Copula-EGARCH-核密度模型研究及應用.pdf

1、近年來，隨著金融市場的迅猛發(fā)展和各種金融創(chuàng)新及衍生工具的發(fā)展和日趨復雜化，金融風險管理正受到越來越高的重視，在這種背景下，時變風險度量方法應運而生，而最有代表性的無疑是VaR方法；針對GARCH模型下的時變風險價值傳統(tǒng)計算方法中需對標準化擾動進行分布假設，且在假設下得到時變風險價值誤差較大這一缺陷，受概率論與統(tǒng)計學競相發(fā)展以及交疊應用的趨勢促進，基于非參數(shù)密度估計樣本分析建模的應用研究受到越來越多研究者的關注。非參數(shù)密度估計方法不需要對

2、樣本分布的參數(shù)形式做事先假設，僅從采樣數(shù)據(jù)本身就可對概率密度函數(shù)做出較為精確估計，為未知分布樣本的分析和建模提供了一條新的解決思路。
　　本文應用非參數(shù)核密度估計方法對GARCH模型中標準化擾動的分布進行估計，在得到標準化擾動的核密度估計分布條件下計算時變風險價值。并結合EGARCH模型和Copula理論構建了Copula-EGARCH-核密度估計模型，并用它來反映金融市場中各資產(chǎn)之間的條件相關性情況。其中主要工作如下：
　

3、　第一，應用核密度估計方法對GARCH模型下標準化擾動的分布進行估計，得到基于核密度估計及GARCH模型的時變VaR估計方法。實證分析表明在估計時變風險價值方面利用本文方法比傳統(tǒng)方法有更好的表現(xiàn)，提高了風險價值估計的精度。
　　第二，應用核密度估計方法對Copula參數(shù)估計方法（IFM）進行改進，對邊緣分布進行核密度估計，從而避免了對標準化擾動進行分布假設，如正態(tài)分布、T分布、廣義誤差分布等，實證分析表明應用本文改進方法可提升Co