Copula-CVaR資產組合選擇模型分析

摘 要：采用基于MonteCarlo數值模擬技術的Copula-CVaR風險評估模型討論Copula函數的選擇對投資決策的影響，度量資產組合的集成風險，總結出了資產組合風險度量的一般步驟。通過計算資產組合的VaR和CVaR值。實證檢驗說明：Clayton Copula由于能更好地刻畫尾部特征，從而在危機時期準確度更高。根據該模型進行資產選擇可以使投資者的選擇更加穩健。

關鍵詞：Copula-CVaR；相關性分析；股票市場

中圖分類號：F830.9 文獻標識碼：A 文章編號：1006-3544(2010)02-0054-05

在金融市場中，由于金融收益序列往往呈現出偏斜厚尾，使得各類風險之間的關系往往是非線性的，傳統的線性相關系數不能正確描述變量間的非線性關系，而基于秩相關的Copula函數能較好地捕獲變量間的非線性相依關系，因此當前采用Copula方法對風險之間的相依性進行描述變得越來越流行。由于Copula函數的選取、參數的估計方法等都會影響模型對數據的擬合程度，為此Patton(2006a，b)對相關問題做了有益的探討。Kale et al，(2007)提出了如何選擇合適的Copula函數的一些方法。但是，如何選擇合適的Copula函數仍然是一個難點。Monte Carlo方法在求解多維問題上有很大的優勢，因為其收斂速度與問題維數無關。在應用過程中，多元相關隨機變量的生成一直是一個不容易解決的難題，這也限制了，Monte Carlo方法在多維問題上的應用。Copula理論將多元隨機變量的聯合分布分成了多元隨機變量的邊緣分布和相關性結構兩個部分，從而能夠很容易地使用Monte Carlo方法生成非多元正態分布的隨機變量。基于以上兩個原因，本文從實際運用的角度出發，采用基于Monte Carlo數值模擬技術的Copula-CVaR風險評估模型討論Copula函數的選擇對投資決策的影響，度量資產組合的集成風險。