首页> 中文学位 >Measuring Risk of Foreign Exchange Portfolio Based on Garch-Evt Copula Models
【6h】

Measuring Risk of Foreign Exchange Portfolio Based on Garch-Evt Copula Models

代理获取

目录

DECLARATION

DEDICATION

ABSTRACT

摘要

TABLE OF CONTENTS

LIST OF FIGURES

LIST OF TABLES

CHAPTER 1 INTRODUCTION

1.1 Background

1.2 Purpose of the Study

1.3 Significance of the Study

1.4 Research Questions and Hypotheses

1.4.1 Research Questions

1.4.2 Hypotheses

1.5 Research Design

1.6 Scope of study

1.7 Our contributions

1.8 Thesis structure

CHAPTER 2 LITERATURE REVIEW

2.1 Previous Study on Value-at-Risk

2.2 Previous study on GARCH

2.3 Review of literature of extreme value theory

2.4 Further work on Copula

CHAPTER 3 RISK MEASURES

3.1 Pre-Markowitz and Markowitz Risk Management Era

3.1.1 Pre-Markowitz Risk Management

3.1.2 Markowitz’s Portfolio Theory(MPT)

3.1.3 Capital Asset Pricing Model(CAPM)

3.2 Value at Risk(VaR)

3.2.1 VaR Risk Measure

3.2.2 VaR Calculations

3.2.3 Interpreting and analyzing VaR

3.2.4 Issues in applying VaR

3.2.5 VaR Implementation

3.3 Coherent Risk Measures

3.3.1 Axioms of Risk Measurement

3.3.2 Coherent Risk Measures

3.3.3 Definition(Expected Shortfall)

CHAPTER 4 FOREIGN EXCHANGE RISK MANAGEMENT

4.1 Definition and types of Foreign Exchange Risk

4.1.1 Definition of foreign exchange risk

4.1.2 Types of foreign exchange risk

4.2 Management of foreign exchange risk

4.2.1 Hedging Strategies

4.2.2 Hedging Benchmarks and Performance

4.2.3 Hedging and Budget Rates

4.2.4 Best practices for foreign exchange risk management

4.2.5 Hedging instruments for managing foreign exchange risk

CHAPTER 5 THEORETICAL FRAMEWORK

5.1 GARCH Models

5.2 Extreme Value Theory

5.2.1 Generalized Extreme Value Distribution

5.2.2 Threshold Exceedances

5.2.3 Modelling Excess Losses

5.2.4 Modelling Tails and Measuring of Tail Risk

5.3 Copula Models

5.3.1 Definition(Copula)

5.3.2 Theorem(Sklar)

5.3.3 Corollary

5.3.4 Theorem(Copula invariance)

5.3.5 Definition(Gaussian or Normal Copula)

5.3.6 Definition(Student t-Copula)

5.3.7 Archimedean Copulas

5.3.8 Dependences Measures

5.3.9 Estimation of Copula Parameters

5.3.10 Simulation form Copulas

5.4 Backtesting method

5.4.1 Kupiec’s Proportion of Failures(POF)Test

5.4.2 Christoffersen’s Tests

CHAPTER 6 EMPIRICAL RESULTS

6.1 Data collection

6.2 GARCH Models:Modeling Marginal Distributions

6.3 EVT Models:Modeling Marginal Distributions

6.4 Copula Model:Modeling Dependence Structure

6.5 Value at Risk Estimation

6.6 Value at Risk Backtesting

6.7 Discussions

6.7.1 Main frictions of the model to derive the main results

6.7.2 Economic intuitions of mechanisms of the model

CHAPTER 7 CONCLUSION

7.1 Conclusion

7.2 Directions for future research

REFERENCES

ACKNOWLEDGEMENTS

LIST OF PUBLICATIONS

展开▼

摘要

金融风险管理是一个过程,这个过程需要企业建立指导方针来制定他们能够接受的财务风险的策略。个体在做金融风险管理的工作时不是为在公司做投资决策,但是他们创建了风险承担者在分析投资领域时必须遵循的指导方针。
  本文提供了一种基于现实世界应用的对投资组合风险分析的定量、技术性处理。它同时吸收了学术界和实践者的研究文献中的灵感和想法。投资组合风险管理量化建模是一个活跃的研究领域。实际上,所有机构投资管理公司使用量化模型作为它们投资组合风险管理过程中一个必须的组成部分。
  该研究的目的是提供一个测量外汇投资组合风险的技术。这将会是一个在汇率、利率、商品等金融风险因素建模和一个公司成功的关键——对有效财务风险管理的充分理解的两方面的重大努力。
  最新的投资组合风险度量是描述对条件或无条件的预定范围的投资组合的损失分布的统计量。当然,依赖于任何一个特定的统计量去总结一个分布中蕴含的风险是有问题的。在实践中,风险度量经常以公司为单位被管理者作为限制风险额度的工具来使用。
  在现代的金融风险管理中,风险价值模型(VaR)的概念发挥着不可或缺的作用,它被许多大型金融机构使用来测量它们当前持有头寸的风险程度以及决定为保证安全应当持有的头寸。风险价值是一个简易的统计量,它将市场上资产或投资组合暴露的风险量化,或者将市场价格反向变化导致的头寸价值减少的风险量化。它的吸引力源于它在作为一个风险和在不同的金融工具风险和商业活动风险一致处理的简易度量中都能给出很好的解释。VaR通常是作为一个公司能够意识到其财务风险的“最大合理损失”的近似。为了生成对于给定投资组合的一个VaR度量,一个公司必须生成一个在特定的时间或“风险范围”的投资组合价值可能变化的概率分布。
  值得一提的是,这项研究旨在对风险管理领域作出贡献,以及强调一些计量经济学和数学模型,这些模型可以对三种财务回报的典型事实——波动集群,厚尾和非线性依赖进行建模。
  从根本上说,我们的工作在综述一些研究人员和投资者感兴趣的关于金融回报的决定因素之后,对五种不同的货币进行GARCH模型建模,模拟波动率集聚现象。本文中的货币汇率指数包含人民币对美元(CNY/USD),欧元对美元(EUR/USD),日元对美元(JPY/USD),中非法郎对美元(XAF/USD),南非兰特对美元(ZAR/USD),这些货币汇率指数分别提供了一个研究,同时也为结合发达国家、发展中国家和转型国家提供了很好的比较。此外,本文使用了EVT模型解决了检测每个收益率序列的厚尾普遍性问题。本文使用copula函数的概念对金融风险因素的随机向量的组成部分中间的依赖性进行建模作出了另外的贡献。最后,我们应用回顾测试来比较不同模型的效果。
  为了估计我们的外汇投资组合的VaR,我们首先通过一个非对称GARCH模型和一个EVT方法来对每一个收益对数序列的边缘分布建模,然后使用copula函数(Gaussian,Student's t,Clayton,Gumbel and Frank)来连接所有的边缘分布使之成为一个多元分布,从而在每个收益率序列提取出被筛选的残差。我们然后使用蒙特卡洛模拟方法(MCS)来寻找投资组合VaR的估计。我们使用回顾测试来检查方法的拟合优度。
  根据实证结果,我们得出这样的结论:在通常情况下GARCH-EVT-copula方法表现良好,特别是GARCH-EVT-Student's t copula和其他方法比较起来更胜一筹。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号