投资组合风险测度_基于FIGARCH_EVT_Copula方法(3)

（三）Copula模型的参数估计及投资组合的

四、结论

本文建立了FIGARCH-EVT-Copula的投资组合风险测度模型，该模型有效地融合了FIGARCH、

VaR和ES计算

对两指数的标准化残差序列，根据式（5）进行概率

2012年第1期

投资组合风险测度———基于FIGARCH-EVT-Copula方法

·49·

EVT和Copula各自在测度风险的优越性：FIGARCH

能捕捉波动的长记忆性，这是一般GARCH族所不具备的；EVT只是对尾部建模，能准确地刻画分布厚尾性；Copula能灵活地度量边缘分布间的相关结构，是投资组合风险建模的有力工具。将上证指数和深成指数以等权重的方式构成投资组合，基于

结果表明：无论是上海股票市场还是深圳股票市场，其对市场冲击的影响具有持续性，前者对冲击的记忆时间略长于后者。比较FIGARCH-EVT-Copula与

GARCH-EVT-Copula模型预测VaR的效果，发现，

前者的预测效果比后者好，主要是因为前者更能准确地刻画收益率波动的长记忆性特征。

FIGARCH-EVT-Copula模型进行了实证研究。实证

参考文献：

[1]雷鸣，缪柏其.运用生存分析与极值理论对上证指数的研究[J].数量经济技术经济研究，2004（11）：130-137.

[2]BaillieRT，BollerslevT，MIKKelsenHO.Fractionallyintegratedgeneralizedautoregressiveconditionalheteroskedasticity[J].JournalofEconometrics，1996，74（1）：3-30.

[3]SibbertsenP.LongmemoryinvolatilitiesofGermanstockreturns[J].EmpiricalEconomics，2004，29（3）：477-488.

[4]WuPT，ShiehSJ.Value-at-riskanalysisforlong-terminterestratefutures:fat-tailandlongmemoryinreturninnovations[J].

JournalofEmpiricalFinance，2007，14（2）：248-259.

[5]AlouiC，MabroukS.Value-at-riskestimationsofenergycommoditiesvialong-memory，asymmetryandfat-tailedGARCHmodels[J].EnergyPolicy，2010，38（5）：2326-2339.

[6]汤果，何晓群，顾岚.FIGARCH模型对股市收益长记忆性的实证分析[J].统计研究，1999（7）：39-42.[7]王春峰，张庆翠.中国股市波动性过程中的长期记忆性实证研究[J].系统工程，2004，22（1）：78-83.

[8]肖智，傅肖肖，钟波.基于EVT-POT-FIGARCH的动态VaR风险测度[J].南开管理评论，2008，11（4）：100-104.

[9]EmbrechtsP，McneilA，StraumannD.Riskmanagement:valueatriskandbeyond[M].Cambridge:CambridgeUniversityPress，

1999：176-223.

[10]JondeauE，RockingerM.TheCopula-GARCHmodelofconditionaldependencies:aninternationalstockmarketapplication[J].

JournalofInternationalMoneyandFinance，2006，25（5）：827-853.

——Copula-GARCH模型及其应用[J].系统工程，2004，22（4）：7-12.[11]韦艳华，张世英.金融市场的相关性分析—

[12]MendesBVM，KolevN.Howlongmemoryinvolatilityaffectstruedependencestructure[J].InternationalReviewofFinancial

Analysis，2008，17（5）:1070-1086.

[13]WangZR，ChenXH，JinYB，ZhouYJ.Estimatingriskofforeignexchangeportfolio:usingVaRandCVaRbasedon

GARCH-EVT-Copulamodel[J].PhysicaA，2010，389（21）：4918-4928.

[14]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.[15]傅强，邢琳琳.基于极值理论和Copula函数的条件VaR计算[J].系统工程学报，2009，24（5）：531-537.[16]罗登跃，王玉华.上海股市收益率和波动性长记忆特征实证研究[J].金融研究，2005（11）：109-116.

[17]NeftciSN.Valueatriskcalculation，extremeevents，andtailestimation[J].JournalofDerivatives，2000，7（3）：23-38.[18]叶五一，缪柏其，吴振翔.基于Bootrap方法的VaR计算[J].系统工程学报，2004，19（5）：528-531.

TheResearchonPortfolioRiskMeasurementBasedonFIGARCH-EVT-Copula

JIANGHongli，HEJianmin，ZHUANGYaming，ZHANGYuefeng

（SchoolofEconomics&Management，SoutheastUniversity，Nanjing211189，China）

Abstract：Itiswellknownthatfinancialequityhassharp-peaks,fat-tails,heteroskedasticityandlongmemory.Consideringthesethreefeatures，thisarticleconstructsariskmeasuremodelbasedontheFIGARCH-EVT-Copulaforfinancialportfolio.TheVaRandESriskmeasurebasedontheFIGARCH-EVT-Copulaisappliedontheportfolio,whichiscomposedbyShanghaiStockindexandShenzhenComponentIndexequalweight.TheempiricalresultsshowthatthereisapparentlongmemorypropertyinChinesestockmarket.Theresultsalsoshowthat,themodelofFIGARCH-EVT-Copulareallycancapturethepropertiesofsharp-peaks,fat-tails,heteroskedasticityandlongmemory,andprovesthatthemodelofFIGARCH-EVT-Copulaismoreefficiencythantraditionalmodelinmeasuretheportfolioriskwhosemarginaldistributionhasthepropertyoflongmemory.Keywords：FIGARCH；EVT；Copula；VaR；ES；portfolio

[责任编辑：孟青]