论文部分内容阅读
文中采用EGARCH-M模型进行了单个资产建模,及用M-Copula函数构建了多个资产的联合分布,对基于GED分布的联合资产收益率构建了M-Copula-EGARCH-M模型,并采用Monte Carlo模拟方法计算出不同投资比例和置信水平的组合风险VaR和CVaR的值,并求出不同期望收益和置信水平下的最优组合投资权重。实证结果表明,本文模型有利于投资者对投资权重的选择。同时,由于金融资产不但存在方差风险,还存在时变偏度风险和时变峰度风险,这使得仅从金融资产的前两阶矩出发来研究风险变化显得十分局限。GJRSK-M模型是描述金融资产的高阶矩风险的有效工具,可对单个金融资产的分布进行拟合,而M-Copula函数能连接组合金融资产的边缘分布,因此本文又建立了M-Copula-GJRSK-M模型来研究沪深两股票市场的相依性。实证表明,上证综指和深圳成指对数收益率存在高阶矩风险和风险的非对称性,即指数下跌时,条件方差风险和条件高阶矩风险会增大。本文研究成果如下:①提出了基于M-Copula-EGARCH-M-GED的投资组合模型。选用能刻画风险溢价的EGARCH-M模型对各单个资产收益率进行建模,选用M-Copula作为联合分布连接函数,用遗传算法对模型中参数进行计算,用基于GED分布的CVaR度量风险,利用Monte Carlo方法模拟求得不同投资比例和置信水平下的VaR和CVaR值,求出不同期望收益和置信水平下的最优组合投资权重。②提出了基于M-Copula-GJRSK-M模型对沪深两市的相依性进行分析。选用GJRSK-M模型刻画资产组合的边缘分布,以反映单个资产价格波动的高阶矩风险的时变性和非对称性,再结合混合Copula函数建立M-Copula-GJRSK-M模型来研究组合资产的相依结构并展开实证研究。③根据金融市场投资的联动性和相关性,引入能够囊括各种相关结构变化的三种阿基米德Copula函数,即选用了Gumble、Clayton和Frank Copula函数的线性组合来构造混合Copula函数。由此更为灵活的描述具有复杂相关关系的事物之间的关联度,如金融市场之间的相关关系。④采用一个服从2分布的M经验统计量来评价M-Copula函数的拟合度,从而刻画金融市场之间的相关模式;采用Ljung-Box Q检验法和K-S检验法对EGARCH-M模型的残差序列的相关性和误差分布的拟合度进行检验,进而对EGARCH-M合理性进行验证;运用Gram-Charlier以及Leon对其定义式做了修正,利用正态分布展开对GJRSK-M模型进行估计,从而能够更精准的捕捉到尾部分布和峰度的陡缓。⑤选取中国证券市场中具有代表性的上证综指和深圳成指,利用统计和数据处理软件,对本文提出模型、方法以及所得结论进行实证分析,实证结论与理论推导结论吻合。