1. 研究目的与意义
随着全球经济一体化程度不断加深，各种创新型金融衍生工具的出现，金融市场面临着更加复杂的金融风险，这对新经济形势下的风险管理有了更高的要求。而风险管理的关键就在于能够对于风险进行准确的度量，因此，能够通过某种方法，定量的刻画金融市场，建立全新的金融风险度量体系，对于经济的健康安全发展有着重要的意义。而传统的相关系数只能刻画资产之间线性相关关系，对于非线性相关关系无能为力，而大部分资产之间的关系为非线性相关。所以，将Coplua函数引入金融市场来对各种资产之间的相关性进行分析对于风险度量有着至关重要的意义。 它的现实意义在于能够加强各国的风险管理控制，防止金融危机的出现。尤其是对于我国来说，国内金融市场体系还不成熟，与国外的金融体系有很大的差异。在不能完全照搬国外防范金融风险措施的情况下，基于实际情况对于市场进行风险度量，对企业、对监管机构都有着十分重大的意义，能够极大的避免我国经济体系的出错，使经济更加健康稳定发展。
2. 研究内容和预期目标
本论文主要是针对Copula函数在市场风险度量中的应用进行研究的。对市场风险中的相关性应用Copula函数，得到金融风险的分布函数。从而能够对于市场风险进行准确的度量，避免经济危机的爆发。这里我们选取不同股票市场作为实证研究对象，对其相关性结构进行研究，选择不同的模型，对其函数进行估计，得到其相应的Copula函数。然后选取合适的检验方法对其进行拟合优度检验，根据检验结果选择最优Copula函数。并借此来判断是否相关，从而决定是否能以对股票市场分散投资组合的方式来降低风险。最后我们通过蒙特卡罗模拟产生随机数来模拟市场风险因子分布，进而度量风险。 写作提纲： 一、引言：主要介绍本文研究的背景、目的及意义 二、国内外研究现状和相关理论 三、Copula模型对市场风险度量的实证分析 四、研究结论及对策启示
3. 国内外研究现状
Copula模型是用来确定随机向量的联合分布和多个随机变量间相依结构的统计模型。Skalr提出Sklar定理，为Copula函数与各边际分布函数以及联合分布之间建立了联系。在Sklar定理基础上，很多学者发展和完善了Copula理论。在这些学者的卓越工作下，Archimedean Copula函数簇基本确定，Genest等（1986）证明了Archimedean Copula函数的一些性质。Embrechts等（1999）第一次把该理论引入金融领域。Nelsen（2006）系统地介绍了Copula函数的基本性质及有关理论。 早期Copula理论的应用仅限于无条件分布情形，即仅仅研究Copula函数的参数不变的情形，没有考虑参数变化的情形。在提出参数随时间变化的条件Copula之后，条件Copula理论开始被应用于金融领域。Rockinger等（2001）建立了Copula-GARCH模型来动态研究金融变量间的相依性和风险。Huang等（2009）利用条件Copula理论和GARCH模型估计了投资组合的风险值。 Copula理论在风险管理中的一个重要应用是模拟和预测高维投资组合的市场风险值。多元Copula函数虽然可以直接用于刻画高维投资组合中各成分资产的相依结构，往往存在很大局限性：直接用Copula函数描述变量间相依结构时，隐含着变量两两之间具有相同相依结构的假设，没有考虑到实际情况中可能是变量间的相关性并不完全相同，这样在维数超过二维时可能会导致模型描述的相依结构与实际结构存在较大的偏差。 我国对于Copula理论的研究始于2002年，张尧庭在理论上探讨了Copula模型应用于金融风险分析的可行性。韦艳华等（2003）指出运用Copula模型比向量GARCH模型在描述随机变量间时变条件相关关系方面更有效。张明恒（2004）构造了Copula计量方法来估计多金融资产风险价值。任仙岭和张世英（2007）利用核估计和多元Archimedean Copula分析了投资组合风险。崔百胜（2011）利用Copula vine类模型讨论了欧元对美元、人民币、港元和日元货币汇率波动的相关性。周孝华等（2012）采用Copula-SV-GDP模型预测了多资产组合的风险。王璐等（2016）用动态Copula方法研究了国际多元化投资组合的优化问题。黄友珀等（2016）建立理论Vine-Copula已实现GARCH模型，并选用中国股市风格指数组合进行了实证分析。
4. 计划与进度安排
2022年11月30日前——完成开题工作2022年3月17日前——完成初稿和中期检查工作2022年5月5日前——完成论文修改、定稿、外文文献翻译工作2022年5月31日前——完成答辩工作，成绩发布，二次答辩
5. 参考文献
［1］陈坚，中国股票市场尾部风险与收益率预测——基于Copula与极值理论的VaR对比研究［J］.厦门大学学报（哲学社会科学版），2014（4）：45-54 ［2］淳韦德，付君实，赵如波.基于混合Copula函数的金融市场非线性极端风险传染研究［J］.预测，2015（4）：53-58 ［3］宫晓琳，陈增敬，张晓朴，等.随机极限正态分布与审慎风险监测［J］.经济研究,2014（9）:135-148 ［4］黄友珀，唐振鹏，唐勇，等.基于藤copula-已实现GARCH的组合收益分位数预测［J］.系统工程学报，2016，31（1）：45-54 ［5］李强，周孝华.基于Copula的我国台湾和韩国股票市场相关性研究［J］.管理工程学报，2014，28（2）：100-107 ［6］李竹渝，鲁万波.经济.金融计量学中的非参数估计技术［M］.科学出版社，2007 ［7］孙立娟.风险定量分析［M］.北京大学出版社，2011 ［8］韦艳华，张世英，孟利峰.Copula理论在金融上的应用［J］.西北农林科技大学学报社会科学版，2003，3（5）：97-101 ［9］韦艳华，张世英.Copula理论及其在金融分析上的应用［M］.清华大学出版社2008［10］谢远涛，杨娟，夏孟余.基于COPULA-CVaR风险度量的投资组合分析［M］.对外经济贸易大学出版社，2014［11］Aas K,Czado C,Frigessi A,et al.Pair-copula constructions of multiple dependence[J].insurance:Mathematics and economics,2009,44(2):182-198［12］Allen D E,Singh A K,Powell R J.EVT and tail-risk modelling:Evidence from market indices and volatility series[J].The North American Journal of Economics and Finance,2013,26:355-369［13］Bangzheng Z,Yu W,Jiang Y,et al.The Study of Correlation and Portfolio Selection among Multi-Markets Based on EVT-Vine-copula[J].Journal of Management［14］Bensalah Y.Steps in applying extreme value theoty to finance:a review[M].Bank of Canada.2000［15］Berger T,Forecasting value-at-risk using time varying copulas and EVT return distributions[J].International Economics,2013,133:93-106
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
