试述极值基于GARCH-GPD-COPULA函数资产组合风险
最后更新时间:2024-03-12
作者:用户投稿本站原创
点赞:14719
浏览:60919
论文导读:
摘要:随着金融市场的不断变化,金融资产之间的相关联系越来越复杂,呈现出非线性、非对称性和尾部相关的特性,基于线性相关联系的浅析策略有的时候不能准确反映金融市场的相关联系,同时现实中金融资产收益率有着尖峰厚尾的特点,显著具有非正态特性与非线性相关,由此有时候采取传统VaR计算策略不尽合理,这时有必要采取合理的策略描述收益率的实际分布与相关性。而运用COPULA函数策略可以构造灵活的多元分布函数,很好的描述金融资产收益率的真实分布与相关联系,以而可以建立起更为有效的风险度量模型,所以运用COPULA函数探讨金融资产风险价值具有重要的论述价值与运用作用。论文首先介绍了GARCH模型族,并且对GARCH模型残差的分布进行了探讨,引入了两种厚尾分布t分布与GED分布;然后给出了广义帕累托分布(GPD)的定义和阀值的选择策略;接着本论文详细的介绍了COPULA函数的定义、性质以及常用的五种COPULA函数,并且给出了COPULA函数的估计策略,以及最优COPULA函数的选择策略。在此基础上,引入了GARCH-COPULA、GPD-COPULA和GARCH-GPD-COPULA三种计算风险价值的VaR模型。在实证部分首先运用历史模拟法与浅析法计算出资产组合在不同分位数下的风险价值(VaR)。然后,运用蒙特卡洛模拟法计算出三种模型GARCH-COPULA、GPD-COPULA、GARCH-GPD-COPUL对应的风险价值(VaR)。最后,对五种结果在1%,2%,3%,4%,5%,10%分位数下的VaR运用失败频率法加以检验,并且进行比较,实证结果表明基于GARCH-GPD-COPULA策略计算的VaR在样本内失败率是最低的,说明它估计的风险价值最接近真实风险价值。本论文的革新主要体现在以下几个方面:(1)系统全面的总结了COPULA函数的定义,分类以及估计策略。(2)在运用GARCH模型对边缘分布进行拟合时,考虑了残差在正态分布,t分布与广义误差分布(GED)的不同情况,最后选择出最优的GARCH模型。(3)在前人对COPULA函数探讨的基础上,将CARCH-COPULA和GPD-COPULA进行结合,提出了GARCH-GPD-COPULA函数,并进行了相应的实证浅析。关键词:COPULA函数论文条件异方差模型论文广义极值分布论文风险价值论文
本论文由www.7ctime.com,需要论文可以联系人员哦。内容摘要4-5
Abstract5-10
第1章 导论10-23
4.
参考文献100-103
后记103
摘要:随着金融市场的不断变化,金融资产之间的相关联系越来越复杂,呈现出非线性、非对称性和尾部相关的特性,基于线性相关联系的浅析策略有的时候不能准确反映金融市场的相关联系,同时现实中金融资产收益率有着尖峰厚尾的特点,显著具有非正态特性与非线性相关,由此有时候采取传统VaR计算策略不尽合理,这时有必要采取合理的策略描述收益率的实际分布与相关性。而运用COPULA函数策略可以构造灵活的多元分布函数,很好的描述金融资产收益率的真实分布与相关联系,以而可以建立起更为有效的风险度量模型,所以运用COPULA函数探讨金融资产风险价值具有重要的论述价值与运用作用。论文首先介绍了GARCH模型族,并且对GARCH模型残差的分布进行了探讨,引入了两种厚尾分布t分布与GED分布;然后给出了广义帕累托分布(GPD)的定义和阀值的选择策略;接着本论文详细的介绍了COPULA函数的定义、性质以及常用的五种COPULA函数,并且给出了COPULA函数的估计策略,以及最优COPULA函数的选择策略。在此基础上,引入了GARCH-COPULA、GPD-COPULA和GARCH-GPD-COPULA三种计算风险价值的VaR模型。在实证部分首先运用历史模拟法与浅析法计算出资产组合在不同分位数下的风险价值(VaR)。然后,运用蒙特卡洛模拟法计算出三种模型GARCH-COPULA、GPD-COPULA、GARCH-GPD-COPUL对应的风险价值(VaR)。最后,对五种结果在1%,2%,3%,4%,5%,10%分位数下的VaR运用失败频率法加以检验,并且进行比较,实证结果表明基于GARCH-GPD-COPULA策略计算的VaR在样本内失败率是最低的,说明它估计的风险价值最接近真实风险价值。本论文的革新主要体现在以下几个方面:(1)系统全面的总结了COPULA函数的定义,分类以及估计策略。(2)在运用GARCH模型对边缘分布进行拟合时,考虑了残差在正态分布,t分布与广义误差分布(GED)的不同情况,最后选择出最优的GARCH模型。(3)在前人对COPULA函数探讨的基础上,将CARCH-COPULA和GPD-COPULA进行结合,提出了GARCH-GPD-COPULA函数,并进行了相应的实证浅析。关键词:COPULA函数论文条件异方差模型论文广义极值分布论文风险价值论文
本论文由www.7ctime.com,需要论文可以联系人员哦。内容摘要4-5
Abstract5-10
第1章 导论10-23
1.1 探讨背景及作用10-11
1.2 文献综述11-21
1.2.1 COPULA函数相关文献11-17
1.2.2 GPD关文献17-21
1.3 文章结构安排21
1.4 本论新21-23
第2章 GARCH、GPD、COPULA模型论述浅析23-552.1 GARCH族模型概述23-28
2.1.1 ARCH模型23
2.1.2 GARCH模型23-24
2.1.3 GARCH-M模型24-25
2.1.4 EGARCH (Exponential GARCH)模型25
2.1.5 TGARCH模型(Threshold GARCH)25-26
2.1.6 TGARCH(Intergrated GARCH Model)26
2.1.7 几种厚尾分布26-28
2.2 极值分布28-342.1 广义极值分布(GEV)28-30
2.2 广义帕累托分布(GPD)30-31
2.3 GPD分布阀值的选择策略31-34
2.3 COPULA论述34-50
2.3.1 COPULA函数的定义及其本性质34-35
2.3.2 椭圆族COPULA函数35-38
2.3.3 阿基米得COPULA38-43
2.3.4 极值COPULA(extreme value COPULA)43-44
2.3.5 COPULA函数估计策略44-47
2.3.6 最优COPULA函数的选择策略47-50
2.4 相关性浅析50-55
2.4.1 线性相联系数ρ50-51
2.4.2 Kendall 秩联系数τ51-52
2.4.3 Spearman秩相联系数ρ52-53
2.4.4 尾部相联系数53-55
第3论文导读:3浅析法593.2.4三种VaR策略的比较59-603.3COPULA函数资产组合模型60-623.3.1GARCH-COPULA模型603.3.2GPD-COPULA模型60-613.3.3GARCH-GPD-COPULA模型61-623.4VaR的检验策略62-643.4.1Kupiec检验策略62-633.4.2概率p点估计策略63-64第4章实证探讨64-924.1数椐的选择及其统计描述64-734.1.1数据的选择64-654.
章 风险价值(VaR)的探讨策略55-643.1 VaR定义55-56
3.2 VaR计算策略56-60
3.2.1 历史模拟法57-58
3.2.2 蒙特卡罗模拟策略58-59
3.2.3 浅析法59
3.2.4 三种VaR策略的比较59-60
3.3 COPULA函数资产组合模型60-623.1 GARCH-COPULA 模型60
3.2 GPD-COPULA 模型60-61
3.3 GARCH-GPD-COPULA 模型61-62
3.4 VaR的检验策略62-64
3.4.1 Kupiec检验策略62-63
3.4.2 概率p点估计策略63-64
第4章 实证探讨64-924.1 数椐的选择及其统计描述64-73
4.1.1 数据的选择64-65
4.1.2 样本数据统计性描述65-67
4.1.3 样本数据正态性检验67-68
4.1.4 样本数据单位检验68-71
4.1.5 样本数据ARCH效应检验71-73
4.2 运用蒙特卡洛模拟法计算GARCH-COPULA模型的VaR73-774.
2.1 GARCH模型的确定以及参数估计73-75
4.2.2 COPULA函数参数的估计75-76
4.2.3 基于GARCH-COPULA模型运用蒙特卡洛模拟法计算资产组合风险VaR76-774.3 运用蒙特卡洛模拟法对GPD-COPULA模型计算VaR77-81
4.3.1 GPD参数的估计77-81
4.3.2 运用蒙特卡洛模拟法计算GPD-COPULA模型的风险VaR81
4.4 运用蒙特卡洛模拟法GARVH-GPD-COPULA模型的VaR81-844.1 蒙特卡洛策略计算GARVH-GPD-COPULA模型VaR84
4.5 运用历史模拟法计算VaR84-85
4.6 浅析法计算VaR85-87
4.7 VaR有效性检验87-92
4.7.1 VaR有效性检验87-90
4.7.2 VaR样本外数据检验90-92
第5章 结论与展望92-955.1 论文结论92-93
5.2 探讨展望93-95
附录95-100参考文献100-103
后记103