中国股票市场行业组合风险研究��.doc

《中国股票市场行业组合风险研究��.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、中国股票市场行业组合风险研究��　　摘要：　　股市是经济的晴雨表，股市中不同行业风险的组合计量对于金融市场和实体经济投资意义重大。文章采用高维动态C-VineCopula前沿技术计量多维行业组合风险，并且与静态C-VineCopula作比较。结论显示：高维动态C-VineCopula计量的VaR每次都能通过UC检验和稳定性测试，而静态C-VineCopula方法每次都不能通过回溯检验，表明高维动态C-VineCopula优于静态C-VineCopula，可以作为股市行业风险组合计量的一种新方法。　　关键词：高维动态C-VineCopula；GPD；组合风险计

2、量；VaR　　中图分类号：F830.91文献标志码：A文章编号：　　1008583102004011　　单一金融时间序列往往具有偏斜的尖峰厚尾特征；多维金融时间序列的联合分布不一定是椭圆分布。对于多维金融时间序列来说，其内部相关很可能不是线性的，传统的线性相关计量可能会导致错误结论。Sklar[1]引入的Copula函数能够较好地解决非线性、非对称相依计量问题，契合了多维金融时间序列的统计特征。自Embrechts[2]以来，Copula函数逐渐应用于金融研究领域，如Bouyé等[3]、Rockinger等[4]、Romano[5]、Embrechts等[6

3、]、Rodriguez[7]、Ghorbel和Trabelsi[8]等。近期的文献表明：高维化和动态化是Copula理论研究的前沿动向。在Copula函数行之有效的多维化拓展中，Vine-Copula代表了典型研究方向，Vine-Copula借助于Pair-Copula-Construction构造可以实现降维目的，使“维度诅咒”问题得以克服，而PCC构造使得降维后多元变量之间两两相依的Copula种类选择和参数拟合更为灵活。进一步赋予Vine-Copula参数以动态化，则产生高维动态Vine-Copula这一最新的研究方法，相关文献主要有So和Yeung[

4、9]、Reboredo和Ugolini[10]、杜子平等[11]、曹洁和程希骏[12]等。在VineCopula的研究文献中以C-Vine和D-Vine两种特殊的RegularVine类型最为常见，本文采用C-VineCopula结构进行多元相依建模。　　股市数据作为金融时间序列的重要组成部分，采用Copula函数对其相依性计量的文献也很多，如曹洁和程希骏[12]、Berger[13]、李强等[14]、Domino和Bachowicz[15]等。股市由各行业组成，各行业之间存在着复杂的作用机制，行业风险的组合计量方法可以扩展于测定股市整体风险，股市行业风险的

5、研究为众多学者所关注，如刘琼芳和张宗益[15]、赵宁等[17]、张帮正和魏宇[18]、Righi和Ceretta[19]、Bartram和Wang[20]等采用Copula函数对股市行业风险进行了相依性研究。以往的股市行业风险研究方法，多数止步于传统多元Copula，或者仅用VineCopula对数据进行拟合，运用仿真尤其是动态仿真进而进行风险组合计量的研究较少。针对这一研究现状，本文采用高维动态C-VineCopula进行研究，边缘分布通过极值理论的GPD模型拟合，有效刻画金融时间序列的极值特征，C-Vine�Y构能够突出高维变量中主导变量的作用，以PCC

6、模块突破“维度诅咒”，实现灵活的高维动态建模目的。研究过程中采用二阶段建模方法：第一阶段利用GJR-GARCH模型过滤原始序列，以GPD模型对过滤所得新息序列进行概率积分变换；第二阶段对PIT序列分别进行动态和静态的C-VineCopula建模比较。之后，通过Vine结构的仿真技术计量四维行业组合风险，对于投资者组合风险控制与监管层多维风险监管具有一定的启示意义。举一反三，希望此方法还可以推广到更高维的甚至其他领域的研究之中。　　一、理论基础　　Copula、VineCopula与风险计量　　相较于传统的建立在线性相关和正态分布基础上的研究方法而言，Copu

7、la函数能够把具有非正态分布特征和非线性相依关系的多维变量“连接”起来，Copula函数的这一优越特性满足了相互联系的多维世界的大数据数理分析要求，使其获得大范围的运用，尤其在多维风险组合计量方面颇有价值。Copula函数的多维化具有广阔的现实意义，传统的多元Copula却极不灵活，VineCopula则可以实现降维目的，借助PairCopula形式进行成对建模，赋予建模以模型种类和模型参数的灵活性，使多元Copula的计算大为简化、更为可行，具有多重优点。基于此，VineCopula用作多维风险建模就有了现实意义，其利用Copula的连接属性把若干风险变量

8、以特殊的Vine结构粘连起来，能够用来进行高维风险组