论文部分内容阅读
随着全球金融一体化的不断发展,各金融资产间的相关性也变得日益紧密和复杂,势必影响到组合投资绩效。因此,有效地刻画金融资产间相关关系,对投资者而言至关重要。考虑到金融资产间相关结构的非线性和时变性特征,本文建立时变多元Copula模型,来研究金融资产间的时变相关性,有利于组合投资模型的构建。同时,考虑到投资者不同风险偏好,在组合投资模型中,引入风险厌恶参数,提高组合投资决策的实用性。具体地,论文主要开展了以下两个方面的研究工作:(1)为了克服传统组合投资决策模型的正态性假定和线性相关假定的缺陷,本文提出D-Vine Copula-CAViaR方法来估计多个金融资产的条件联合分布,同时构建基于广义Omega 比率的组合投资决策模型,根据模拟退火算法给出其求解方案,实现多个金融资产的组合投资决策。首先,通过CAViaR模型模拟单个金融资产的边际分布。其次,利用D-Vine Copula估计多个金融资产的联合分布,根据估计的多元条件联合分布,模拟金融资产的收益变动规律。然后,考虑到投资者不同的风险偏好,在组合投资决策模型中,引入风险厌恶参数,并求解组合投资决策模型。最后,对世界范围内的五个金融资产进行实证研究。结果表明,利用D-Vine Copula-CAViaR模型进行组合投资决策,可以获得更好的投资绩效。(2)为了有效刻画多个金融资产之间的时变相依结构,并研究其影响因素,本文提出时变多元Copula-MIDAS-GARCH模型。首先,通过时变多元Copula-MIDAS-GARCH模型研究低频变量和高频变量对多个金融资产间时变相依结构的影响。其次,构建基于VaR的多元组合投资决策模型,来比较不同模型之间的组合投资绩效。最后,对中国资本市场上三个金融资产进行实证研究。结果表明,多元时变相依结构对金融危机有一定的预测作用,并且该模型还可以得到更好的组合投资绩效。本文构建了基于多元Copula函数的组合投资决策模型,有效地解决了多个资产间非线性时变相关结构刻画问题以及组合投资优化问题,丰富了组合投资决策研究内容。本文实证研究结果,既可以给金融行业监管者提供决策参考,也可以为投资者提供资产合理配置的建议。