论文部分内容阅读
本文以现代金融理论和金融工程方法为基础,主要围绕VaR及CVaR,系统地利用Copula函数建立度量投资组合市场风险的模型,并应用于投资组合的实际构建当中。
首先对国际上主要的投资组合市场风险度量方法的演变过程进行了归纳总结,分析其优点及缺点,然后重点地对核心的VaR和CVaR风险度量方法进行了比较,指出CVaR方法不仅保留了VaR的优点,还克服了VaR的局限性,用CVaR对风险进行度量更具意义。
然后系统地介绍了Copla函数的基本理论,包括定义、性质、种类、参数的估计及在相关性分析和风险管理上的应用等等,对常见的两种椭圆Copula和三种阿基米德Copula函数进行了一个简单的比较,说明它们在捕捉相关性方面各自的特点,从而为实证分析当中选择合适的Copula函数提供了一定的理论依据。
接着通过采用极值理论和经验分布相结合的半参数方法对收益率的边际分布进行建模,然后选用合适的Copula函数把个边际分布连接在一起得到所需要的联合分布函数,再通过蒙特卡罗模拟的方法产生足够多的样本点方便地计算出投资组合的VaR及CVaR值。实证分析的结果表明基于Copula函数的风险度量计算方法能准确地捕捉数据分布的特点,对比传统的基于正态分布的风险度量计算更能反映资产收益尾部风险的存在。
最后进一步从二元投资组合扩展到多元投资组合,并在均值一方差模型的基础上建立了基于Copula函数的均值—CVaR模型,利用最优化方法求出了资产组合的有效边界和引入无风险时最优的风险资产投资组合,并与同样基于Copula函数的均值——方差模型进行了比较。实证分析的结果表明不同的风险度量下,基于均值——CVaR模型的最小风险收益要高于基于均值——方差模型,引入无风险资产也得出同样的结论。因此,基于Copula函数的均值——CVaR模型将更有效地提高投资组合管理的绩效。