丁文暉

摘 要：目前市場經(jīng)濟處于下行階段，配置投資比例和規(guī)避金融風險就顯得尤為重要，本文首先介紹了目前金融市場中投資組合和金融市場傳統(tǒng)方法的優(yōu)劣，然后詳細介紹了國內(nèi)外Copula方法在金融市場中的應用和研發(fā)方向，為降低投資風險，保障投資人利益提供了理論支撐。

關鍵詞：金融市場、風險管理、Copula方法

1.投資組合及金融市場風險管理現(xiàn)狀

世界經(jīng)濟一體化導致金融一體化，使得人們可以在任何一個國家進行金融投資。這就使各國間金融體系產(chǎn)生一定的相互依賴性，進一步增加了資產(chǎn)投資的復雜性，增加了精確量化組合比例的難度。為此人們研究有效的模型和方法，用以研究并量化金融資產(chǎn)組合的風險及高效地分配資產(chǎn)組合比例，使投資者的效益最大化。

傳統(tǒng)方法能有效刻畫金融市場特點，定度有效投資組合比例，但在處理復雜程度較高的投資組合時仍顯其粗糙。傳統(tǒng)方法往往是基于假設猜想來分析市場的，與現(xiàn)實情況存在差異，其次傳統(tǒng)方法認為投資組合中各資產(chǎn)之間的關系是線性相關的，但在實際中各資產(chǎn)間不僅存在線性關系，還存在著非線性關系，若僅考慮線性關系，而忽略非線性關系，對投資組合的選取會存在一定的偏差，甚至錯誤評估投資風險。再者，傳統(tǒng)方法對于金融資產(chǎn)收益間的聯(lián)動關系未考慮，但是在實際中，若某證券市場中的某板塊或者某股票出現(xiàn)異常波動時，該板塊或者其它板塊也會受到影響。此外，傳統(tǒng)方法假設各金融資產(chǎn)收益率服從同一分布函數(shù)，而變量較多時，顯示表達式很難給出?？偠灾瑐鹘y(tǒng)方法和工具不能夠滿足當今復雜的金融市場。

2.國內(nèi)外研究現(xiàn)狀

近年來，Copula的理論研究得到了廣泛應用，D.X.Li將Copula理論應用于信用風險與信用衍生品的研究，用Gaussian-Copula分析了違約時間的關聯(lián)性結構，得到不錯效果。Luciana Dalla Valle用Bayesian Copula分布應用于銀行操作風險，模擬了操作風險，為銀行風險規(guī)避提供了理論依據(jù)。Di Clemente探究了不同相關性下的信用資產(chǎn)風險，應用到Gaussian-Copula、Clayton-Clayton-Copula以及Student’s t-Copula方法，得到度量的風險大于線性相關性計算的風險，驗證了非線性對風險因素的影響。Rob W.J.van den Goorbergh提出了動態(tài)Copula模型，并通過多維期權定價驗證了Copula模型的穩(wěn)定性和高精度性。Mathew P.S. Gander結合馬爾科夫蒙特卡洛算法，改進了多元隨機波動模型。Ling Hu提出了應用于金融市場的聯(lián)系性關系的混合Copula模型，采用MCMC方法度量了兩只股票的收益率風險。初上述介紹之外，國外許多學者還對Copula理論和應用進行了研究，主要集中于研究風險評估方面，結合一些模擬方法以提高研究精度。

國內(nèi)由于起步較晚，對于投資組合的研究相對較少。最早提出并研究Copula在金融領域應用的是張堯庭，然后則是史道濟研究了由Copula函數(shù)獲得的Spearman秩相關系數(shù)、尾部相關系數(shù)和Kendall秩相關系數(shù)，并解釋了各相關系數(shù)的性質。近年來陸陸續(xù)續(xù)的出現(xiàn)了Copula應用在投資組合的條件VaR，能夠更加精確化的度量金融風險;將Copula與Monte Carlo模擬方法結合度量國內(nèi)證券市場風險。總體來看，Copula理論發(fā)展迅速，許多學者都對其進行了深入研究，尤其是金融證券領域。

3.Copula應用探究

Copula是一種新的金融計量工具，它能非常靈活地處理風險因素、金融市場和其他金融研究中的相關變量間的協(xié)動關系。不僅能刻畫收益率序列間的線性相關關系，還考慮到不同資產(chǎn)間的非線性關系。Copula是由Sklar于1959年提出的一種方法，即可以將聯(lián)合分布函數(shù)拆分為k個邊緣分布和1個Copula函數(shù)，Copula函數(shù)可以描述變量間的相關性。

常用于金融數(shù)據(jù)分析的的函數(shù)族主要有兩類：橢圓Copula函數(shù)族和阿基米德Copula函數(shù)族。橢圓Copula函數(shù)又分為正態(tài)Copula函數(shù)和t-Copula函數(shù)。正態(tài)Copula函數(shù)是由多元分布函數(shù)轉化后得到的一種橢圓Copula函數(shù)。t—Copula函數(shù)則是由多元t分布函數(shù)衍生而成的一個橢圓Copula函數(shù)。金融數(shù)據(jù)分析中，最常用的二元阿基米德Copula函數(shù)包括Gumbel Copula、Clayton Copula以及Frank Copula，他們是由不同的生成元函數(shù)生成。

傳統(tǒng)的馬克維茨模型用簡單的線性相關關系描述當今的金融市場數(shù)據(jù)是不可取的，主要是金融資產(chǎn)數(shù)據(jù)間的關系是非線性的，并且在變量多得情況下，傳統(tǒng)投資組合方式分析方法計算起來困難且實用性較差。采用MCMC和Copula方法能夠克服傳統(tǒng)方法的不足。用MCMC方法算得的資產(chǎn)投資組合分配比例更為科學，該方法充分考慮了歷史收益率勝出的概率。此外，MCMC計算的投資組合比例比傳統(tǒng)的馬克維茨模型更穩(wěn)定，傳統(tǒng)的馬克維茨模型穩(wěn)定性差，而且會出現(xiàn)所分配比例為零的情況，不太符合實際情況。

MCMC-Copula方法計算的投資組合收益率更接近現(xiàn)實，優(yōu)于馬克維茨模型計算結果，馬克維茨模型是基于投資組合收益率與風險值應該呈現(xiàn)正相關關系建立的，并且實際上高風險并不一定是高收益的。此外，MCMC-Copula可以快速穩(wěn)定的計算初資產(chǎn)投資組合分配比例及收益率。

MCMC-Copula方法所度量的組合VaR及組合收益不同于傳統(tǒng)方法，結果很平穩(wěn)，且能篩選出風險較小但收益率較大的投資組合比例，這正符合投資者的大眾心理。同時，有關研究對尾部風險值進行了計算，得出尾部風險并不像整體風險值那么大，這說明可以為投資者節(jié)約應對風險的資本，特別是對較大的投資機構而言，能較大幅度降低投資隱成本?；贑opula理論計算的組合VaR相對于傳統(tǒng)方法計算的組合VaR有良好的敏感度和時變效果，因此，MCMC-Copula方法能夠更好地測量金融風險，為投資者做投資決策提供建議。

4.結語

傳統(tǒng)方法已經(jīng)不能滿足金融市場對投資組合和投資風險評估的需求，充分發(fā)揮Copula方法的優(yōu)勢，使用Copula方法對金融資產(chǎn)投資組合進行度量，再與模擬方法進行結合，研究出符合當今時代金融市場實際情況的風險和投資組合方法，為投資者提供參考，降低投資風險，保護投資者利益。隨著計算機技術的不斷發(fā)展，計算量和計算速度的不斷提升，受制于計算量的模型算法可以逐步的被應用到金融市場中來，科學規(guī)避風險，最大化投資收益。

參考文獻

[1] 賈振方.基于VaR模型與ES模型風險度量分析[J].合作經(jīng)濟與科技，2018，（17）：79-81.

[2] 徐冉.金融工程在金融市場中的風險管控工作探究[J].價值工程，2019，38（13）：32-35.

[3] 任若恩，王超.基于股指期權的股指期貨交易風險管理[J].北京航空航天大學學報（社會科學版），2018，31（2）：75-83.

[4] 蘇慧.商業(yè)銀行金融市場業(yè)務風險管理策略的探討[J].商情，2018，（49）：49，64