社科网首页|论坛|人文社区|客户端|官方微博|报刊投稿|邮箱 中国社会科学网
基于MCMC算法的时变Copula-GARCH-t模型参数估计及应用于资产组合风险度量

 

 
【摘要】关于多元金融相依结构与组合风险度量,Copula-GARCH模型是一种新的建模分析方法。考虑到资产收益率分布受后验新息的影响,本文假设单变量时序的新息服从标准的学生t分布,提出多元时变Copula-GARCH-t模型,利用蒙特卡洛马尔科夫链(MCMC)算法对模型参数进行贝叶斯统计推断,给出了多个资产组合风险VaR和CVaR的度量方法,还基于风险最小化原则确立了最佳的资产配置模型。对上证综合指数、恒生指数、台湾加权指数和标普500指数的实证分析,结果表明:1)对模型参数的估值及资产组合的有效前沿分析,MCMC方法优于经典的IFM方法;(2)该模型能够充分捕捉到中美股市的时变相依结构及相关系数和尾部指数的动态特征,这也证实了金融危机期间中美救市政策的一致性。本文正确地拓展了相依结构建模方法在金融风险量化分析中的应用视野。
关键词MCMC算法 Copula-GARCH  时变相依结构