学位论文 > 优秀研究生学位论文题录展示

基于多元Copula-SV-VaR模型的开放式基金投资组合风险测度

作　者: 赵崇新
导　师: 黄长征
学　校: 五邑大学
专　业: 管理科学与工程
关键词: Copula SV VaR 风险测度
分类号: F832.48
类　型: 硕士论文
年　份: 2012年
下　载: 84次
引　用: 0次
阅　读: 论文下载

内容摘要

我国的开放式基金在风险管理中要求有更高的风险测度技术,而VaR是目前金融风险测度的主流指标,其计算方法有很多,由此形成的模型也有很多。考虑到计算的精确性和简便性,本文提出了多元Copula-SV-VaR模型。其中,Copula为连接函数,用于描述投资组合中金融资产之间的相关关系,这种相关关系是非线性的；SV为随机波动模型,用于描述投资组合中金融资产的边际分布,相比GARCH模型能更好地描述单个资产的尖峰厚尾性；VaR为风险测度的指标,用于描述投资组合的波动性风险的大小,通过蒙特卡罗模拟法计算出来。本文首先介绍Copula理论,着重介绍常用Copula函数的特点及适用范围,与Copula模型的参数估计方法及其适用范围,并指出概率积分变换在Copula理论中的重要意义,再介绍SV模型,着重介绍SV模型的分类与参数估计方法,然后介绍VaR,在详细总结VaR计算方法的基础上着重介绍均值—方差法和蒙特卡罗法两种计算方法,以便于理解和构建模型。在实证研究中,选择华夏大盘精选混合开放式基金为研究对象,对其前十大重仓的股票组成的投资组合进行风险测度,通过比较Copula-SV-VaR与Vari ance-Covariance-VaR的大小,以检验模型的准确性,通过比较Copula-SV-VaR与Copula-GARCH-VaR的大小,以检验模型的精确性。通过从理论和实证上详细介绍多元Copula-SV-VaR模型,希望能为我国的基金管理公司或基金监管部门对开放式基金投资组合进行风险测度提供参考依据。

全文目录

摘要  4-5
Abstract  5-7
目录  7-10
第一章绪论  10-20
  1.1 选题背景和意义  10-13
  1.2 国内外研究现状  13-16
    1.2.1 国外研究现状  13-15
    1.2.2 国内研究现状  15-16
  1.3 研究目的和内容安排  16-17
  1.4 研究思路和技术路线  17-19
  1.5 研究方法和创新点以及关键技术  19-20
第二章 Copula理论  20-30
  2.1 Copula函数的定义  20
  2.2 Copula函数的性质  20-21
  2.3 常用Copula函数  21-22
  2.4 概率积分变换  22-23
  2.5 Copula模型的构建方法  23
  2.6 Copula模型的参数估计方法  23-27
    2.6.1 EML法(Exact Maximum Likelihood method)  24-25
    2.6.2 IFM法(Inference Functions for Margins method)  25
    2.6.3 CML法(Canonical Maximum Likelihood method)  25-26
    2.6.4 MLK法(Maximum Likelihood based on Kernel density method)  26
    2.6.5 Genest and Rivest法  26-27
  2.7 Copula模型的检验  27-30
第三章 SV模型  30-45
  3.1 基本SV模型  30-33
    3.1.1 基本SV模型的定义  30-31
    3.1.2 标准基本SV模型  31
    3.1.3 标准基本SV模型的性质  31-33
  3.2 扩展SV模型  33-38
    3.2.1 高阶SV模型  33
    3.2.2 多元SV模型  33-34
    3.2.3 厚尾SV模型  34-35
    3.2.4 杠杆SV模型(又称非对称模型：ASV模型)  35-36
    3.2.5 非线性SV模型（NSV模型）  36
    3.2.6 考虑预期收益的SV模型（SV-M模型）  36
    3.2.7 含有外生变量的SV模型  36-37
    3.2.8 长记忆SV模型（LMSV模型）  37
    3.2.9 连续SV模型  37-38
  3.3 Copula-SV模型  38-39
  3.4 SV模型的参数估计方法  39-43
    3.4.1 QML法(Quasi Maximum Likelihood method)  40-41
    3.4.2 MCMC法(Markov Chain Monte Carlo method)  41-43
  3.5 SV模型的事前检验和事后检验  43-45
第四章 VaR  45-55
  4.1 VaR的起源  45-46
  4.2 VaR的定义  46-48
  4.3 VaR的计算方法  48-51
    4.3.1 方差-协方差法(Variance-Covariance method)  48-50
    4.3.2 蒙特卡罗模拟法(Monte Carlo Simulation method)  50-51
  4.4 VaR的检验  51-53
  4.5 VaR的优缺点  53-55
    4.5.1 VaR的优点  53
    4.5.2 VaR的缺点  53-55
第五章开放式基金投资组合风险测度的实证研究  55-63
  5.1 样本的选取  55-56
  5.2 预处理的事前检验  56
  5.3 样本的预处理  56-57
  5.4 预处理的事后检验(SV模型的事前检验)  57
  5.5 建立SV模型  57-60
  5.6 Copula函数的参数估计及检验  60-61
  5.7 VaR的计算结果及失败频率检验  61-63
结论  63-65
参考文献  65-71
攻读学位期间发表的论文  71-72
致谢  72-73
附录  73-81
  附录1 SV模型的参数估计的WinBUGS源程序  73-75
  附录2 Gaussian Copula函数的参数估计的MatLab源程序  75-78
  附录3 Vafiance-Covanance-VaR模型求解的MatLab源程序  78
  附录4 Copula-SV-VaR模型求解的MatLab源程序  78-79
  附录5 Copu I a-SV-VaR模型求解的MatLab源程序  79-80
  附录6 VaR的失败频率检验的MatLab源程序  80-81

基于多元Copula-SV-VaR模型的开放式基金投资组合风险测度

内容摘要

全文目录

相似论文