全文链接：http://tecdat.cn/?p=30426
最近咱们被客户要求撰写对于 GARCH-EVT-Copula 的钻研报告，包含一些图形和统计输入。
对 VaR 计算方法的改良，以更好的度量开放式基金的危险。本我的项目把基金所持股票看成是一个投资组合，引入 Copula 来形容多只股票间的非线性相关性，构建多元 GARCH-EVT-Copula 模型来度量开放式基金的危险，并与其余 VaR 预计办法的预测后果进行比拟
其次是将 VaR 引入到基金业绩评估中，结构 RAROC 指标来评估基金业绩，测验该评估指标的可行性。
GARCH-EVT-Copula 模型
首先用 GARCH 族模型拟合单项资产收益率，并提取标准化残差以满足极值实践的假如前提，接着对标准化残差的高低尾局部采纳 EVT 实践中的狭义帕累托散布 GPD 拟合，两头局部采纳高斯核函数来预计其教训累积散布函数，从而失去标准化残差的边缘散布函数。而后选取适当的 Copula 函数, 结构多元标准化残差间的相干构造和联结散布函数。
Copula 函数参数预计
本我的项目中，采纳 伪极大似然预计（CML）办法来预计 Copula 函数的参数 第一步，将金融资产对数收益率数据 x 通过教训散布函数转化为平均变量 (uniform variates) 第二步，利用密度似然函数预计 Copula 函数的参数:
GARCH-EVT-Copula 模型计算 VaR
本我的项目将开放式基金看做是一个资产组合，以每只基金所持有的股票收益率为钻研对象，从投资组合的角度利用多元 GARCH-EVT-Copula 模型来计算基金的 VaR 值。
读取数据
[NUM,TXT,RAW]=xlsread('data')
Data=NUM
function [output_args] = GEC(input_args)
建设 GARCH 模型
nIndices = size(Data,2); % # 基金数量
spec(1:nIndices) = garchset('Distribution' , 'T' , 'Display', 'off', ...
'VarianceModel', 'GJR', 'P', 1, 'Q', 1, 'R', 1);% 对每只基金设置 garch 模型的
残差自相关性测验
% 残差自相关性测验
figure, subplot(2,1,1)
plot(residuals(:,1))
xlabel('工夫'), ylabel('残差'), title ('N225 收益率残差')
依据 FHS 提取标准化残差
title('N225 标准化残差自相干图')
subplot(2,1,2)
autocorr(residuals(:,1).^2)
点击题目查阅往期内容
R 语言用 GARCH 模型稳定率建模和预测、回测危险价值 (VaR) 剖析股市收益率工夫序列
左右滑动查看更多
01
02
03
04
GDAXI
% 残差自相关性测验
figure, subplot(2,1,1)
plot(residuals(:,2))
GSPC
FCHI
% 残差自相关性测验
figure, subplot(2,1,1)
plot(residuals(:,4))
依据 FHS 提取标准化残差
采纳 EVT 实践对规范残差预计累计散布函数
% Estimate the Semi-Parametric CDFs
nPoints= 200; % # of sampled points of kernel-smoothed CDF 须要拟合的样本点
tailFraction = 0.1; % Decimal fraction of residuals allocated to each tail 小数保留位数
plot(y, (OBJ{index}.cdf(y + Q(2)) - P(2))/P(1))
[F,x] = ecdf(y); % empirical CDF
hold('on'); stairs(x, F, 'r'); grid('on')
legend('拟合的狭义 Pareto 累计散布函数','教训累积散布函数','Location','SouthEast');
xlabel('Exceedance'); ylabel('Probability');
title(['标准化残差序列',num2str(index),'的上尾']);
for i=1:242
VaRp(i,:)=pPrice(i+T-242)*exp(VaR(i,:));
end
%%
figure
plot(1:242,pPrice(T-242+2:end),'r-',1:242,VaRp(1:242,1),'g-',1:242,VaRp(1:242,2),'b-',1:242,VaRp(1:242,3),'y-');
title('基金持股收盘价理论与 VaR 预测上限走势图')
plot(1:242, b(:,s),'go-',x,d,'ro',1:0.25:250,0,'b');
legend('未冲破 VaR 预测上限','冲破 VaR 预测上限','Location','Best')
title('基金理论持股收盘价与 VaR 预测上限差额')
xlabel('工夫日期')
ylabel('差额');收益率 t 散布 %QQ 图
N225 收益率平方自相干图和偏相关图
点击文末 “浏览原文”
获取全文残缺代码数据资料。
本文选自《MATLAB 用 GARCH-EVT-Copula 模型 VaR 预测剖析股票投资组合》。
点击题目查阅往期内容
R 语言应用多元 AR-GARCH 模型掂量市场危险 \
R 语言 GARCH 模型对股市 sp500 收益率 bootstrap、滚动预计预测 VaR、拟合诊断和蒙特卡罗模仿可视化 R 语言单变量和多变量（多元）动静条件相关系数 DCC-GARCH 模型剖析股票收益率金融工夫序列数据稳定率 \
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格 \
GARCH-DCC 模型和 DCC（MVT）建模预计 \
R 语言预测期货稳定率的实现：ARCH 与 HAR-RV 与 GARCH，ARFIMA 模型比拟 \
ARIMA、GARCH 和 VAR 模型预计、预测 ts 和 xts 格局工夫序列 \
PYTHON 用 GARCH、离散随机稳定率模型 DSV 模仿预计股票收益工夫序列与蒙特卡洛可视化 \
极值实践 EVT、POT 超阈值、GARCH 模型剖析股票指数 VaR、条件 CVaR：多元化投资组合预测危险测度剖析 \
Garch 稳定率预测的区制转移交易策略 \
金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用 \
工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格 \
R 语言危险价值：ARIMA，GARCH，Delta-normal 法滚动预计 VaR（Value at Risk）和回测剖析股票数据 \
R 语言 GARCH 建模罕用软件包比拟、拟合规范普尔 SP 500 指数稳定率工夫序列和预测可视化 \
Python 金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用 \
MATLAB 用 GARCH 模型对股票市场收益率工夫序列稳定的拟合与预测 \
R 语言极值实践 EVT、POT 超阈值、GARCH 模型剖析股票指数 VaR、条件 CVaR：多元化投资组合预测危险测度剖析 \
Python 用 ARIMA、GARCH 模型预测剖析股票市场收益率工夫序列 \
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格 \
R 语言 ARIMA-GARCH 稳定率模型预测股票市场苹果公司日收益率工夫序列 \
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测 \
R 语言工夫序列 GARCH 模型剖析股市稳定率 \
R 语言 ARMA-EGARCH 模型、集成预测算法对 SPX 理论稳定率进行预测 \
matlab 实现 MCMC 的马尔可夫转换 ARMA – GARCH 模型预计 \
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测 \
应用 R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略 \
R 语言用多元 ARMA,GARCH ,EWMA, ETS, 随机稳定率 SV 模型对金融工夫序列数据建模 \
R 语言股票市场指数：ARMA-GARCH 模型和对数收益率数据探索性剖析 \
R 语言多元 Copula GARCH 模型工夫序列预测 \
R 语言应用多元 AR-GARCH 模型掂量市场危险 \
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格 \
R 语言用 Garch 模型和回归模型对股票价格剖析 \
GARCH（1,1），MA 以及历史模拟法的 VaR 比拟 \
matlab 预计 arma garch 条件均值和方差模型