研究基于Copula-EVT模型对股指在险价值计量-网

论文导读：关键词：风险管理论文VaR、CVaR、极值论述论文Copula函数论文本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6Abstract6-11第一章绪论11-181.1探讨背景11-121.2风险测度的概述12-141.

2.1风险的定义121.2风险测度策略12-141.3探讨策

摘要：随着金融全球化进程的加速,金融市场面对的风险日益复杂化和多样化,有效的进行风险管理成为金融行业的重中之重。而风险管理的关键在于对风险价值的测量,如何精确的度量不同形式的风险成为学术界和金融界关注的热点和难点。本论文搜集了全球主要的六支股指,以不同的投资决策出发,全而系统的运用不同的策略针对不同形式的资产价值估算风险价值。本论文有两条主线：一是资产形式,单一资产资产形式如沪深300,如果观察时变风险,本论文采取基于GARCH类模型的参数估计法来估计其时变风险,如果投资者侧重于关注极值风险,本论文运用极值论述来求其极值风险；对于资产组合形式,投资者或者投资机构不仅关注每项资产间的相关联系,还重视其相关方式,本论文结合极值论述与Copula函数论述来求其在险价值。二是估计策略,本论文按照以参数估计到半参数估计到非参数估计的思路对针对不同的投资决策来估计风险价值。看似是对风险测度策略的讨论,实则以探讨策略为技术支撑来达到精确测度风险价值的目的。大量的探讨成果表明：金融时间序列收益率的分布呈现尖峰厚尾、波动的集聚性等特点,而不是传统假设的正态分布。针对这一特点本论文的第三三章以讨论了沪深300的收益特点并在估算在险价值。本论文采取偏态t分布下的FIGARCH模型来估计时变VaR。检验结果表明偏态t分布下的VaR估计优越于传统的正态分布、学生t分布、GED分布下的估计值。在金融风险的管理中,投资者往往更关注极值事件,所以如何合理的刻画极值分布,求出极值情况下的风险价值尤为重要。本论文第四章利用极值理分别描述所搜集的六支股指的尾部分布情况并估计出VaR、CvaR。根据风险分散化原理,大多数投资者都会进行多元化的投资,以降低风险。这牵涉到多元极值的不足,第五章在极值论述的基础之上引入Copula函数论述,来简化多元极值不足。采取Copula-EVT模型浅析由搜集到的六支股指等权重组成的资产组合的风险价值。失败率检验的结果表明：在95%和99%的显著性水平下,失败率和显著性水平都很接近,说明多元t-Copula模型能较好的描述多资产的相依性结构,Copula-EVT的模型选择适宜。本论文的最后对全文做了进行了总结,浅析了本论文探讨的不足之处,在极值论述和Copula论述的探讨近况之上对未来的探讨方向做了展望。关键词：风险管理论文VaR、CVaR、极值论述论文Copula函数论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-11
第一章 绪论11-18

1.1 探讨背景11-12

1.2 风险测度的概述12-14

1.2.1 风险的定义12

1.2.2 风险测度策略12-14

1.3 探讨策略和本论文的框架14-18

1.3.1 探讨对象14-15

1.3.2 探讨策略15-16

1.3.3 本论文的框架16-18

第二章 论述策略介绍18-32

2.1 VaR论述18-22

2.

1.1 VaR的定义18-19

2.

1.2 VaR的优缺点19-20

2.

1.3 一致性风险测度CVaR20-21

2.

1.4 VaR的估计策略21-22

2.2 极值论述22-26

2.1 极值渐近分布22-23

2.2 POT模型的论述基础23-24

2.3 POT模型的建立和求解24-26

2.3 Copula函数论述26-31

2.3.1 Copula的由来和定义26

2.3.2 Copula函数的基本性质26-27

2.3.3 Copula函数的分类27-31

2.4 本章小结31-32

第三章 偏态t分布下基于FIGARCH模型的时变VaR计算32-45

3.1 VaR的探讨近况32-33

3.2 时变VaR的思路框架33-35

3.3 FIGARCH论述模型35-38

3.1 FIGARCH模型35-36

3.2 时变VaR的计算36-37

3.3 精确性检验——Kupiec检验37-38

3.4 实证浅析38-44

3.4.1 数据特点38-40

3.4.2 FIGARCH模型的估计40-41

3.4.3 VaR的估计以及检验41-43

3.4.4 结论43-44

3.5 本章小结44-45

第四章 极值论述对单变量股指风险价值的计算45-57

4.1 极值论述在金融市场中的运用45-46

4.2 单变量极值风险建模步骤46-47

4.

2.1 POT模型的计算步骤46

4.

2.2 建模流程图46-47

4.3 数据描述47-49
4.

3.1 样本的选取和预处理47

4.

3.2 数据特点描述47-48

4.

3.3 厚尾性检验48-49

4.4 参数的估计49-53

4.1 阈值u的估计49-50

4.2 拟合检验50-52

4.3 参数ξ,σ的估计52-53

4.5 VaR、CVaR的估计和检验53-55

4.5.1 VaR、CVaR的估计53-54

4.5.2 VaR、CVaR的检验54-55

4.6 本章小结55-57

第五章 Copula-EVT模型对股票指数风险价值度量57-70

5.1 Copula函数的引入57-58

5.

1.1 Copula函数论述在金融中的运用57-58

5.

1.2 Copula-EVT模型的建模步骤58

5.2 滤波及CDF的估计58-65
5.

2.1 数据的预处理58-59

5.

2.2 TGARCH模型估计59-64

5.

2.3 CDF的估计64-65

5.3 Copula函数的选择及其参数估计65-67
5.

3.1 Copula函数的选择65-66

5.

3.2 多元t-Copula函数的参数估计66-67

5.4 资产组合的VaR、CVaR的估计和检验67-69
5.

4.1 资产组合的VaR、CVaR的估计67-68

5.

4.2 VaR、CVaR的检验68-69

5.5 本章小结69-70
第六章 总结与展望70-73

6.1 主要结论70-71

6.2 本论文的不足与展望71-73

参考文献73-79
致谢79-80
硕士期间发表论文情况80