论文部分内容阅读
随着国际金融市场的快速发展,外汇市场间的相互依存度不断加强,相关结构更加复杂,准确度量金融市场间的相关性越发重要。而金融变量通常具有尖峰厚尾性、非对称性、非正态地协同等特征,用传统的Pearson线性相关性分析方法存在很大的局限性。随着Copula理论的出现,给相关性的研究带来了很大的进步。自Copula理论应用到金融领域以来,Copula函数目前已在金融、保险等一些领域的相关性分析、风险管理、资产定价和投资组合的选择等方面有了广泛应用,成为解决金融相关性问题的一个有力工具,使金融风险度量方法有了新的突破。文章首先系统地介绍了Copula函数的定义和性质,阐述了Sklar定理和三种基于Copula的相关性测度,然后列举了常用的几种椭圆型Copula函数和阿基米德型Copula函数及其特征,并介绍了Copula函数的参数估计方法,本文选用两步极大似然估计法。最后介绍了两种模型选择方法:分别是传统的AIC信息准则法和特别适用于Copula函数的模型选择工具——Copula信息准则法。首先,本文选取了2008年到2014年欧元和英镑对人民币汇率的每日收益率作为样本数据,根据收益率序列的尖峰厚尾性和波动异方差性,选择随机波动SV-t模型作为刻画单个资产收益波动的边缘分布,并通过K-S检验,结果显示选择SV-t模型拟合边缘分布是合适的。然后构建了两类不同的混合Copula模型:第一类混合Copula模型是由三种不同特性的阿基米德Copula函数:Gumbel Copula, Clayton Copula和Frank Copula线性组合而成,根据模型平均思想,建立了简单混合Copula模型和基于S-AIC方法构建的混合Copula模型。第二类混合Copula模型是由正态Copula函数组成,根据二元分布混合理论建立的基于分布的混合Copula模型。并简单介绍了混合Copula模型中权重和相关系数的估计方法。最后本文通过建立混合Copula-SV-t模型,根据投资组合VaR值的蒙特卡洛模拟过程,分别计算出两种类型混合Copula模型下投资组合的VaR值。由第一类混合Copula模型对两种外汇资产的相依结构建模,通过AIC检验,结果表明基于S-AIC方法构造的混合Copula模型对变量之间的相关结构拟合度最好。然后通对投资组合进行风险测度,并在风险最小原则下确定最佳投资比例。由VaR值与收益率标准差的比值结果表明所构造的两个混合Copula-SV-t模型均能比单Copula模型能更精确地估计组合风险VaR值。同样,由基于分布构造的混合Copula模型对两种外汇资产进行相依结构建模,然后通过VaR值的计算和分析,结果表明在不同的置信水平下,该类混合Copula模型也比单一Copula模型能更精确地估计组合风险VaR值,从而能更有效地管理投资组合的风险。