论文部分内容阅读
资产间相关性的研究在金融数量分析上具有至关重要的作用。如今对单个资产风险的度量已经不能满足投资者的需求了,投资组合的风险研究已受到学术界广泛的关注,然而资产间的相关关系却在很大程度上影响着VaR值的计算。传统的投资组合理论认为,资产间的联合分布服从多元正态分布,并且资产间的相关性可以通过线性相关系数来描述,投资者可以通过投资于相关性较低的不同资产来规避风险。然而在现实的金融市场中常常会发生这样一种现象:即对于两个不同的金融市场,它们具有完全不同的线性相关性的,但发生极端事件的数量却几乎是相同的。这种现象说明了线性相关系数存在不适用性。近年发展起来的,一种新的度量金融变量间相关关系的工具——Copula函数,与线性相关系数相比具有更加灵活和准确的优势。通过对国内Copula函数的研究分析,我们发现目前常用于金融资产相关性研究的Copula函数为正态Copula函数和t-Copula函数,但它们都只能描述资产间的对称相关性。于是本文在对Copula函数理论进行阐述的基础上,引入了能描述变量间非对称性关系的skst-Copula函数,并结合GARCH模型建立了skst-Copula-GARCH模型,分析了中国资本市场中上证综合指数和深证综合指数的相关性,该模型对边际分布运用了GARCH模型,对联合分布运用了skst-Copula函数。在比较了其他几种Copula-GARCH模型之后,发现skst-Copula-GARCH模型能更好的刻画中国资本市场中上证综合指数和深证综合指数间的尾部相关性和非对称相关性。本文同时结合skst-Copula-GARCH模型对中国资本市场投资组合进行了VaR计算研究,并且从事后检验的结果上看,由于该模型更容易捕捉到尾部极值,从而避免由于对风险极值的拟合不当而引起的失误,得到更准确、更稳健的VaR值并有效控制了风险。