基于Copula函数的某些金融风险的研究

作     者：韩威威 

作者单位：沈阳工业大学 

学位级别：硕士

导师姓名：石鸿雁

授予年度：2016年

学科分类：02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 

主      题：金融风险 Copula函数 VaR方法 蒙特卡罗模拟 风险度量 

摘      要：在经济全球化日益发展的今天,金融市场的开放性不断扩大,流动资本在全球内大范围覆盖,各国金融市场之间的联动性越来越显著。且金融资产收益分布具有明显的尖峰厚尾特点,存在着大量的非线性关系,因此,需要建立一种动态的非线性模型来描述事物之间这种动态的相关结构。然而Copula函数正是一种常用于金融风险分析的非线性相关性研究工具可以准确地描述多个随机变量间的相依结构,且具有灵活的形式和优良统计特性,能够灵活地捕捉到金融资产的非线性和尖峰厚尾特点。本文在金融风险分析中引入Copula函数,前两章主要介绍了金融风险和Copula函数的研究背景、选题意义、研究现状以及Copula函数的理论基础知识,然后介绍了金融风险度量VaR方法以及VaR计算方法的种类。由于金融风险收益分布具有明显的尖峰厚尾特性且存在大量非线性关系,传统VaR计算方法基于正态性假设,运用线性相关求解各变量间的相关系数,而线性相关系数不能准确地描述非正态分布的相关性,因此,本文用性质更好的秩相关系数来代替求解VaR值。并采用移动窗口技术的蒙特卡罗模拟方法计算VaR值。在实证研究中,选取上证指数和深证指数的收盘价作为样本数据,根据不同族Copula函数的优缺点选择最优Copula函数,以平方欧式距离和K-S拟合优度检验作为检验标准进行验证,结果表明Clayton Copula函数拟合程度较好,在传统VaR计算方法基础上对此进行改进,采用蒙特卡罗模拟仿真技术对VaR计算求值,计算结果表明传统VaR计算方法与改进的VaR方法比较低估了金融风险,引入Copula函数更充分地考虑了金融风险边际分布函数间变量的相关性,而不局限于正态性假设,因此能够更大程度地考虑金融风险中存在的问题。