基于Pair Copula-GJR-CVaR信用模型的投资组合金融风险分析

摘要

在金融风险管理中，对金融资产收益的实际分布及其相关性的度量是十分重要的。在深入研究金融风险理论、金融时间序列分析等有关理论的基础上，本文结合国内外的研究成果，对金融资产组合耦合风险（即市场风险和信用风险）度量问题进行了系统的研究。
　　本文应用基于藤结构的Pair Copula分解模型刻画多资产收益率间的相依结构，因为其不仅能够解决实际市场投资组合收益率多元正态分布的错误假设问题，而且比多元Copula函数在研究与应用中少了很多限制，更加准确和灵活。为了刻画单资产收益率的波动集群、尖峰厚尾等特征，文章以GJR模型建立单资产收益率的边缘分布函数，结合由KMV信用模型中“违约距离”估计的违约概率来刻画信用违约情况，建立基于多元Pair Copula-GJR-CVaR信用模型的组合收益率的多元联合分布函数，利用蒙特卡罗方法模拟资产损失情形，应用一致性风险度量工具CVaR估计投资组合的风险价值。实证研究结果表明，基于多元Pair Copula模型预估的风险价值CVaR要优于多元t-Copula模型的预估结果，由此验证了多元Pair Copula-GJR-CVaR信用模型在投资组合耦合风险度量中的优势。本文的创新点主要有：⑴采用Pair Copula分解模型刻画多元资产收益率间的相依结构，突破了传统多元Copula方法的局限性；⑵提出了一种基于Pair Copula-GJR的信用模型来估计资产组合的耦合风险，强调在度量资产组合风险时不应忽略信用风险的影响，并提出由资产价值得到的违约概率来刻画信用违约情况进而度量信用风险的方法；⑶实证验证了一致性风险度量工具CVaR要优于传统的VaR方法。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景（Research Background）

1.2 文献综述（Review of Research）

1.3 研究意义（Research Significance）

1.4 论文结构安排（Structure Arrangement）

2 相关研究基础

2.1 Copula函数理论（Copula Function Theory）

2.2 金融时间序列的边缘分布模型（ Marginal Distribution of Financial Time Series Model）

2.3 KMV模型（KMV Model）

2.4 风险度量方法（Risk Measure Method）

3 Pair Copula-GJR-CVaR信用模型构建

3.1 Pair Copula分解模型（Pair Copula Decomposition Model）

3.2 多元Pair Copula-GJR-CVaR信用模型构建（Multivariate Pair Copula-GJR-CVaR Credit Model）

4 实证分析

4.1 数据选取与处理（The Selection and Processing of Data）

4.2 多元Pair Copula-GJR(1,1)-t信用模型的VaR和CVaR（The VaR and CVaR of Multivariate Pair Copula-GJR(1,1)-t Credit Model）

4.3 小结（Summary）

5 结论与展望

5.1 结论（Conclusions）

5.2 展望（Prospects）

参考文献

作者简历

学位论文数据集