表 3-1 资产的收益率统计特征
................................
第三章 基于 Vine Copula 的投资组合相关结构实证............................... 19
第一节 数据的选取与分析..................................19
一、数据的选取.....................................19
二、数据分析...............................19
第四章 基于 Vine Copula 的投资组合风险测度实证............................... 36
第一节 在险价值 VaR 的度量......................................36
一、VaR 的定义....................................36
二、VaR 的度量方法.....................................36
第五章 研究结论与相关建议................................43
第一节 研究结论..................................43
第二节 相关建议.................................44
第四章 基于 Vine Copula 的投资组合风险测度实证
第一节 在险价值 VaR 的度量
一、VaR 的度量方法
VaR 的度量方法通常包括方差—协方差法、历史模拟法和蒙特卡罗模拟法，下面是对这三种方法的定义、计算步骤以及相应的优缺点做出的详细概述。
（一）方差—协方差法
1、方差—协方差法的定义与计算步骤
方差—协方差法衡量的是一项资产或投资组合的价值在特定时期内跌至某一特定价值以下的概率。因此，如果能推导出潜在价值的概率分布，那么计算起来就会相对简单。利用方差—协方差法评估单一资产的在险价值 VaR 时，可以很容易地计算出来。但是在处理资产组合时，由于投资组合中的资产经常一起移动而使计算变得复杂。为了简化这一过程，在计算在险价值 VaR 时，我们将投资组合中单个投资的风险映射到更普遍的市场风险，然后根据这些市场风险敞口来估计度量。
（二）历史模拟法
1、历史模拟法的定义与计算步骤
历史模拟法是以历史数据为依据来预测未来，不需要假设分布，用历史一段时间内的平均收益以及既定置信区间下的最低收益水平来估算 VaR 。在评估投资组合风险价值的方法中，历史模拟法是最简单的方法。在这种方法中，投资组合的 VaR 是通过创建该投资组合收益的时间序列来估算的，该时间序列是通过运行投资组合的实际历史数据并计算每个时期可能发生的变化而获得的。具体的计算步骤如下：
第 1 步：找出对投资组合中各头寸价值产生影响的风险因子，观察并收集这些风险因子的历史交易数据，用风险因子来表示投资组合中各个资产的盯市价值；
第 2 步：观测风险因子过去的价格变化，并模拟风险因子的未来价格水平；
第 3 步：利用定价公式，根据第 2 步中模拟出的风险因子的未来价格水平，并与现在风险因子条件下的投资组合价值作对比，从而得到投资组合价值的未来收益分布；
第 4 步：根据第 3 步中求出的投资组合价值的未来收益分布，通过设置特定的置信水平来计算 VaR 。
................................
第五章 研究结论与相关建议
第一节 研究结论
在当今这个世界，随着科学技术的迅速发展，经济全球化的发展速度不断加快，我国金融市场也越来越容易受到国际金融市场的影响，国际金融市场金融产品的价格剧烈波动会导致我国市场与之相关的金融资产的价格波动。此外，金融资产的类型也变得越来越多样化，我国金融市场也在不断创新投资产品。因此，投资者在金融市场上选择资产组合进行投资时有了越来越多的选择，不再局限于仅在国内市场选择金融资产，许多投资者已经把手伸向了国外金融市场。在国内和国外金融市场选择资产来构造投资组合，虽然一定程度上能避免遭受非系统风险，但会导致投资者所面临的风险变得越来越复杂。那么如何有效地来控制跨市场投资组合的风险，不论是对于国家还是投资者都具有一定的研究价值。
本文选取 IPE 理查德湾煤炭期货、NYMEX 天然气期货、英国布伦特原油期货、伦敦现货黄金、上证指数以及美元指数来构造投资组合；首先利用 ARMA-GARCH模型来刻画金融资产收益率序列的边缘分布，得到标准化残差序列，并通过比较不同模型的 AIC 值来选取拟合效果最好的 ARMA-GARCH-D 类模型；构建三类 VineCopula 模型(C-Vine，D-Vine，R-Vine)，用以描述投资组合资产间的相依关系；然后运用不同的风险模型来计算单个资产和投资组合的在险价值 VaR ，最后通过 KupiecLR 检验法比较不同风险模型的测度效果。本文得到的研究结论如下：
1、对于金融资产的时间序列所存在的非正态特征，本文运用 ARMA-GARCH 模型构建的边缘分布有效刻画和过滤了这些特征，并且满足了 Vine Copula 模型构建的要求。实证结果表明，对于煤炭期货，天然气期货，原油期货，黄金现货，上证指数，美元指数，拟合效果最好的边缘分布模型分别是 ARMA(2,1)-GARCH-t 模型、ARMA(2,2)-EGARCH-t 模型、ARMA(2,0)-EGARCH-偏 t 模型、EGARCH-t 模型、ARMA(2,2)-EGARCH-带偏 GED 模型、EGARCH-t 模型，而且通过 ARMA-GARCH模型可以很好地消除金融资产的序列相关性以及异方差。
2、不同金融市场间存在着明显的风险相依关系，从总体上看，原油与其他五种资产的相依性较强。在能源市场中，煤炭与原油、天然气与原油的相关系数超过了10%，说明能源市场中资产之间的关联程度较高。美元与其他资产之间存在着负相关性，而且与黄金的负相关系数最大，说明如果选取美元和黄金来构造投资组合，能够最大程度地分散风险。在引入条件市场之后，投资组合各个资产之间的相关系数都变小了，而且大部分还都表现出负相依关系。因此可以得出的投资结论是：在这六种资产中任意选取三种或者三种以上的资产来构造投资组合，均能有效分散风险。对于这六种资产间的相关结构的刻画，相比于Ｃ-Vine Copula 模型，D-Vine Copula 模型和R-Vine Copula 模型的总体拟合效果较好。
参考文献（略）
