论文部分内容阅读
金融风险测度一直以来都是现代金融风险管理的重要内容。量化金融资产的风险,对金融风险控制具有很重要的意义。鉴于金融资产数据大多具有尖峰、厚尾以及波动集聚性等特征,在对其进行建模量化资产风险时,就需要根据资产数据特征来选定合适的模型和分布假定。现阶段主要使用VaR方法量化金融资产或者资产组合风险值,使用的模型大多是GARCH族模型、Copula函数以及两者的结合,并在不同的分布假定下,求解VaR值。尤其是在分布假定方面,学者们在进行深入研究的基础上,使用了厚尾的t分布、GED分布以及极值分布等分布形式来更好的拟合数据,构建模型。在资产组合中,每一资产数据都可能拥有各自不同的特征,因而需要对每一资产收益数据进行分布拟合,确定其所更接近的分布模型,最终由Copula函数进行组合得到联合分布函数。由此可以得到更加充分考虑资产组合中各个资产数据特征的GARCH-Copula模型,进而得到的在险价值VaR将更加有效。针对金融资产组合中各个资产数据特征,论文使用具有厚尾特性的t分布和GED分布来对样本数据进行拟合,之后构建基于t分布和GED分布的GARCH-Copula模型,得到资产组合模拟收益率数据的VaR;作为对比,论文同时分别使用基于t分布的GARCH-Copula模型和基于GED分布的GARCH-Copula模型,用于测度资产组合的VaR;论文也引入基于GARCH模型和不同分布假定的计算VaR的简单方法。论文正是在较为充分考虑资产组合中单个数据特征的前提下,选用更适合资产分布假定以及结合GARCH模型,描述数据所特有的波动集聚性的同时,构建一个稳健的模型,用于测算资产组合的VaR。同时结合每一资产数据服从的分布,使用合适的Copula函数对其进行组合,得到基于t分布和GED分布组合的GARCH-Copula模型,以测度资产组合的VaR。