论文部分内容阅读
随着金融市场的不断变化,准确度量风险已成为有效管理风险和投资者做出合理决策的基础。为有效对由金融资产价格波动所带来的风险进行规避和对冲,建立一个可靠和精确的数学模型去度量金融市场投资组合的风险,进而提高投资组合的度量精度是十分重要的。根据现有的风险度量与评估研究,VaR (Value-at-Risk,风险价值)方法是一种国际上较为流行的风险管理标准,可以有效地度量股票投资组合的风险。与传统的金融风险度量模型相比,这种方法可以涵盖影响金融资产的各种不同市场因素,同时还可以度量非线性的风险问题,具有更大的适应性与科学性。然而,由于金融市场具有复杂化、多样化的特点,使得金融资产之间的相依性显著增强,尤其是在市场处于低迷时期(熊市)时,金融资产间的相依关系会比活跃时期(牛市)较大。因此度量金融资产之间的相关性对研究风险管理、资产定价、投资组合分析等问题非常重要。在刻画随机变量间相关性方面,Copula函数是一种有效的建模方法,不但能反映它们的线性或非线性、对称或非对称的相依关系,而且还能捕捉到它们间的尾部相依关系。基于此所建的模型已被普遍地应用到金融市场的分析中。此外,多尺度分析框架是一个复杂系统的有效分析手段,能有效地提高投资组合风险的度量精度。其中,经验模态分解(EMD)模型作为有效的多尺度分析方法,能较为准确地反映原始数据的物理特性,特别在处理非线性非平稳数据方面具有较高的拟合度。以及之后对EMD进行扩展,提出的二元EMD算法,可有效解决EMD方法在处理二元数据分析时所存在的模式混叠与尺度不对齐等问题。对此,为提高估计精度,本文将引入二元EMD算法,以构建新的多尺度股票投资组合风险度量模型。因此,本文将基于有效的风险度量Copula-GARCH模型,以及多尺度分析二元EMD算法,提出一种新的基于EMD-Copula-GARCH的风险度量模型用于估计股票投资组合的VaR。首先,结合二元EMD算法与Copula理论探讨股市间微观相关结构的特征。其次,构建一种基于二元EMD-Copula-GARCH的VaR风险度量模型,对股票市场中所存在的风险进行预测,并与现有的风险度量模型的VaR结果相比较,最后通过实证分析证明了EMD-Copula-GARCH模型在股票市场风险预测方面的有效性。