基于PaiR-Copula-GARCH模型的時變投資組合優(yōu)化.pdf

1、金融市場的深入發(fā)展促進國民經(jīng)濟發(fā)展的同時也助長了市場的投機行為，加劇了金融市場間的投資風險。因此，選擇合適的方法或恰當?shù)墓ぞ邷蚀_地研究市場風險，為投資者及金融監(jiān)管機構提供合理的建議顯得尤為重要。
　　以風險最小化為目標的投資組合優(yōu)化模型是一種有效管理金融資產(chǎn)風險的方法。方差、VaR等傳統(tǒng)的風險度量方法通常假設收益率服從多元正態(tài)分布，但現(xiàn)實中金融資產(chǎn)收益率的一般呈現(xiàn)尖峰厚尾的特點，因此基于多元正態(tài)分布應用傳統(tǒng)風險度量方法存在較大的局

2、限性。同時，VaR方法存在一些難以克服的缺點，比如不滿足次可加性和凸性等。近年來Copula及CVaR等方法在投資組合優(yōu)化模型中得到了廣泛應用。多數(shù)學者對多元隨機變量研究時一般都是建立在兩兩之間的相關結構服從相同Copula函數(shù)這一基礎上的，沒有被考慮到Copula函數(shù)多樣性。鑒于此，本文采用的Pair-Copula方法，可以避免所有隨機變量之間相關結構只用單一Copula函數(shù)表示。此方法將非常復雜的高維相關結構分解轉(zhuǎn)換成比較常見的二維

3、隨機變量，使得問題大大簡化。
　　文章首先對基本的Copula函數(shù)理論、多元Copula構造法簡要介紹，對Pair-Copula相關理論、D藤與C藤相關知識重點闡述，并給出了相關的參數(shù)估計及擬合度檢驗;隨后介紹了GARCH模型理論，為模型的建立提供了理論基礎。第三章提出了Pair-Copula-GARCH模型的構建方法，得到了基于CVaR的時變投資組合優(yōu)化模型。第四章對模型的求解方法進行探討，通過引入特殊函數(shù)，將模型進行線性化，使

4、得計算更加簡潔方便。該模型與傳統(tǒng)的投資組合優(yōu)化模型不同之處在于收益率數(shù)據(jù)的來源不同。傳統(tǒng)投資組合的優(yōu)化模型中收益率是從歷史數(shù)據(jù)中取樣，近似作為未來收益率的情形，另外，投資組合模型多使用CVaR的靜態(tài)模型來作為目標函數(shù)，然而市場時刻發(fā)生變化使得收益率的分布也發(fā)生變化，這時CVaR的靜態(tài)模型就會受到限制。文中提出的新方法是通過基于Pair-Copula-GARCH的蒙特卡洛模擬得到未來收益率情形。Pair-Copula模型能夠克服維數(shù)限制，