乐趣区

关于数据挖掘:MATLAB用GARCHEVTCopula模型VaR预测分析股票投资组合

全文链接:http://tecdat.cn/?p=30426

原文出处:拓端数据部落公众号

对 VaR 计算方法的改良,以更好的度量开放式基金的危险。本文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

本文中,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

本文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)

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


最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略

2.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言改良的股票配对交易策略剖析 SPY—TLT 组合和中国股市投资组合

3.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言工夫序列:ARIMA GARCH 模型的交易策略在外汇市场预测利用

4.[](http://tecdat.cn/r%e8%af%ad%e…)TMA 三均线期指高频交易策略的 R 语言实现

5.[](http://tecdat.cn/r%e8%af%ad%e…) r 语言多均线量化策略回测比拟

6.[](http://tecdat.cn/r%e8%af%ad%e…)用 R 语言实现神经网络预测股票实例

7.[](http://tecdat.cn/r-%e8%af%ad%…)r 语言预测稳定率的实现:ARCH 模型与 HAR-RV 模型

8.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言如何做马尔科夫转换模型 markov switching model

退出移动版