基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-Co VaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的Co VaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-Co VaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的Co VaR测度存在被高估的可能。

基于LASSO回归的R-vine copula模型构建及其在化工过程故障检测中的应用

Vine copula模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路,在化工过程建模领域受到越来越多关注。笔者将LASSO(least absolute shrinkage and selection operator)回归引入R-vine copula(LASSO-R-vine copula,LRVC),根据变量间联系的强弱程度确定变量在R-vine矩阵中的位置,利用回归分析正则化路径选择R-vine copula矩阵结构,遵循R-vine矩阵构建规则和回归过程确定R-vine结构矩阵模型,以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于copula函数类型和参数,在处理高维度复杂工业过程数据时,利用稀疏模型和惩罚力度简化copula函数类型选择过程,缩短了建模时间,使统计建模具有更强的灵活性。该方法在TE(Tennessee Eastman)和醋酸脱水过程故障监测中表现出较好的预测效果,证明了提出的方法在非线性、非高斯过程的有效性。

基于非对称性的碳市场与新能源市场间动态风险溢出效应研究

为有效应对碳金融风险的发生和传导,以碳市场、新能源市场的市场价格作为研究对象,基于时变Copula-CoVaR模型,探究两市场间的风险溢出方向及动态特征。研究表明:碳市场和新能源市场间存在正向相依关系以及正向非对称的风险溢出效应,其中碳市场是主要的风险接收方;碳市场和各新能源市场的风险溢出强弱顺序与相依性程度顺序一致,依次是:新能源市场、风电市场、光伏市场、新能源车市场;市场自身完善程度、政府宏观政策、外部突发事件等因素都会加剧市场间的风险溢出波动。

R-vine copula在中国碳市场中的风险溢出效应研究

为应对气候变化,越来越多的国家和地区采取碳排放权交易的方式来达到减排二氧化碳的目的。中国建立区域排放交易机制是一种新的探索性实践。为促进中国碳市场的成长和成熟,与国际碳市场融合,对碳市场风险进行测量,并研究了市场之间的风险溢出效应,为碳市场的政策制定提供了理论参考。构建ARMA-GARCH(1,1)模型在偏t、GED等分布下,对中国5个试点碳市场的CO_(2)排放配额现货价格进行建模。VaR和CVaR用来测量上海、北京、湖北、广东、深圳碳市场的风险。R-vine copula-CoVaR用来探索中国碳市场的风险溢出效应。研究结果表明风险溢出效应只存在于深圳与上海、北京与上海、湖北与广东碳市场之间,其中深圳到上海、湖北到广东均为单向风险溢出效应,北京与上海为双向风险溢出效应。

我国保险业系统性风险溢出效应研究——基于时变Copula-CoVaR模型

本文基于扩展的时变Copula-CoVaR方法,研究2007年1月至2015年9月间我国保险业系统性风险溢出效应,并使用前瞻CoVaR模型分析保险业系统性风险溢出的影响因素。研究结果表明:样本期内保险业内部、保险业与其他金融子行业间具有显著的双向系统性风险溢出,且风险溢出呈现非对称性特征;保险业与证券业间的系统性风险溢出强度明显高于与其他金融子行业间的系统性风险溢出,银行业并不是金融业中对系统性风险贡献最大的子行业;2007年美国次贷危机期间和2014年底至样本期结束,我国保险业的系统性风险溢出强度明显高于其他时间段;在险价值、净资产收益率对保险公司系统性风险溢出有正向影响,而财务杠杆、每股净资产和资产规模有负向影响;保险公司系统性风险溢出呈现出一定的顺周期性。

基于最优R-Vine Gaussian Copula模型的服役大跨桥梁主梁失效概率分析

考虑到服役大跨桥梁主梁多个控制监测点失效模式的相关性,提出失效概率分析的最优regular-vine(R-vine)Gaussian copula信息融合新方法。利用极值应变信息,引入双变量pair-Gaussian-copula模型和最优R-vine模型,结合多个控制监测点的功能函数,进行失效模式相关性的最优R-vine Gaussian copula建模分析;融合一次二阶矩方法,进行失效模式相关的服役大跨桥梁主梁失效概率分析;通过在役桥梁监测数据对所提方法的合理性进行验证,并与其他分析方法进行比较。结果表明,考虑控制监测点失效模式相关性的大跨桥梁主梁失效概率分析的最优R-Vine Gaussian copula信息融合方法更为合理。

基于高频波动率模型与R-vine copula的行业资产组合风险测度研究

相较于低频波动率模型,高频波动率模型在单资产的波动和风险预测中均取得了更好效果,因此如何将高频波动率模型引入组合风险分析具有重要的理论和现实意义。本文以沪深300指数中的6种行业高频数据为例,运用滚动时间窗技术建立9类已实现波动率异质自回归(HAR-RV-type)模型刻画行业指数波动,同时使用R-vine copula模型描述行业资产间相依结构,进一步结合均值-CVaR模型优化行业资产组合投资比例,构建组合风险的预期损失模型,并通过返回测试比较不同风险模型的精度差异。研究结果表明:将HAR族高频波动率模型引入组合风险分析框架,能够有效预测行业资产组合风险状况;高频波动率预测的准确性将进而影响组合风险测度效果,跳跃、符号跳跃变差以及符号正向、负向跳跃变差均有助于提高行业组合风险的预测精度。

基于R-Vine Copula模型的国际原油与国际股市间的风险传染效应研究

【目的/意义】为捕捉国际原油与国际股市之间的整体联动关系,判断油价暴跌期间的市场走向,提高投资者的能源意识和国家的能源安全及金融安全管理水平。【设计/方法】借助R-Vine Copula模型对国际原油及国际股市之间的复杂相依结构进行刻画。【结论/发现】研究表明在油价暴跌期间,印度、韩国和俄罗斯等国家最先受到波及。此外,受油价波动影响,不同国家股市之间存在不同程度的风险外溢情况,使得原油波动的影响范围进一步扩大。相较于原油进口国,油价波动对原油出口国的冲击会更强一些。

R-vine copula模型与PCBN模型的比较

文章对比了两类刻画高维变量相依结构模型——R-vine copula模型和PCBN模型,并将其应用于国民经济九大行业信用风险相依结构分析,结果表明,与R-vine copula模型相比,PCBN模型能更好地兼顾模型的准确性和简洁性目标。通过PCBN模型可以发现:国民经济整个系统内行业间存在条件独立关系,其中七个行业构成的子系统是整个系统内风险传染的关键媒介,而在子系统内部,水电燃气、批发零售、信息软件及金融业是信用风险传染的关键媒介。

沪深300行业的相依结构突变性分析——基于动态R-Vine Copula

本文结合滚动窗口技术构建高维动态R-Vine Copula模型,通过识别动态R-Vine Copula模型的结构突变点来判断高维变量间相依结构的动态变化,以此研究沪深300的10个一级行业在2015年至2022年的相依结构突变性。实证结果表明:2015年至2022年行业间的相依结构在2018年1月与2019年12月发生结构突变,将整体划分为3个突变区间,两次突变发生的原因受中美贸易战与新冠疫情影响的可能较大;三个突变区间内,沪深300行业间相依结构有较大变化,行业中心点由工业与可选消费转移至工业,再转移至可选消费;突变区间1内行业间多呈上下尾不对称的相依结构,而突变区间2内行业间大多表现出上下尾对称的相依结构,同时相依性有所增大,突变区间3内行业间多呈上下尾不对称的相依结构,且相依性有所降低。此外,新冠疫情期间沪深300行业投资组合的风险价值(VaR)与期望损失(ES)的绝对值相较于疫情前有所增大,但随着疫情影响的减弱,行业投资组合VaR与ES的值在2021年6月逐渐趋于与突变点前一致。

原油期货与PTA期货的风险溢出效应——基于Copula-CoVaR模型的研究

本文以伦敦国际石油交易所的布伦特原油期货和郑州商品交易所上市的PTA期货作为研究对象,运用Copula-Co VaR模型测算金融危机前后布伦特原油期货和PTA期货之间的溢出效应。研究结果表明:金融危机前后,原油期货会对PTA期货产生正向溢出效应,同时,PTA期货会对原油期货产生反向溢出效应;原油期货对PTA期货的溢出效应程度明显大于PTA期货对原油期货的溢出效应程度;金融危机前的溢出效应程度明显大于金融危机后的溢出效应程度。

基于R-Vine Copula函数的极端降水联合分布模型及风险识别

在边缘分布函数优选的基础上,采用条件Copula函数和Vine图结构,构建基于R-Vine Copula函数的极端降水联合分布模型,以河南省4个气象站的实测数据进行模型验证和对比分析,并对极端降水指标进行了风险识别。结果表明:构建的模型可以描述变量之间的不同尾部特征,保持原序列Kendall和Spearman相关系数等统计特征,整体精度优于基于C-Vine Copula函数构建的极端降水联合分布模型;河南省年降水量与降水强度、最大1 d降水量与最大5 d降水量的概率分布密切相关,各指标对联合概率密度的影响程度呈现出空间异质性。

基于R-Vine Copula的多维混合型数据控制图设计

多维混合型数据监测问题一直是质量控制和质量管理中的重点和难点。混合型数据包括名义型、顺序型和数值型3种类型。传统的多变量控制图往往只考虑数值型的数据,在应用中存在一定的局限性。同时,在实际场景中,各类变量之间往往存在一定的相关性,这也是在传统控制图中容易被忽略的关键点。本文通过引入Copula-Vine模型,充分利用了顺序型变量的秩相关性,建立了一种新的基于R-Vine Copula的混合型数据控制图(R-Vine Copula control chart, RVC)。通过算例比较,验证了该控制图相对于现有模型在混合型数据监测方面更强的灵活性和有效性。

基于R-vine Copula的金融市场系统性风险测度

近年来,以股市为代表的各国金融市场的系统性暴涨暴跌给实体经济的稳定发展带来了众多的不确定因素。正因如此,需对股票市场极端条件下波动的系统联动性与条件分散效应进行研究。文章首先构建极值R-vine Copula模型,分析了全球六大股票市场的风险相依关系及分散效应。在此基础上,构建出资产组合的VaR模型,测试样本之外的极端风险,并通过Kupiec回溯检验方法,验证了模型的有效性。研究结果表明:结合EVT极值理论的R-vine Copula模型能够有效地描述各国股票市场间的尾部极值系统性风险相依关系,取得了更好的全球股票市场系统性风险关联与测度效果,英国富时100指数起到了系统性风险的连接作用。通过Vine Copula结构分解进一步分析发现,欧美地区的系统性风险相对亚洲地区更难被分散。

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明:建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。

我国金融行业间系统性风险外溢效应研究——基于R-vine Copula方法

在Copula理论基础上,构建GJR-GARCH-Copula模型,并采用R-vine结构,利用我国内地上市的30家金融机构的股票数据,分别求得金融行业中银行、证券、保险和信托4个子行业的联合概率分布,对4个子行业间的系统性风险外溢效应进行测度。研究结果显示:相比广泛使用的C-vine和D-vine结构,R-vine具有更好的拟合效果,可以更灵活地表现出金融机构间的关联性;银行、证券、保险以及信托业之间都存在明显的非对称性风险传递,其中银行业对其他3个行业造成的影响最大,是金融风险的最大来源。最后,提出了关于控制系统性风险、防范风险外溢的几点建议。

危机时期中国股市跨行业风险传染效应

在危机频发背景下,本文应用R-Vine Copula和溢出指数模型,结合金融危机､欧债危机､新冠疫情等危机事件,从风险关联和风险溢出双重视角考察危机时期中国股市跨行业风险传染效应.研究发现:危机时期中国股市出现跨行业传染现象,行业关联网络和溢出网络变迁具有“事件驱动”特征.在危机时期,工业始终处于关联网络的中心,可选消费(简称可选)和材料在各个时期与工业紧密相连,三者是主要的风险驱动行业;能源､电信､医药和金融始终处于关联网络的边缘位置,是主要的风险接受行业.研究结果为投资者微观资产配置､监管部门宏观审慎管理和风险防范提供有益参考.

基于R-Vine Copula的财险公司经济资本度量与分散化效益研究

经济资本在保险公司内部风险管理和资本配置等方面发挥着至关重要的作用,它能够准确地反映保险公司所面临的风险状况,并为风险的有效管理与资本的合理配置提供重要依据。本文以财险公司的经济资本为研究对象,在传统资产负债模型的框架下,通过R-Vine Copula风险聚合方法对资产和负债进行联合建模,进而计算经济资本并分析相应的分散化效益,并与监管方法进行比较。研究结果表明财险公司的资产和负债存在复杂的依赖关系,利用Vine结构可以更加全面、精确地描述这两者之间的非对称和非线性相关性,同时拟合数据的尾部特征,进而获得更为稳健的净资本估计量,以及更为真实的经济资本需求和相应的分散效益。相较于偿付能力规则下的线性聚合方法,R-Vine Copula风险聚合方法能充分利用资产变量和负债变量之间的相关性信息,适宜用作计算经济资本的内部模型。该模型以风险为导向,为研究资产和负债的联动关系提供一个新的方法,可以帮助财险公司更好地管理风险,并提升整体业务的稳定性和可持续发展能力。

石油价格波动与股票市场波动的相关性研究

文章对世界三大现货原油市场迪拜、布伦特和WTI与我国大庆原油市场、石油类股票进行了研究,利用Vine Copula模型对国内外原油价格波动和股票市场波动之间的相关性进行实证分析。结果表明:大庆原油与迪拜现货原油市场具有较强的正相关性;石油类股票与国内外原油市场中的迪拜、大庆的相关程度更高;R-Vine Copula模型结构灵活,适合刻画国内外原油市场和石油类股票之间的尾部相关结构。

国民经济行业信用风险相依结构分析

通过R-vine Copula模型,对国民经济中九大门类行业信用风险建模,揭示了样本行业间信用风险的非线性相依结构及信用风险传染路径。实证结果显示:各行业信用风险水平不一,但都较好地拟合了实际经济;任意两行业间无条件信用风险大多表现为下尾相关性,但条件信用风险的尾部相关性总体较弱;国民经济行业体系中存在加剧和减缓行业信用风险传染的"风险催化行业"和"条件隔离行业"。最后,提出了有效控制系统性金融风险、防范金融危机的措施建议。