毕业论文-李树鹏--数量经济学 (自动保存的)

《毕业论文-李树鹏--数量经济学 (自动保存的)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津财经大学硕士学位论文基于GARCH-GPD-COPULA函数的资产组合风险研究一级学科：应用经济学二级学科：数量经济学专业方向：经济计量方法与应用论文作者：李树鹏指导教师：马薇二○一二年五月93分类号：密级：硕士学位论文基于GARCH-GPD-COPULA函数的资产组合风险研究TheStudyofFinancialRiskMeasurementBasedonGARCH-GPD-COPULAmodel所属学院：理工学院所在系别：统计系年级：　　　2009级　　学号：2009310305论文作者：李树鹏93独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取

2、得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得天津财经大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津财经大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权天津财经大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文,（保密

3、的学位论文在解密后适用本授权书）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮93内容摘要随着金融市场的不断变化，金融资产之间的相关关系越来越复杂，呈现出非线性、非对称性和尾部相关的特性，基于线性相关关系的分析方法有的时候不能准确反映金融市场的相关关系，同时现实中金融资产收益率存在尖峰厚尾的特征，明显具有非正态特性与非线性相关，因此有时候采用传统VaR计算方法不尽合理，这时有必要采用合理的方法描述收益率的实际分布与相关性。而运用COPULA函数方法可以构造灵活的多元分布函数，很好的描述金融资产收益率的真实分布与

4、相关关系，从而可以建立起更为有效的风险度量模型，所以运用COPULA函数研究金融资产风险价值具有重要的理论价值与运用意义。论文首先介绍了GARCH模型族，并且对GARCH模型残差的分布进行了研究，引入了两种厚尾分布t分布与GED分布；然后给出了广义帕累托分布（GPD）的定义和阀值的选择方法；接着本文详细的介绍了COPULA函数的定义、性质以及常用的五种COPULA函数，并且给出了COPULA函数的估计方法，以及最优COPULA函数的选择方法。在此基础上，引入了GARCH-COPULA、GPD-COPULA和GARCH-GPD-COPULA三种计算风险价值的VaR模型。在实证部

5、分首先运用历史模拟法与分析法计算出资产组合在不同分位数下的风险价值（VaR）。然后，运用蒙特卡洛模拟法计算出三种模型GARCH-COPULA、GPD-COPULA、GARCH-GPD-COPUL对应的风险价值（VaR）。最后，对五种结果在1%，2%，3%，4%，5%，10%分位数下的VaR运用失败频率法加以检验，并且进行比较，实证结果表明基于GARCH-GPD-COPULA方法计算的VaR在样本内失败率是最低的，说明它估计的风险价值最接近真实风险价值。本文的创新主要体现在以下几个方面：（1）系统全面的总结了COPULA函数的定义，分类以及估计方法。（2）在运用GARCH模型对

6、边缘分布进行拟合时，考虑了残差在正态分布，t分布与广义误差分布（GED）的不同情况，最后选择出最优的GARCH模型。（3）在前人对COPULA函数研究的基础上，将GARCH-COPULA和GPD-COPULA进行结合，提出了GARCH-GPD-COPULA函数，并进行了相应的实证分析。关键词：COPULA函数；条件异方差模型；广义极值分布；在险价值。93AbstractWiththefinancialmarketsconstantlychanging,beweenofthefinancialassetsshowcomplexrelationship,suchasanonlin

7、ear,Asymmetricandtail-relatedfeatures.sometimestheanalyticalmethodsbasingonlinearcorrelationcan’taccuratelyreflectfinancialmarkets related.Inrealitythe financial assetsownfattail,obviouslynon-normal characteristics andnonlinear.sothetraditionalVaRcalcula