文档介绍：浅析基于Copula-VaR方法的期货合约组合保证金设定的实证研究
【摘要】保证金水平的高低主要取决于合约的风险,而期货合约组合的风险又主要取决于单个合约的风险以及合约之间的风险相关性。本文以黄大豆一号和黄大豆二号期货合约组合为研究对象,运用Copula-VaR方法对其风险进行了测量,实证分析结果表明Copula-VaR方法可以有效地计量期货组合的实际风险,并可用于对组合未来风险的预测。
【关键词】保证金;Copula理论;VaR模型;GARCH模型
一、引言
我国目前采用的方法为静态保证金设置模式,这种设置模式有两个特点:一是保证金设定标准固定;二是在特殊情况下会有所调整,如持仓量变化、临近交割期、法定节假日等。这种保证金设置模式的最大优点是操作方便,但缺点也很明显,不能根据市场行情的变化及时调整保证金的比率,容易造成资金的浪费或者无法覆盖全部的风险,这种保证金设置方式往往不能很好地与市场风险相匹配。这种不匹配主要表现在以下两个方面:一是针对单份期货合约,期货交易所往往不能根据合约风险的变化及时调整保证金,这往往造成收取的保证金比例偏高,影响期货市场的流动性;二是针对期货交易者持有的期货合约组合,期货交易所在收取合约组合的保证金时,往往是将各个合约保证金进行简单地累加,并没有考虑期货合约之间可能存在的风险对冲。
本文将用Copula-VaR方法测量期货组合的风险值,为期货交易所制定动态的保证金提供依据。通过制定动态的保证金体系,在风险可控制的前提下,可以提高保证金的使用效率,增强期货市场的流动性,对促进我国期货市场的发展具有重要意义。
二、Copula-VaR模型
以包含两种资产的组合为例,假设分别表示两资产的收益率序列,Copula-VaR模型计算原理
(一)各资产边缘分布形式的确定
利用Copula函数计算资产间的相关结构时,需要首先确定各资产的边缘分布形式。Copula函数对各资产的边缘分布形式不加限制,且各资产之间的分布形式也可以不同。金融时间序列往往并不服从正态分布的假设,而是呈现出尖峰、厚尾等特征,在对这类序列进行刻画时,可以运用GARCH模型对其进行拟合。
(二)Copula模型参数的估计
Copula函数的自变量均服从[0,1]上的均匀分布,因此,在计算出各变量的边缘分布后,需将各序列进行概率积分变换,转换成[0,1]分布序列,转换后的序列便是Copula函数所要拟合的数据。研究变量间的相关结构,可以简化为研究变量残差序列间的相关性,因此,在计算过程中,可以将各变量边缘分布的残差序列进行概率积分变换,变换后得到的序列即为Copula函数所要拟合的序列。得到观察序列后,便可以通过极大似然估计法等方法估计模型的参数。
(三)最优Copula函数的选择
Copula模型有很多分类,每一种Copula函数对数据的刻画都不相同,因此,在计算中,需选择一种最能有效刻画数据的Copula模型。通过上文的分析可知,Copula函数对其任一变量的偏微分都服从[0,1]上的均匀分布,因此,对Copula函数的拟合优度检验就可以转化为检验Copula函数的偏微分是否服从[0,1]上的均匀分布。检验序列是否服从[0,1]分布常用的方法是K-S检验法,通过该方法,可以选出一种拟合效果最优的模型。
(四)