论文部分内容阅读
我国的经济正处于疾速发展的阶段,这一阶段极大地带动了中国股票市场的发展。异动股票由于它自身的特点成为了股票市场投资者的关注重点和国内外学者的研究重点。一般来说要想在短时间获得更多的收益就要更加关注异动股票,因为异动股票可以在短时间内节节攀高而获取巨大的收益。然而,众所周知越高的回报率伴随的风险也就越高,异动股票相比于其他股票更具有尖峰厚尾的特征且往往更容易出现极值进而表现出更高的风险,因而投资过程中科学和准确的金融决策显得尤为重要。本文深入地研究分析异动股票间的相依结构并且在掌握了异动股票相依结构的基础上对其进行风险度量,最后对投资者投资异动股票提出科学、准确的建议。首先本文在联结国内外研究成果的基础上,系统的介绍了波动率模型、Copula、Vine Copula的理论、性质及在金融方面的应用并且对构造Vine Copula结构的步骤进行了详细的总结。介绍了在险价值(VaR),对计算VaR常用的方法进行比较全面的总结,并具体的总结了计算VaR的详细步骤。其次在实证分析部分选取了2018年11月13日9:35分至2019年3月22日14:50分16支异动股票五分钟的高频数据。结合国内外文献和异动股票高频数据的数据特征建立了ARMA-EGARCH(1,1)边缘分布模型。并且进一步运用Vine Copula模型探索异动股票间的相依关系,运用赤池信息准则(Akaike information criterion,简称AIC)和专门用于比较两个不同的R-Vine模型拟合效果的Clarke检验比较了R-Vine all family模型、R-Vine all t Copula函数模型、R-Vine all Gaussian Copula函数模型对异动股票相依结构的拟合效果。最后对异动股票的风险进行了预测并对基于ARMA-EGARCH(1,1)模型和ARMA-EGARCH(1,1)-R-Vine Copula模型预测VaR进行比较。通过对异动股票的分析、建模与比较得到了ARMA-EGARCH(1,1)模型可以很好的拟合异动股票五分钟的高频数据;R-Vine all family模型相比其他两种模型可以更好的拟合异动股票之间的相依结构,说明了异动股票尾部的相依结构具有复杂性,单一的Copula函数往往不能够对异动股票尾部复杂的相依结构进行刻画;通过比较还得到了基于ARMA-EGARCH(1,1)-R-Vine Copula模型预测的VaR相比基于ARMA-EGARCH(1,1)模型预测VaR更为准确;最后总结了异动股票相依结构模型和VaR的分析结果为投资者提出了投资异动股票的建议。