论文部分内容阅读
在过去的几十年,金融市场的相关性被广泛的研究。由于Copula模型不仅考虑金融时间序列间的相关程度,更考虑其相关结构,已经成为研究金融风险领域多元变量相依结构的重要工具,其在风险管理、资产定价、投资组合构建等方面也有着广泛的应用。然而,金融市场或股票之间的相关关系是变化的,不会是某一种特定的形式,当股票市场处于牛市或熊市时,相关股票市场之间的协同运动都会明显增强。这种情况下,很难用某一个单一的Copula函数来全面的刻画金融市场之间的相关模式。Mixture-Copula模型可以包含不同类型的Copula函数,同时Mixture-Copula模型可以通过相关参数可以度量变量间的相关程度,而且线性组合系数即权重可以捕获相依结构的不同模式。之前的Copula函数都是在二元的范围内研究,而现实中往往需要考虑的是多个市场、股票的结构。基于此,本文考虑采用Mixture-Copula模型来分析多元市场的相关性结构。我们选取2002年1月1日至2011年12月31日上证工业指数、商业指数、地产指数三个行业指数序列的2425组数据进行实证分析。对于每一个指数序列分别拟合GARCH类模型来描述边缘分布,选取阿基米德Copula函数中的Gumbel Copula、Clayton Copula和Frank Copula来构造Mixture-Copula模型。实证的结果表明：(1)结合Multivariate-GARCH-Mixture-Copula模型和蒙特卡洛模拟计算的VAR是有效的,而单一结构t-Copula,Gumbel Copula,Clayton Copula,Frank Copula则会低估了真实的风险。这说明了混合Copula比较真实的描述了潜在的结构。(2)同时我们给出不同置信水平基础上的最优组合系数,对投资组合的风险研究有一定的参考意义。