论文部分内容阅读
随着寿险公司规模扩张，越来越多寿险资金投资于金融市场，为使资金运用更好兼顾安全性、流动性和盈利性，本文希望引入测算金融风险的有效模型来为寿险公司的投资决策提供依据并进行风险控制。
由于已有研究多集中于研究二元或者多元Copula-VaR模型，存在“维度诅咒”或者仅能使用一种Copula函数结构描述多资产间相依结构的弊端，本文将目前能够很好的描述多元变量间相依结构的Vine-Copula函数与风险测量手段VaR、CVaR结合，引入对寿险公司投资组合风险的测算。以债券、基金、股票、投资性房地产、债权投资计划作为研究对象，通过实证检验，本文选取了GARCH(1，1)-skewt模型来描述单项资产对数收益率的边缘分布。随后分别构建了呈星型的C藤、呈平行路径型的D藤和没有特定结构形状的R藤结构，估计了经过pair copula分解后双变量Copula函数下的参数以及秩相关系数。将样本总体划分为“估计样本”和“预测样本”两部分，采用滚动Monte Carlo模拟方法模拟1000次，由边缘分布函数的逆计算将模拟出的随机数倒推成资产未来的一个可能性收益。以寿险公司投资组合资产比例，得到95％置信水平下的动态VaR与CVaR预测值，如此重复100次取平均动态VaR与CVaR。
通过实证，大致测算出在95％置信水平下的寿险公司的投资组合风险，VaR在-0.014至-0.002之间，CVaR在-0.02至-0.005之间。通过Kupiec等检验，发现R藤在描述寿险公司的投资组合风险的准确性要高于C藤和D藤。因此本文认为，在寿险公司的实际投资过程中，Vine-Copula-VaR模型可以作为合理有效的风险度量手段，管理者可以以实际收益率数据为基础构建R藤，通过调整投资组合的结构，在公司发展与风险承受能力之间做出平衡。
由于已有研究多集中于研究二元或者多元Copula-VaR模型，存在“维度诅咒”或者仅能使用一种Copula函数结构描述多资产间相依结构的弊端，本文将目前能够很好的描述多元变量间相依结构的Vine-Copula函数与风险测量手段VaR、CVaR结合，引入对寿险公司投资组合风险的测算。以债券、基金、股票、投资性房地产、债权投资计划作为研究对象，通过实证检验，本文选取了GARCH(1，1)-skewt模型来描述单项资产对数收益率的边缘分布。随后分别构建了呈星型的C藤、呈平行路径型的D藤和没有特定结构形状的R藤结构，估计了经过pair copula分解后双变量Copula函数下的参数以及秩相关系数。将样本总体划分为“估计样本”和“预测样本”两部分，采用滚动Monte Carlo模拟方法模拟1000次，由边缘分布函数的逆计算将模拟出的随机数倒推成资产未来的一个可能性收益。以寿险公司投资组合资产比例，得到95％置信水平下的动态VaR与CVaR预测值，如此重复100次取平均动态VaR与CVaR。
通过实证，大致测算出在95％置信水平下的寿险公司的投资组合风险，VaR在-0.014至-0.002之间，CVaR在-0.02至-0.005之间。通过Kupiec等检验，发现R藤在描述寿险公司的投资组合风险的准确性要高于C藤和D藤。因此本文认为，在寿险公司的实际投资过程中，Vine-Copula-VaR模型可以作为合理有效的风险度量手段，管理者可以以实际收益率数据为基础构建R藤，通过调整投资组合的结构，在公司发展与风险承受能力之间做出平衡。