基于高维动态藤Copula的汇率组合风险分析

doi:10.16381/j.cnki.issn1003-207x.2017.02.002

中国管理科学 ›› 2017, Vol. 25 ›› Issue (2): 10-20.doi: 10.16381/j.cnki.issn1003-207x.2017.02.002

基于高维动态藤Copula的汇率组合风险分析

韩超, 严太华

重庆大学经济与工商管理学院, 重庆 400044

收稿日期:2015-11-09 修回日期:2016-10-05 出版日期:2017-02-20 发布日期:2017-05-03
通讯作者: 严太华(1964-),男(汉族),重庆璧山人,重庆大学经济管理学院,博士生导师,教授,研究方向:金融工程,E-mail:875071743@qq.com. E-mail:875071743@qq.com
基金资助:
国家自然科学基金资助项目（71373296）

Risk analysis of Foreign Exchange Portfolios Based on High-dimensional Dynamic Vine Copula

HAN Chao, YAN Tai-hua

School of Economics and Business Administration, Chongqing University, Chongqing 400044, China

Received:2015-11-09 Revised:2016-10-05 Online:2017-02-20 Published:2017-05-03

摘要/Abstract

摘要： 以Pair Copula为简单构造模块的高维动态藤Copula结构能够克服二元Copula面临的“维度诅咒”问题，对多元变量之间的非线性相依进行动态化描述，是Copula函数研究的学术前沿。本文选取美元、欧元、日元、港币及英镑五种汇率的日间对数收益率数据实证研究，对其进行AR-GJR-GARCH模型过滤，过滤所得新息序列用GPD模型拟合，之后进行概率积分变换，采用高维动态C藤和D藤Copula对变换后序列建模，运用蒙特卡罗方法计算组合风险VaR，对其进行UC回溯测试，并与相应的静态方法作比较。结果表明：高维动态C藤Copula结构计算出来的VaR表现最好，对其进行分解发现美元的边际风险最低，通过蒙特卡罗选择权重组合发现最大限度持有美元将会产生最小VaR。该结论为量化风险指标、合理配置资产，及风险监管提供了一种新的模型与方法。

关键词: AR-GJR-GARCH模型, 高维动态藤Copula, 汇率组合风险, VaR, UC回溯测试

Abstract: The structure of high-dimensional dynamic vine copula can overcome ‘dimensional curse’ faced by bivariate Copula and dynamically describe nonlinear dependence between multi-variables, and represents the academic frontier. Five kinds of foreign exchange log-returns, including USD, EUR, JPY, HKD and GBP, are selected to make empirical analysis, Time series are fitted with AR-GJR-GARCH and GPD models. After probability integral transform, high-dimensional dynamic C and D vine copulas are modelled. Then, portfolio VaR sets are got by Monte-Carlo method, tested by UC back testing, and compared to the corresponding static research. The results show that VaR based on high-dimensional dynamic C vine copula performs the best, and marginal risk of USD is considered as the least by VaR decomposition, the more USD the lest risk. The conclusions provide a new model and method to quantify risk, reasonably allocate asset portfolio, and for authorities to regulate risk.

Key words: AR-GJR-GARCH model, high-dimensional dynamic vine copula, portfolio risk of foreign exchange, VaR, UC back testing

中图分类号:

F830.9

韩超, 严太华. 基于高维动态藤Copula的汇率组合风险分析[J]. 中国管理科学, 2017, 25(2): 10-20.

HAN Chao, YAN Tai-hua. Risk analysis of Foreign Exchange Portfolios Based on High-dimensional Dynamic Vine Copula[J]. Chinese Journal of Management Science, 2017, 25(2): 10-20.

参考文献

[1] 吴振翔,叶五一,缪柏其.基于Copula的外汇投资组合风险分析[J].中国管理科学,2004,12(4):1-5.

[2] Patton A J. Modelling asymmetric exchange rate dependence[J].International Economic Review,2006,47(2):527-556.

[3] 柏满迎,孙禄杰.三种Copula-VaR计算方法与传统VaR方法的比较[J].数量经济技术经济研究, 2007,(02):154-160.

[4] 苟红军,陈迅,花拥军.基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究[J].管理工程学报,2015,9(1):83-193.

[5] So M K P,Yeung C Y T. Vine-copula GARCH model with dynamic conditional dependence[J].Computational Statistics and Data Analysis,2014,76:655-671.

[6] Reboredoa J C, Andrea U. Downside/upside price spillovers between precious metals:A vine copula approach[J].North American Journal of Economics and Finance,2015,34:84-102.

[7] 叶五一,李潇颖,缪柏其.基于藤Copula方法的持续期自相依结构估计及预测[J].中国管理科学,2015,23(11):29-38.

[8] 杜子平,闫鹏,张勇.基于"藤"结构的高维动态copula的构建[J].数学的实践与认识,2009,39(10):96-102.

[9] Sklar A. Fonctions de répartition àn dimentions et leursmarges[J].Publication de I'Institut de Statistique de L'Universit-é de Paris:1959,8:229-231.

[10] Aas K,Czado C,Frigessi A,et al. Pair-copula constructions of multiple dependence[J].Insurance:Mathematics & Economics, 2009,44(2):182-198.

[11] Kupiec P.Techniques for verifying the accuracy of risk measurement models[J]. Journal of Derivatives,1995,3:73-84.

[12] Brock W, Dechert W, Scheinkman J.A test for independence based on the correlation dimension[R].Working Paper,University of Wisconsin at Madison, University of Houston,and University of Chicago,1987.

[13] Mcneil A J,Frey R.Estimation of tail-related risk measures for heteroscedastic financial time series:An extreme value approach[J]. Journal of Empirical Finance,1998,7(3-4):271-300.

[14] Pickands J. Statistical inference using extreme order statistics[J].The Ann als of Statistics, 1975,3(1):119-131.

[15] 韦艳华,张世英.Copula理论及其在金融分析上的应用[M].北京:清华大学出版社,2008.

[16] Hallerbach W G. Decomposing portfolio value at risk:A general analysis[J]. Journal of Risk,2003,5(2):1-18.

[17] 杜红军,王宗军. 基于Copula-AL法的VaR和CVaR的度量与分配[J].中国管理科学,2012, 20(3):1-9.

[18] 胡海鹏,方兆本.投资组合VaR及其分解[J]. 中国管理科学,2003,11(3):1-5.

[19] 邵欣炜,张屹山. 基于VaR的证券投资组合风险评估及管理体系[J].数量经济技术经济研究,2003,12:66-70.

基于高维动态藤Copula的汇率组合风险分析

Risk analysis of Foreign Exchange Portfolios Based on High-dimensional Dynamic Vine Copula

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	熊一鹏, 熊正德, 姚柱. 宏观压力测试下商业银行零售信贷产品PD模型预测研究[J]. 中国管理科学, 2020, 28(7): 13-22.
[2]	徐海峰, 王晓东. 现代服务业是否有助于推动城镇化？——基于产城融合视角的PVAR模型分析[J]. 中国管理科学, 2020, 28(4): 195-206.
[3]	崔玉泉, 刘冰洁, 刘聪, 曲晶晶. 新型订单农业合作模式的优化模型分析[J]. 中国管理科学, 2020, 28(12): 140-150.
[4]	胡成春, 陈迅. 经济政策不确定性、宏观经济与资产价格波动——基于TVAR模型及溢出指数的实证分析[J]. 中国管理科学, 2020, 28(11): 61-70.
[5]	王升泉, 陈浪南, 刘人豪. 资产泡沫、技术创新与经济增长[J]. 中国管理科学, 2020, 28(10): 1-12.
[6]	刘晓君, 姜伟, 胡劲松. 基于TVP-VAR模型的信心、货币政策与中国经济波动研究[J]. 中国管理科学, 2019, 27(8): 37-46.
[7]	吕永健, 符廷銮, 胡颖毅, 戴丹苗. 基于拔靴滤波历史模拟法的黄金市场VaR测度研究[J]. 中国管理科学, 2019, 27(7): 46-55.
[8]	张亦春, 陈华, 郑晓亚. 中国企业部门信用风险溢价期限结构与宏观经济因子[J]. 中国管理科学, 2019, 27(5): 1-10.
[9]	刘映琳, 刘永辉, 鞠卓. 国际原油价格波动对中国商品期货的影响——基于多重相关性结构断点的分析[J]. 中国管理科学, 2019, 27(2): 31-40.
[10]	黄守军, 杨俊. 基于CVaR风险度量的V2G备用合约优化与协调决策[J]. 中国管理科学, 2018, 26(6): 167-177.
[11]	周静, 罗乐. Adjexpectile风险测度的性质、优化及资产配置的应用[J]. 中国管理科学, 2018, 26(5): 51-61.
[12]	胡振华, 钟代立, 王欢芳. 中国铁矿石期货市场的定价影响力研究——基于VEC-SVAR模型的实证分析[J]. 中国管理科学, 2018, 26(2): 96-106.
[13]	李根, 刘家国, 王晓敏. 基于I-O与SVAR模型的制造业完全能耗强度影响因素研究[J]. 中国管理科学, 2018, 26(12): 99-112.
[14]	刘炳越, 姬强, 范英. 黄金是否为原油的“避险天堂”?——基于组合收益及其波动视角[J]. 中国管理科学, 2018, 26(11): 1-10.
[15]	张凡勇, 黄守军, 杨俊. 考虑随机需求与收入共享的风险规避型V2G备用决策模型[J]. 中国管理科学, 2018, 26(11): 166-175.