开放式基金投资组合风险度量——基于Copula-ARMA-GARCH模型
The Risk Measurement on Portfolio of Open-End Fund—Based on Copula-ARMA-GARCH Model
DOI: 10.12677/AAM.2021.104103, PDF,  被引量    国家自然科学基金支持
作者: 孙志芳：西安工程大学理学院，陕西 西安；卢俊香：西安工程大学理学院，陕西 西安；西安理工大学经济与管理学院，陕西 西安
关键词: 开放式基金；Copula-ARMA-GARCH模型；Monte Carlo模拟；VaR；Open-End Fund； Copula-ARMA-GARCH Model； Monte-Carlo Simulation； VaR
摘要: 本文构建Copula-ARMA-GARCH模型，研究开放式基金投资组合的风险度量问题。所选数据为景顺长城和泰达宏利的每日单位净值序列，采用ARMA-GARCH-t模型拟合其边缘分布，选取拟合效果较好的t-Copula函数描述资产之间的相关结构，建立联合分布模型，进而采用蒙特卡洛模拟方法计算投资组合的VaR。结果表明，景顺长城和泰达宏利之间对称相关，当置信水平相同时，不同权重组合的VaR不同，投资组合权重相同时，随着置信水平提高，VaR增大，应用Copula-ARMA-GARCH模型计算投资组合VaR对研究基金市场的风险具有重要的理论意义和实用价值。
Abstract: The Copula-ARMA-GARCH model is constructed to study the risk measurement on portfolio of open-end funds. The selected data are the daily unit net worth series of Invesco Great Wall and Teda Manulife. The ARMA-GARCH-t model is used to fit the edge distribution, and t-Copula function with good fitting effect is selected to describe the correlation structure between assets. The joint distribution model is built, and then the Monte Carlo simulation method is used to calculate the VaR of the portfolio. The results show that there is a symmetric correlation between Invesco Great Wall and Teda Manulife, and at the same confidence level, the VaR of different weight combinations is different; when the portfolio weight is the same, with the increase of confidence level, VaR increases. The application of Copula-ARMA-GARCH model to calculate portfolio VaR has important theoretical significance and practical value for studying the risk of fund market.
文章引用：孙志芳, 卢俊香. 开放式基金投资组合风险度量——基于Copula-ARMA-GARCH模型[J]. 应用数学进展, 2021, 10(4): 946-952. https://doi.org/10.12677/AAM.2021.104103

参考文献

[1] Sklar, A. (1959) Fonctions de répartition àn dimensions et leurs marges. Publication de I’Institut de Statistique de I’Universitd de Paris, 8, 229-231.
[2] Nelsen, R.B. (1998) An Introductions to Copulas. Springer, New York.
[3] Embrechts, P., Mcneil, A. and Straumann, D. (1999) Correlation: Pitfalls and Alternative. Risk-London Risk Magazine Limited, No. 12, 69-71.
[4] Embrechts, P., Hoein, A. and Juri, A. (2003) Using Copula to Bound the Value-at-Risk for Function of Dependent Risks. Finance and Stochastics, 7, 145-167. [Google Scholar] [CrossRef] 
[5] Embrechts, P., Lindskog, F. and Mcneil, A. (2002) Modeling Dependence with Copulas and Applications to Risk Management. In: Rachev, S., Ed., Handbook of Heavy Tailed Distributions in Finance, Elsevier, Amsterdam, 329-384.
[6] Jondeau, E. and Rockinger, M. (2006) The Copula-GARCH Model of Conditional Dependencies: An International Stock Market Application. Journal of International Money and Finance, 25, 827-853. [Google Scholar] [CrossRef] 
[7] 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.
[8] 童中文, 何建敏. 基于Copula风险中性校准的违约相关性研究[J]. 中国管理科学, 2008, 16(5): 22-27.
[9] 刘琼芳, 张宗义. 基于Copula房地产与金融行业的股票相关性研究[J]. 管理工程学报, 2011, 25(1): 165-169+164.
[10] 吴振翔, 陈敏, 叶五一, 缪柏其. 基于Copula-GARCH 的投资组合风险分析[J]. 系统工程理论与实践, 2006, 26(3): 45-52.
[11] 何其祥, 张晗, 郑明. 包含股指期货的投资组合之风险研究——Copula方法在金融风险管理中的应用[J]. 数理统计与管理, 2009, 28(1): 159-166.
[12] 史道济, 李璠. 基于Copula的股票市场VaR和最优投资组合分析[J]. 天津理工大学学报, 2007, 23(3): 13-16.
[13] 李楠. 外汇投资组合的风险分析[D]: [硕士学位论文]. 天津: 天津财经大学, 2014.
[14] 刘红玉. 基于Copula-GARCH的投资组合风险度量的实证应用[J]. 齐齐哈尔大学学报, 2015, 31(1): 73-76.
[15] 曹境鸽. 基于Copula-GARCH模型的ETF基金相关性风险研究[D]: [硕士学位论文]. 北京: 首都经济贸易大学, 2018.
[16] 韦艳华, 张世英. 多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 数理统计与管理, 2007, 26(3): 432-439.

为你推荐