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