科研之友
微信
新浪微博
Facebook
分享链接
摘要
文章首先采用AR(1)-GJR-GARCH(1,1)-Skew-t模型构建各主要股市指数数据的边缘分布并提取过滤后的标准化残差序列;接着采用广义帕累托分布和高斯分布分别对标准化的残差序列的尾部和内部进行拟合;然后基于二元Copula建立起Vine Copula模型,从而确定多个资产收益率的联合分布;再运用蒙特卡洛模拟方法和样本外滚动预测相结合的方法预测投资组合的Va R;最后对Va R预测效果进行稳健性检验。研究结果表明:Vine Copula模型在描述多种资产间的相依结构方面更具灵活性和有效性,R-Vine Copula模型具有更好的拟合精度和更加准确的预测能力。
