论文部分内容阅读
金融市场风云变幻,2008年以来中国经历了两次比较大的经济波动,也反射出证券市场的系统性风险和指标监控的匮乏。对于投资者来说,如何在这样的市场环境中规避风险,获取收益是最关注的问题,在我国股票市场和债券市场的分割较为明显,但是两个市场又同时组成了资本市场的两大支柱,所以研究两者之间的关联关系,并且从投资组合的角度对投资者做出建议是十分具有现实意义的。随着研究的加深,研究者发现市场之间并不是简单的Granger因果关系或者线性相关关系,存在着“非正态性”“非对称性”“尖峰厚尾”和“波动聚集性”等特点,而Copula函数由于其对边缘分布没有要求,可以直接对相关关系进行建模等优势,在对金融时间序列相关性的刻画上发挥着重大的作用。在理论方面,本文描述分析了五种静态Copula函数、一种混合Copula函数,三种藤结构Copula函数以及三种动态Copula函数的定义和性质,并且介绍了风险度量的相关理论。在实证方面,本文选取上证指数、深证综合指数和中证债券综合指数为研究对象,上证指数和深证综合指数代表股票市场趋势和波动,中证债券综合指数是衡量债券市场趋势和波动的重要指数,由于影响的滞后效应和保证数据的连续性,本文未对数据非同期进行删减,首先对两个市场2008年来的发展现状和波动情况进行了定性的描述,之后用GARCH(0,4)-t模型来拟合上证指数的边缘分布,用GARCH(3,0)-t模型来拟合中证债券指数的边缘分布,用GARCH(1,1)-t模型来拟合深证指数的边缘分布,在验证股票市场和债券市场相依性方面,本文选取三种指数通过五种静态模型和三种藤结构Copula函数来验证,并对模型拟合效果进行分析;在对动态模型性质的研究中,我们选择上证指数和深证综合指数,并用三种时变模型并和一种静态混合Copula模型来拟合,对比分析选择出拟合效果最好的模型,最后实现Copula函数和风险价值的结合,根据历史收益率,通过蒙特卡罗方法随机产生服从GARCH-t边缘分布和Copula联合分布的随机数列,计算等比重下的Va R和CVaR的值,通过失败率检验的方法进行检验拟合的效果,并通过10000次的模拟进行投资组合的优化,选择出最优的投资组合。通过研究发现,在静态Copula中,相比椭圆类Copula函数,阿基米德Copula函数更能拟合收益率序列的“非对称性”和“尖峰后尾”的特征,而三种藤结构的Copula函数拟合的效果优于任何单一的静态模型。在对上证指数和深证指数进行静态混合Copula模型和时变SJC Copula模型的拟合后,发现时变SJC Copula模型更能衡量出时间序列之间不断变化的相依关系;基于藤结构Copula模型研究了股票和债券市场的最优配比,并对比了Copula-mean-Variance模型和mean-CVa R模型,验证了CVa R在衡量风险上的优越性。同时可以看到随着对于期望收益率的提高,最优的投资组合会向股票市场发生偏移,而且具有厚尾特征的股票的占比就会增大。