简谈尾部股票市场尾部风险和尾部相关性特点怎样

摘要：频繁发生的金融危机一次又一次给投资者、金融市场甚至全球经济带来严重的不良后果。在这些危机中，市场上呈现出与正常情形下不同的特殊特点：单变量的情形下，投资者面对着发生极端损失的“尾部风险”；在多变量情形下，金融市场或金融资产间有着着相对更强的“尾部相关性”。如何把握并应对这两种特殊的市场特点，无论对于投资者和风险管理者还是政策制定者和监管者，都是一个至关重要的不足。由此，本论文综合运用各种灵活的计量经济策略来捕捉危机时期中出现的“尾部风险”和“尾部相关性”特点，并进一步浅析其对风险管理、资产配置和资产定价的影响。首先，针对单个资产所面对的尾部风险，本论文引入检验效力更强的鞍点技术返回检验策略对各种风险模型的VaR和ES预测准确性进行了严格的再检验，重新探讨了何种模型能够最为准确地捕捉单变量情形下的尾部风险。基于中国股市的实证浅析发现，简单的GARCH-Normal模型无法合理地捕捉中国股票市场的风险特点，而最好的模型为GARCH-EVT模型。进一步基于更多成熟股市和更多风险模型的探讨同样证实，为了得到足够准确的风险预测，则有必要借助极值论述EVT来对金融资产收益率的分布尾部进行单独建模。仅利用一种分布形式很难同时捕捉到分布尾部和分布中间的特点，即使是以往文献中推荐利用的能同时捕捉分布偏斜特点和厚尾特点的有偏学生t分布。此外，通过对GARCH类模型中影响风险预测准确性的两个维度的相对重要程度首次进行正式统计检验发现，残差分布的尾部设定对VaR和ES预测的影响要强于波动率方程形式。其次，针对尾部相关性对风险管理的影响，本论文首先提出一种基于多元Copula函数模拟的策略来计算组合中个别资产的风险贡献，以而实现了对不同资产风险贡献区别的显著性检验。同时由于Copula函数在刻画资产间非线性相关结构以及尾部相关性特点方面的优势，利用本论文策略计算所得的风险贡献结果还变得更为一致而不再受置信水平和风险度量指标的影响。此外，本论文还引入一种更为灵活的多元相关结构建模工具，正则藤Copula函数，以克服现有探讨中可选择的多元Copula函数类型的有限性以及有着的不同缺陷。基于上海、香港和台湾三个股市的实证浅析证实了正则藤Copula在刻画多元相关结构方面的优越性。更具有实践作用的是，基于不同交易对策和不同模拟样本的风险预测结果进一步表明，利用正则藤Copula函数来对多元相关结构进行灵活建模，可以带来更为稳健和准确的组合VaR预测绩效。再次，针对尾部相关性对资产配置的影响，本论文采取马尔可夫转换Copula模型来同时捕捉资产间相关联系的非线性和时变性特点，并基于该模型设计了一种选择组合调整时机的策略。基于中国股市中两类股票组合（高风险和低风险股票组合）的实证结果证实了金融资产间相关结构的依状态转换特点，以而指出以往文献中在较长投资期限内基于一个固定模型所构建的静态对策是不适宜的。本论文提出可以借助马尔可夫转换Copula模型预测未来状态转换的时刻，采取状态变化后新的Copula函数类型来重新预测分布并计算的新的组合权重。样本外资产配置绩效浅析表明，相比文献中已有对策，本论文的择时对策确实能给投资者带来更高的平均已实现收益率和确定性等价收益率。最后，针对尾部相关性对资产定价的影响，本论文关注了个别股票与整个市场之间的尾部相关性，并浅析了其对股票收益率的影响作用。卖空限制的有着往往导致远比上涨风险更为严重的极端下跌市场风险的产生，然而线性的Beta却无法对其区分。本论文利用尾部相关性系数来捕捉这种个股随整个市场同时暴跌的极端下跌市场风险。基于上证A股的实证浅析证实了个股与市场间尾部相关性是普遍有着的，而且更为值得关注的是，这种尾部相关性对沪市中股票收益率具有显著的解释能力，其解释能力即使在制约了其他定价因素（尤其是线性Beta）的影响后依然有着。由此，尾部相关性系数提供了一种刻画市场风险的新角度，可能包含着已有定价因素之外的信息而有潜力成为新的定价因子。关键词：尾部风险论文尾部相关性论文风险管理论文资产配置论文资产定价论文

摘要5-7

ABSTRACT7-13

第一章 绪论13-36

1.1 引言13-15

1.2 基本概念与探讨范围15-19

1.2.1 尾部风险15-17

1.2.2 尾部相关性17-19

1.3 相关文献综述19-31

1.3.1 风险度量指标与返回检验19-22

1.3.2 非线性相关结构与风险管理22-26

1.3.3 相关结构的变化与资产配置26-28

1.3.4 个股与市场间尾部相关性对资产定价的影响28-31

1.4 不足的提出31-33

1.5 探讨内容与结构安排33-36

第二章 基于鞍点技术的尾部风险度量：中国股市36-47

2.1 引言36-37

2.2 模型策略介绍37-39

2.2.1 ES 统计量37-38

2.2.2 鞍点技术的引入38-39

2.3 数据与样本内估计39-42

2.4 返回检验浅析42-45

2.5 本章小结45-47

第三章 基于鞍点技术的尾部风险度量：全球视角47-65

3.1 引言47-49

3.2 模型策略介绍49-52

3.2.1 ES 和 TR 统计量49-51

3.2.2 鞍点技术的引入51-52

3.3 数据和样本内估计52-56

3.4 基于 ES 和 TR 的返回检验56-61

3.4.1 全样本返回检验结果56-60

3.4.2 逐年返回检验结果60-61

3.5 风险预测准确性的影响因素浅析61-64

3.5.1 波动率方程与残差分布61-63

3.5.2 样本长度的影响63-64

3.6 本章小结64-65

第四章 引入尾部相关性的风险贡献模拟计算65-82

4.1 引言65-67

4.2 模型策略介绍67-70

4.2.1 基于 VaR 和 ES 的风险分解67-69

4.2.2 多元 Copula 函数69-70

4.3 中国股市各行业的风险贡献浅析70-75

4.4 敏感性浅析75-79

4.4.1 模拟样本量的影响75-76

4.4.2 所检测设模型的影响76-78

4.4.3 数据窗大小对 VaR 风险贡献估计值的影响78-79

4.5 基于市值加权投资组合的结果79-80

4.6 本章小结80-82

第五章 尾部相关性与组合风险：基于正则藤 Copula 的浅析82-97

5.1 引言82-84

5.2 Copula 介绍及正则藤 Copula 构建策略84-87

5.3 数据及模型估计结果87-92

5.4 组合 VaR 预测绩效92-94

5.5 模拟浅析94-96

5.6 本章小结96-97

第六章 尾部相关性与资产配置：一种组合调整择时新策略97-118

6.1 引言97-98

6.2 相关探讨回顾98-100

6.3 马尔可夫转换 Copula 模型100-102

6.4 投资组合选择不足102-105

6.5 模型估计结果105-109

6.5.1 数据及边际分布105-107

6.5.2 相关结构浅析107-109

6.6 资产配置绩效比较109-114

6.6.1 已实现收益率110-112

6.6.2 确定性等价收益率112-113

6.6.3 更长投资期限下的结果113-114

6.7 与以往探讨的比较114-116

6.7.1 交易成本的影响114-115

6.7.2 基于高阶矩 CAPM 的结果115-116

6.8 本章小结116-118

第七章 个股与市场间尾部相关性及其对股票收益率的影响118-140

7.1 引言118-120

7.2 模型策略介绍120-124

7.2.1 尾部相关性系数与 Copula 函数120-122

7.2.2 Beta 与尾部相关性系数的比较122-124

7.3 数据及资产定价因子介绍124-128

7.4 实证结果讨论128-137

7.4.1 尾部相关性的有着性128-129

7.4.2 组合浅析129-134

7.4.3 回归浅析134-137

7.5 本章小结137-140

第八章 结束语140-146

8.1 全文总结140-143

8.2 探讨结论启迪143-144

8.3 探讨展望144-146

致谢146-147