基于多元Copula贝叶斯随机波动模型的投资组合研究

论文摘要

近年来随着我国金融市场及金融体系的不断完善和发展,越来越多的个人和机构投资者开始参与到证券市场中来。然而任何投资都是有风险的,自1952年亨利·马克维茨创立投资组合理论以来人们意识到多样化的投资组合有利于降低风险,而且以此为起点许多学者都进行了相关的研究,并取得了很多有意义的成果。随着对金融时间序列研究的深入,人们发现传统的投资组合理论在刻画金融资产收益率的统计特征时存在较大的局限性。一方面,金融资产的回报分布并非服从正态分布,而是具有分布的尖峰厚尾性、波动的时变聚集性以及杠杆效应等特征,另一方面各资产收益之间不仅存在线性关系而且存在非线性关系。基于此本文将选用在描述金融资产收益率波动方面有优势的SV模型和在度量资产间相关性方面有优势的Copula函数来研究这一问题。本文首先对随机波动理论、Copula函数以及金融市场风险测度理论进行了较全面的回顾。在此基础上应用杠杆SV-t模型对边际金融资产收益率建模,并利用相应的Copula函数对资产之间的相关性进行研究建立了多元Copula杠杆厚尾随机波动模型。实证研究选用深圳成指中的三只指数作为研究对象。首先用杠杆厚尾随机波动模型对各单只指数的收益率进行建模,然后将几种不同的Copula函数分别与数据拟合,在此基础上选出最优拟合Copula函数。最后对所建立的模型运用Monte Carlo模拟方法计算在不同置信度水平下资产组合的风险价值VaR和CVaR,并给出相应的最优投资比例。实证检验表明本文建立的多元Copula杠杆厚尾随机波动模型是有效的,能够为投资者的决策提供指导,便于投资者对组合的整体风险进行分散和控制。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 文献综述
• 1.3 研究思路与研究内容
• 1.3.1 研究思路
• 1.3.2 研究内容
• 第2章 相关理论与技术方法
• 2.1 投资组合风险测度理论
• 2.1.1 波动性方法
• 2.1.2 灵敏度方法
• 2.1.3 风险价值测度方法
• 2.2 随机波动模型及其估计
• 2.2.1 随机波动模型
• 2.2.2 随机波动模型的贝叶斯估计
• 2.3 Copula函数及其特征分析
• 2.3.1 Copula函数优良的统计特性
• 2.3.2 多元Copula函数及其基本性质
• 2.3.3 基于Copula函数的一致性相关测度
• 2.3.4 基于Copula函数的尾部相关测度
• 2.3.5 Copula函数参数估计
• 第3章 资产联合分布模型构建与风险测度
• 3.1 基于随机波动模型的资产边缘分布建模
• 3.1.1 资产边缘分布选择
• 3.1.2 资产边缘分布估计
• 3.2 基于Copula函数的资产联合分布构建
• 3.2.1 Copula函数选取
• 3.2.2 多元资产联合分布的构建与估计
• 3.2.3 模型检验与评价
• 3.3 投资组合风险测度与最优投资权重选取
• 3.3.1 基于VaR的最优投资比例
• 3.3.2 基于CVaR的最优投资比例
• 第4章 基于深圳行业指数的实证研究
• 4.1 样本数据选取及其统计特征分析
• 4.1.1 数据选取
• 4.1.2 统计特征分析
• 4.2 边缘分布贝叶斯估计
• 4.2.1 收敛性诊断分析
• 4.2.2 参数估计结果与检验
• 4.3 组合联合分布函数构建及风险价值计算
• 4.3.1 最优拟合Copula函数选择及其估计
• 4.3.2 投资组合风险价值及最优投资比例
• 4.3.3 VaR和CVaR的检验
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的论文