论文部分内容阅读
以往的研究中主要是对资产的均值方差进行研究来度量资产所面临的风险及其所对应的预期收益。近年来越来越多的学者关注到金融资产波动的非对称性和厚尾现象,因而越来越多的研究已经着手分析资产的偏度和峰度的风险溢酬问题。但是大多数研究都是从静态角度对资产的偏度和峰度风险溢酬进行研究,没有考虑到高阶矩的时变性,而高阶矩的时变性也是导致资产风险一种因素,因而在资产风险的管理过程中不能忽视高阶矩的时变性。除此之外,以往研究多从单个资产出发,没有考虑资产间收益率的相关性。在股票市场中,股指波动因受各种因素的影响一般不符合严格的正态分布或是t分布,资产间往往存在相关性,资产间的相关性对股指收益率的偏度和峰度风险溢酬的影响需做进一步的研究。以往研究表明资产波动具有尖峰厚尾和左偏或是右偏的现象,说明单个资产收益率的分布是非对称的,多个资产收益率之间相关也是非对称的,具体表现为熊市时资产间相关性比正常时或牛市时的相关性大,也就是说资产收益存在尾部极值相关。因此,将资产收益之间的相关性对资产偏度峰度风险溢酬的影响作为本文分析的重点。分析资产间相关性的影响必须构建灵活的多元分布,而Copula函数可以很好的解决此问题。除此之外,Copula函数还有一大优点,就是对随机变量的边缘分布不加限制。考虑到Copula函数的各项优点本文采用Copula函数进行建模。基于以上认识,本文分析资产间相关性对资产高阶矩风险溢酬的影响,建立M-Copula-GJRSK-M模型,通过实证研究说明资产间相关性对资产的偏度和峰度风险溢酬的影响。文章选取了2000年1月4日至2015年4月10日上证综指和深证成指的日收盘价作为分析对象,每一种指数的样本容量均为3691个。文章首先对Copula函数进行了系统的阐述,构建了m-Copula函数,并阐述了m-Copula函数的优势,同时描述了GJRSK-M模型的优势并对其经济含义进行解释,将两者相结合,建立m-Copula-GJRSK-M模型,并利用极大似然估计方法对模型参数进行估计。然后,通过实证说明上证综指和深圳成指对数收益率存在偏度和峰度风险,并且说明了股指对数收益率之间存在上尾高下尾低的正相依特征。最后,对产生这一现象的原因作出分析并提出相应的政策建议。