欧债危机环境中资产组合ES模型比较研究

中国管理科学 ›› 2014, Vol. 22 ›› Issue (5): 8-15.

欧债危机环境中资产组合ES模型比较研究

于文华^1,2, 魏宇², 淳伟德¹

1. 成都理工大学商学院, 四川成都 610059;
2. 西南交通大学经济管理学院, 四川成都 610031

收稿日期:2012-07-16 修回日期:2013-11-02 出版日期:2014-05-20 发布日期:2014-05-14
作者简介:于文华（1976-），女（汉族），辽宁大连人，成都理工大学商学院，副教授，研究方向：金融市场与风险管理.
基金资助:
国家自然科学基金资助项目（71071131，71090402，71371157）；高等学校博士学科点专项科研基金资助课题（20120184110020）；中央高校基本科研业务费专项资金资助项目（SWJTU11ZT30，SWJTU11CX137，SWJTU12CX120）；国家社会科学基金（12BGL024）；成都理工大学金融与投资科研创新团队（KYTD201303）；四川省软科学研究计划项目（2013ZR0068）；成都理工大学中青年骨干教师培养计划项目（JXGG201420）；四川省教育厅人文社科重点项目（14SA0039）

Comparatively Study on Portfolio ES Models under European Debt Crisis

YU Wen-hua^1,2, WEI Yu², CHUN Wei-de¹

1. Commercial College, Chengdu University of Technology, Chengdu 610059, China;
2. School of Economics and Management, Southwest Jiaotong University, Chengdu 610031, China

Received:2012-07-16 Revised:2013-11-02 Online:2014-05-20 Published:2014-05-14

摘要/Abstract

摘要： 本文以中国上证综指、德国法兰克福DAX指数、美国S&P500指数为研究对象，分别运用DCC-GARCH及时变Copula-EVT模型建模，探讨了欧债危机爆发后股市间相依关系的变化状况。在此基础上，将三个股指收益两两组合，分别建立了各类模型假定下的资产组合预期损失ES模型，并通过后验分析方法，探讨了危机爆发后，各类ES风险模型测度精度的变化状况及对比结果。实证研究表明：欧债危机爆发后，时变Copula-EVT-ES的风险测度准确度明显高于DCC-GARCH-ES模型；边缘分布模型的选择对于时变Copula-EVT-ES模型的测度精度具有重要影响。综合对比分析发现，在金融市场极端波动的状况下，能够捕捉杠杆效应且善于刻画厚尾特征的时变t-Copula-AR（1）-GJR（1，1）-EVT-ES模型能够取得相对较好的风险测度效果。

关键词: 欧债危机, DCC-GARCH, 时变Copula, EVT, 预期损失, 后验分析

Abstract: DCC-GARCH and time-varying Copula-EVT models are constructed respectively to discuss the changes of dependencies between stock markets after the outbreak of European Debt Crisis. 2-2 combinations of the stock index returns are made, the portfolio ES models are established under various models assumed, and the measurement accuracy of all ES models are compared and discussed after the crisis through backtesting analysis. China Shanghai Composite Index, the Frankfurt DAX index of Germany and S&P500 Index of the United States are used to make empirical experiment. Empirical studies show that after the crisis, the risk measure accuracy of time-varying Copula-EVT-ES models are significantly higher than DCC-GARCH-ES.Further, it is important to select marginal distribution for time-varying Copula-EVT-ES models. Finally,under extremely volatile financial market conditions, the time-varying t-Copula-AR(1)-GJR(1,1)-EVT-ES model, which is good at capturing the leverage effect and characterizing fat tails, achieves relatively better risk measure results.

Key words: European debt crisis, DCC-GARCH, time-varying copula, EVT, ES, backtesting analysis

中图分类号:

于文华, 魏宇, 淳伟德. 欧债危机环境中资产组合ES模型比较研究[J]. 中国管理科学, 2014, 22(5): 8-15.

YU Wen-hua, WEI Yu, CHUN Wei-de. Comparatively Study on Portfolio ES Models under European Debt Crisis[J]. Chinese Journal of Management Science, 2014, 22(5): 8-15.

参考文献

[1] Patton A J. On the out-of-sample importance of skewness and asymmetric dependence for asset allocation[J]. Journal of Financial Econometrics,2004,2(1):130-168.

[2] Embrechts P,McNeil A J,Straumann D. Correlation:Pitfalls and alternatives[J]. Risk,1999,(12):69-71.

[3] 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.

[4] 王久胜,包卫军,胡杰. 基于多维Gumbel Copula函数的投资组合VaR分析[J]. 数理统计与管理,2010,(1):137-143.

[5] 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,(2):154-160.

[6] 杨湘豫,夏宇. 基于Copula方法的开放式基金投资组合的VaR研究[J]. 系统工程,2008,26(12):40-44.

[7] 周孝华,张保帅,董耀武. 基于Copula-SV-GPD模型的投资组合风险度量[J]. 管理科学学报,2012,15(12):70-78.

[8] 应益荣,詹炜. 资产组合ES风险测度的Copula-EVT算法[J]. 系统管理学报,2007,16(6):602-606.

[9] 刘晓星,邱桂华. 基于Copula-EVT模型的我国股票市场流动性调整的VaR和ES研究[J]. 数理统计与管理,2010 (1):150-161.

[10] 江红莉,何建敏,庄亚明,等. 投资组合风险测度——基于FIGARCH- EVT- Copula方法[J]. 北京理工大学学报(社会科学版),2012(1):44-49.

[11] 罗付岩,邓光明. 基于时变Copula的VaR估计[J]. 系统工程,2007,(8):28-33.

[12] 战雪丽,张世英. 基于Copula-SV模型的金融投资组合风险分析[J]. 系统管理学报,2007,16(3):302-306.

[13] 苏静,杜子平. Copula在商业银行组合信用风险度量中的应用[J]. 金融理论与实践,2008,(5):6-8.

[14] 任仙玲,叶明确,张世英. 基于Copula-APD-GARCH模型的投资组合有效前沿分析[J]. 管理学报,2009,6(11):1528-1535.

[15] Rodriguez J C. Measuring financial contagion:A copula approach [J]. Journal of Empirical Finance,2007,14(3):401-423.

[16] 龚朴,黄荣兵. 次贷危机对中国股市影响的实证分析——基于中美股市的联动性分析[J]. 管理评论,2009,(2):21-32.

[17] 刘喜波,林泽波. 次贷危机后国际股票市场相关性变动的 Copula 分析[J]. 数学的实践与认识,2009,39(24):31-35.

[18] 叶五一,缪柏其. 基于Copula变点检测的美国次级债金融危机传染分析[J]. 中国管理科学,2009,17(3):1-7.

[19] 吴吉林,张二华. 基于机制转换混合 Copula 模型的我国股市间极值相依性[J]. 系统工程理论与实践,2012,32(8):1662-1672.

[20] 王永巧. 基于时变Copula的金融开放与风险传染[J]. 系统工程理论与实践. 2011,31(4):778-784.

[21] 李堪. 基于时变 Copula 理论的金融危机传染效应存在性研究——以2008年全球金融危机为例 [J]. 世界经济与政治论坛,2012(2):41-54.

[22] 王鹏. 基于时变高阶矩波动模型的VaR与ES度量[J].管理科学学报,2013,16(2):33-45.

[23] Engle R. Dynamic conditional correlation: A simple class of multivariate GARCH models[J]. Journal of Business and Economics Statistics,forthcoming,2002,20(3):339-350.

[24] 张尧庭. 连接函数 (copula) 技术与金融风险分析[J]. 统计研究, 2002, 4: 48-51.

[25] Pickands J. Statistical inference using extreme order statistics[J]. The Annals of Statistics,1975,41(3):1119-1131.

[26] Balkema A A,de Haan L. Residual life time at great age[J]. Annals of Probability,1974,14 (2):792-804.

[27] DuMouchel W M. Estimating the stable index 2 in order to measure tail thickness:A Critique [J]. Annals of Statistics,1983,(11):1019-1031.

[28] Newey W K,McFadden D. Large sample estimation and hypothesis testing[J]. Handbook of Econometrics,1994,4:2111-2245.

[29] White H. Estimation,inference and specification analysis[M]. NewYork:Cambridge University Press,1994.

[30] Artzner P,Delbaen F,Eber J M,et al.Coherent measures of risk[J].Mathematical Finance,1999,9(3):203-228.

[31] McNeil A,Frey R.Estimation of tail-related risk measures for heteroscedastic financial time series:An extreme value approach [J].Journal of Empirical Finance,2000,7(3):271-300.