發(fā)布時(shí)間：2020-09-30 17:17

　　 資產(chǎn)組合風(fēng)險(xiǎn)管理的核心內(nèi)容是組合風(fēng)險(xiǎn)的識(shí)別和估計(jì).調(diào)整組合權(quán)重的配置,從而規(guī)避風(fēng)險(xiǎn)。本文基于familyGARCH族模型和R-VineCopula理論,針對(duì)“高維”、“期貨”、“組合”、“風(fēng)險(xiǎn)”四個(gè)典型特征,構(gòu)建了組合風(fēng)險(xiǎn)估計(jì)模型,在量化組合風(fēng)險(xiǎn)的基礎(chǔ)之上優(yōu)化權(quán)重配置,從而達(dá)到管理組合風(fēng)險(xiǎn)的目的,為風(fēng)險(xiǎn)管理活動(dòng)中的決策提供參考。在模型構(gòu)建方面,本文基于ARMA-fGARCH模型以及偏態(tài)t分布描述多維變量的邊緣分布,并根據(jù)參數(shù)檢驗(yàn)思想提出了 fGARCH族內(nèi)模型的選擇方法。為了解決高維情況下的相關(guān)結(jié)構(gòu)分析問(wèn)題,本文將R-Vine Copula理論應(yīng)用于高維分布相關(guān)結(jié)構(gòu)的描述,并且使用蒙特卡羅模擬的方式模擬出其聯(lián)合分布。對(duì)于組合風(fēng)險(xiǎn)的度量方式,本文以VaR作為標(biāo)準(zhǔn),并且根據(jù)期貨雙向交易特征修正了計(jì)算方式,接著構(gòu)建出mean-VaR組合優(yōu)化模型,最后以隨機(jī)搜索方法求出組合的有效前沿,使組合風(fēng)險(xiǎn)管理者可以根據(jù)有效前沿選擇合適的風(fēng)險(xiǎn)估計(jì)模型,并配置組合權(quán)重,最終形成高維期貨組合風(fēng)險(xiǎn)模型。在實(shí)證研究方面,本文選擇中國(guó)期貨市場(chǎng)2010年來(lái)滿足數(shù)據(jù)篩選條件的全部18個(gè)期貨品種組成高維期貨組合,對(duì)其應(yīng)用本文提出的模型估計(jì)組合風(fēng)險(xiǎn),并對(duì)模型作相應(yīng)的統(tǒng)計(jì)檢驗(yàn),并且分析本文模型在組合風(fēng)險(xiǎn)管理中相對(duì)于以往模型更加優(yōu)秀的適用范圍,同時(shí)研究中國(guó)期貨市場(chǎng)的特點(diǎn)。本文通過(guò)實(shí)證研究最終得出以下實(shí)證結(jié)論:第一,中國(guó)期貨市場(chǎng)的期貨品種的金融序列具有不同的性質(zhì),在“尖峰厚尾”、“波動(dòng)率聚集”和“杠桿效應(yīng)”等金融序列經(jīng)驗(yàn)特征上的表現(xiàn)不一致;第二,中國(guó)期貨市場(chǎng)的相關(guān)結(jié)構(gòu)中,并不存在相關(guān)性權(quán)重較大的“中心”;第三,本文提出的模型在1%水平上是對(duì)組合風(fēng)險(xiǎn)估計(jì)有效的模型,但存在略微低估風(fēng)險(xiǎn)的情況;第四,相較于其他模型,本文提出的模型在高風(fēng)險(xiǎn)偏好區(qū)域?qū)︼L(fēng)險(xiǎn)的估計(jì)更為保守,所以組合風(fēng)險(xiǎn)管理者傾向于選擇本文模型來(lái)管理高風(fēng)險(xiǎn)偏好的資產(chǎn)組合。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：F724.5;F272.3
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 研究的創(chuàng)新
    1.4 研究思路和框架
第二章 文獻(xiàn)回顧
    2.1 關(guān)于組合風(fēng)險(xiǎn)的相關(guān)研究
    2.2 關(guān)于時(shí)間序列建模的相關(guān)研究
    2.3 關(guān)于Copula方法的相關(guān)研究
第三章 模型相關(guān)理論的分析
    3.1 金融時(shí)間序列波動(dòng)模型
        3.1.1 ARMA
        3.1.2 GARCH
        3.1.3 family GARCH
    3.2 Copula理論及其衍生模型
        3.2.1 橢圓Copula族與阿基米德Copula族
        3.2.2 R-Vine Copula
    3.3 組合風(fēng)險(xiǎn)的度量方法
第四章 組合風(fēng)險(xiǎn)模型的構(gòu)建
    4.1 基于ARMA-fGARCH的時(shí)間序列
    4.2 邊緣分布的選擇
    4.3 基于R-Vine Copula的相依結(jié)構(gòu)
    4.4 基于VaR的組合風(fēng)險(xiǎn)估計(jì)
    4.5 基于mean-VaR的組合權(quán)重求解
    4.6 綜合模型
第五章 實(shí)證研究
    5.1 數(shù)據(jù)選擇
    5.2 描述性統(tǒng)計(jì)
    5.3 邊緣分布
    5.4 相關(guān)結(jié)構(gòu)
    5.5 組合風(fēng)險(xiǎn)
第六章 總結(jié)及展望
    6.1 研究結(jié)論
    6.2 不足與展望
參考文獻(xiàn)
附錄
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃金波;李仲飛;姚海祥;;基于CVaR兩步核估計(jì)量的投資組合管理[J];管理科學(xué)學(xué)報(bào);2016年05期

2 趙魯濤;李婷;張躍軍;魏一鳴;;基于Copula-VaR的能源投資組合價(jià)格風(fēng)險(xiǎn)度量研究[J];系統(tǒng)工程理論與實(shí)踐;2015年03期

3 周孝華;張保帥;董耀武;;基于Copula-SV-GPD模型的投資組合風(fēng)險(xiǎn)度量[J];管理科學(xué)學(xué)報(bào);2012年12期

4 吳吉林;張二華;;基于機(jī)制轉(zhuǎn)換混合Copula模型的我國(guó)股市間極值相依性[J];系統(tǒng)工程理論與實(shí)踐;2012年08期

5 龔金國(guó);史代敏;;時(shí)變Copula模型的非參數(shù)推斷[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年07期

6 黃恩喜;程希駿;;基于pair copula-GARCH模型的多資產(chǎn)組合VaR分析[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2010年04期

7 金博軼;;基于Copula的投資組合均值-CVaR有效前沿分析[J];統(tǒng)計(jì)與決策;2010年02期

8 周昭雄;王劍;;基于GARCH-VaR模型的ETF基金市場(chǎng)風(fēng)險(xiǎn)的實(shí)證分析[J];工業(yè)技術(shù)經(jīng)濟(jì);2010年01期

9 韋艷華,張世英;金融市場(chǎng)的相關(guān)性分析——Copula-GARCH模型及其應(yīng)用[J];系統(tǒng)工程;2004年04期

10 張堯庭;連接函數(shù)(copula)技術(shù)與金融風(fēng)險(xiǎn)分析[J];統(tǒng)計(jì)研究;2002年04期

本文編號(hào)：2831127