毕业论文课题相关文献综述

文 献 综 述

1、 选题目的和意义：

金融衍生工具的一项重要作用就是以创新的方式管理金融风险中最重要的风险-信用风险。信用风险与一般金融风险不同:它的损益分布具有不对称性,金融领域通常称之为尖峰厚尾。厚尾意味着极端事件、尤其是投资组合违约的概率比正态分布时要高出许多。除此之外,机构或者个人往往以组合的形式拥有信用资产，信用资产间往往表现为非线性相关,所以传统的皮尔森线性相关系数不足以准确描述信用风险的特点。另外信用风险属于非系统风险,难以量化,数据也较难获取。因此,它的度量远比市场风险的度量困难得多。 考虑到在度量组合风险时，由于联合分布函数没有明确的解析式, 使用在险价值、预期短缺等工具测度组合信用风险 往往需要运用数值模拟方法, 即从特定的联合分布中抽取大量随机数以模拟损失情景。这种方法理论可行，但操作起来太过复杂。如果能有一种准确刻画组合中各个资产之间相依结构的模型或者方法，这将大大降低组合风险测度的难度，为组合资产投资者提供了一个强有力的依据。

2、 国内外研究现状：

自Embrechts 等(1999)[1]首次将copula 函数应用到风险管理领域中以来, 国外已有大量文献对Copula在金融中的应用做了广泛研究, 包括投资组合构建及风险管理、资产定价、金融市场相关性等金融问题。例如Goorbergh等(2005 )[2]利用Copula函数的参数与秩相关系数Kendall的τ之间一一对应关系建立动态Copula-GARCH模型, 研究了双标的最优认购期权的定价问题;Patton (2006)[3]利用动copula模型研究了国际外汇市场动态相关性及相关性变结构问题.但已有的文献, 大多数都是基于二元Copula 函数及其静态和动态模型做的相关研究, 而对于高维间题的研究则相对较少.而在现实金融世界中,更多情况是涉及到多资产多变量的间题, 因此二维Copula函数远远不能满足实际问题的需求。在以往的多变量分布建模应用和研究中, 可以选择的多元Copula包括多元高斯Copula和多元t-Ccopula以及多元阿基米德copula,但是,多元高斯和多元t-Copula都是对称相关结构分布, 并且高斯Copula不能反映尾部特征。而多元阿基米德Copula虽具有非对称相关结构特性, 但要求两两变量之间的相关结构完全一致, 而现实中各变量之间的相关结构不可能完全相同, 因此将多元阿基米德Copula应用到金融中存在很大局限性。因此寻找一种更灵活的方式刻画多变量相关结构成为理论界和实务界共同关注的问题。 最近, 基于Pair-Copula构建模块的藤(vine) Copula作为一种新的构建多变量联合分布的方法进入人们视野.Joe(1996)[4]首先提出了Pair-Copula理念, 可以将二元Copula推广到多元Copula。Bedford 和Cooke(2001[5], 2002[6]) 以及Aas 等(2009)[7]对藤Copula构建及其参数估计和数据模拟方法分别做了详细介绍.在藤Copula理论研究领域, Gugan D,Maugis P A(2009)[8]提出了一种新的构建藤Copula的方法, 同Bedford 和Cooke的方法相比, 该方法可以构造出更多的n维藤Copula,相对于传统的多元Copula,藤Copula方法在构建多元变量联合分布问题上更加灵活, 更能反映现实情况, 并且操作也很直观简单。这种方法在构建多变量联合分布函数时可以反映出两两变量之间的相关结构不一致和非对称等特性。目前, 关于藤Copula的研究, 大多集中在参数估计方法及数据拟合优度问题研究上, 比如Berg等(2005)[9], Fiseher 等(2009 )[10], MinA和Czado C(2010)[11], 分析表明由Pair-Copula构建的Vine-Copula模型可以更好的拟合多变量金融数据。而将藤Copula应用到金融问题中的文献还不是很多,Beatriz等(2010)[12]采用D 藤Copula结构构建多变量联合分布, 对投资组合有效边界间题做了新的尝试性研究。Hofmann和Czado C(20l0)[13]采用D 藤结构coula 方法研究了投资组合风险管理问题, 并与传统多变量Coula方法做了比较, 实证表明, 由于藤Copula方法在构建多变量依赖结构上的更强的灵活性, 能分别刻画出两两变量之间对称或非对称相依结构以及是否具有尾部分布的特点, 从而影响到VaR计算的准确性。国内学者也将Pair-Copula方法应用到了金融领域的多个方面： 顾冬雷，叶五一，缪柏其[14]利用藤结构下的pair-copula模型得到一种新的区域性金融危机传染检验方法，全面地分析多个国家（或地区）收益率之间的相依结构，通过多元相依结构的变化对危机传染效应进行检验。唐振鹏, 黄友珀[15]用藤copula描述违约相依结构, 提出一种测度组合信用风险的藤copula方法，实证结果表明: 常用多元copula方法往往低估或高估风险值, 而藤copula方法在各种常用的多元copula相依结构假定下的VaR 和ES估计值与实际风险值很接近,VaR都通过了回測检验,ES回测检验指标也表明藤copula方法估计的ES更准确。杜子平，汪寅生，张丽[16]以VaR 作为风险度量工具，采用基于Pair Copula 高维建模方法的混合C 藤Copula 风险分析模型，构建了反映多个资产收益实际分布和相依性的联合分布函数。根据变量间相关性强弱确定变量顺序，并对各Pair Copula 都依据一定的标准选择最优函数族。以此建立的模型不仅考虑到了维数影响，而且能捕捉到资产组合因子间的相关性差异，从而能更好描述资产组合的相依结构。在此基础上，利用Monte Carlo 方法计算了中国外汇市场上七种外汇资产投资组合的VaR，并通过实证分析验证了该模型的有效性。罗长青，欧阳资生[17]在信贷组合管理的框架下，以行业信用风险为基础，构建了基于藤结构Copula的多元信用风险相关性度量模型，并以2006年6月～2010年12月中国上市公司数据对模型进行了参数估计，发现C藤结构更适合度量行业信用风险相关性，以电力煤气及水的生产为代表的强周期性行业对信用风险起着引导作用。苏静和杜子平[18]结合Copula函数与KMV模型相结合对商业银行组合信用风险进行了度量。

3、简述本文将做的工作

对于Pair-Copula模型的实际应用，国内多局限于理论研究或不同行业之间市场风险的线性或非线性相依性的讨论上，对于行业间信用风险的非线性相依性研究较少且不够深入。本文结合近年来Copula方法应用的相关成果，以国民经济中主要的几个行业及行业中的代表性企业为样本，考察不同行业间的信用风险相依性和条件相依性，并从投资组合的角度，在考虑违约非线性相关的基础上对信贷组合的信用风险进行度量。克服了在传统的资产组合信用风险度量模型中，基于正态分布的假设不能描述金融数据的尖峰、厚尾的特点，计算组合信用风险时常常会低估真值的不足。

参考文献

[1] Embrechts p,McNeil A,Straumann D .Correlation:Pitfalls and alternatives [J].RISK, 1999,12(5):11-21.

[2] Goorbergh R J, Christian Genest, Bas J M Werker.Bivariate option pricing using dynamic copula models [J]. Insurance: Mathematies and Economies,2005,37:101-114.