合边缘分布,然后选用t Copula函数刻画两资产之间的相关结构,最后结合Monte Carlo模拟构造出t Copula-GARCH-Monte Carlo-VaR模型,与传统模型相比,该复合模型不但可以用t Copula函数准确刻画出两资产之间的相关性,而且可以进行大量的仿真模拟计算,最终有效地量化出风险值。