论文部分内容阅读
准确测度风险是金融风险管理的基础与前提。在各种风险测度指标中,风险价值(Value at Risk,VaR)的概念简单易懂,能够将资产组合的风险集成为一个简单的数字,目前已成为市场风险测度的主流方法。虽然VaR在单一资产风险测度方面已经比较成熟,但在投资组合测度方面还面临较大挑战。金融资产收益率序列常常表现出肥尾、偏斜、时变波动、尾部相关和时变相关特征,传统的VaR测度模型不能灵活地描述这些形状特征和动态特征。Copula理论提供了一种灵活的联合分布构造法,而新兴的广义自回归得分(Generalized Autoregressive Score,GAS)理论提供了一种统一的时变参数建模方法,将两者结合可以很好地描述这些特征。在模型构建中,为了反映不同特征在投资组合VaR预测中的作用,将四种边缘分布(正态分布、t分布、偏斜正态分布和偏斜t分布)、两种Copula函数(正态Copula函数和t Copula函数)、两种条件波动模型(常数波动模型和GAS波动模型)与两种条件相关模型(常数相关模型和GAS相关模型)结合,构建了32种联合分布模型。在实证研究中,本文选取了六只巨潮风格指数为研究对象,结合9组权重构造了135种二元投资组合。采用蒙特卡罗模拟和滚动预测方法,计算了多头头寸和空头头寸共20个分位数水平下的VaR值。最后采用无条件覆盖检验、独立性检验和条件覆盖检验比较了不同模型在二元投资组合VaR预测中的表现。实证结果表明:第一,基于偏斜t分布的GAS波动模型可以很好地描述收益率序列的肥尾、偏斜和时变波动特征,在边缘分布拟合和二元投资组合VaR预测中都表现出明显优势。第二,基于t Copula函数的GAS相关模型可以很好地描述收益率序列之间的尾部相关和时变相关特征,在相关结构拟合中表现出明显优势,但在二元投资组合VaR预测中没有表现出明显优势。第三,综合考虑计算负担和VaR预测效果,一种相对合理的选择是边缘分布采用基于偏斜t分布的GAS波动模型,而相关结构采用静态正态Copula模型。