基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.

具有GJR-GARCH-skewt误差项时序的ADF单位根检验

本文在有限样本情况下,用Monte Carlo方法模拟了具有G JR-GARCH-skewt误差项时间序列的ADF单位根检验.分析模型中误差项的波动、条件分布中参数的设定、样本容量及杠杆效应对临界值的影响.结果显示,随着波动的持久性加强,使用经典ADF单位根检验的Zt、ZρFu ller临界值将降低检验的有效性.

基于极值统计和高维动态C藤Copula的股市行业集成风险计算

股市诸多行业风险之间存在着波动相依性,集成计量多维风险对投资决策意义重大。藤Copula是Copula函数高维化拓展的一个方向,其动态化是新的研究前沿。将极值理论的GPD模型和高维动态C藤Copula方法结合起来研究沪深300指数中地产、基建、银行和运输四个行业风险,能够有效描述尾部极值形态,突出关键变量的作用。再运用动态Pair-Copula分解,刻画高维行业风险变量间的动态关系,以仿真出动态集成风险变量VaR序列。VaR计算结果通过了回溯检验和稳定性测试,表明高维动态C藤Copula模型可以作为风险集成计量的一种新的有效方法。