论文部分内容阅读
金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。因此,本文结合Copula理论和ARFIMA-GARCH模型建立了多变量金融资产投资组合的风险值度量模型。建立ARFIMA-GARCH-Copula模型研究沪深股市的相关结构和等权重资产组合风险值VaR,并利用该模型对上海综合指数和深圳成分指数收益率的组合进行了实证研究。采用R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。并采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明：沪深股市具有长记忆性,且两者具有对称的尾部相关性；Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险值。考虑到分析三个金融资产的投资组合时两两金融资产服从的Copula函数并不一定相同,从而本文还利用构造多元随机变量相关结构的Pair Copula方法和ARFIMA-GARCH模型相结合建立了ARFIMA-GARCH-Pair-Copula模型研究计算以上海综合指数、深圳成分指数以及香港恒生指数收益率序列构建资产组合的风险值VaR。ARFIMA-GARCH模型刻画各资产收益率序列的波动,根据变量间相关性强弱选出主节点,通过各变量间的散点图选择合适的Pair Copula函数。以此建立的模型不仅考虑了各资产收益率的长记忆性、异方差性、而且能捕捉到资产组合间的相关性,从而更好地描述资产组合的联合分布,计算风险值VaR。实证分析结果表明：相比基于多元正态Copula和多元t-Copula方法的VaR模型,该模型在描述高维相关结构时更加灵活。相比于零阶差分和一阶差分,利用分数阶差分后的收益率序列进行风险值计算更贴近Variance-Covariance计算的风险值。