【正文】 rationnelle, and Cr233。, E., Durrleman, V., Nikeghbali, A., Riboulet, G. and Roncalli, T. Copulas forFinance – a reading guide and some applications. Working Paper, Groupe de Recherch233。rationnelle, and Cr233。m, extreme risks in tranquil and volatile markets using conditional extreme value theory. Department of Economics, Lund University, 2001[23] 封建強(qiáng)．滬、深股市收益率風(fēng)險(xiǎn)的極值VaR測(cè)度研究．統(tǒng)計(jì)研究，2002（4）：3438[24] Box ,Jenkins ．時(shí)間序列分析預(yù)測(cè)與控制．顧嵐譯．北京：中國(guó)統(tǒng)計(jì)出版社，1997[25] 顧嵐．時(shí)間序列分析在經(jīng)濟(jì)分析中的應(yīng)用．北京：中國(guó)統(tǒng)計(jì)出版社,1994[26 羅伯特 S．平狄克，丹尼爾?。蹋斮e費(fèi)爾德．計(jì)量經(jīng)濟(jì)模型與經(jīng)濟(jì)預(yù)測(cè)．北京：機(jī)械工業(yè)出版社，1999[27] Neftci, calculations, extreme events, and tail estimation. Journal of Derivatives 2000, spring: 23–38[28] Danielsson, J., de Haan, L., Peng, L. and De Vries, . Using bootstrap method to choose the sample fraction in tail index estimation. Journal of Multivariate Analysis 2001, 76:226248[29] Mattys, G., Beirlant, J. Adaptive threshold selection in the tail index estimation: In: Embrechts, P. (Ed), Extremes and Integrated Risk Management, Risk book in association with UBS Warburg, 2000：319[30] 馬超群，李紅權(quán)，徐山鷹，楊曉光，李暉．風(fēng)險(xiǎn)價(jià)值的完全參數(shù)方法及其在金融市場(chǎng)風(fēng)險(xiǎn)管理中的應(yīng)用．系統(tǒng)工程理論與實(shí)踐，2001（4）：7490[31] 馬超群，李紅權(quán)，張銀旗．風(fēng)險(xiǎn)價(jià)值方法在金融風(fēng)險(xiǎn)度量中的應(yīng)用．預(yù)測(cè)，2001，20(2)：3437[32] Liu, ., Miller, D. Portfolio value at Risk—Modeling, estimation, and implications. West Lafayette, Indiana, USA: Purdue University, 2002[33] Liu, ., Miller, D. Optimal hedging in an emerging market with a copula model of heavytailed logreturns. West Lafayette, Indiana, USA: Purdue University, 2001[34] Di Clemente, A. and Romano, C. Measure and optimization portfolio credit risk: a copula approach. Working paper, Department of Economic Theory and Quantitative Methods for the Political Choices, University of Rome, 2003b[35] Di Clemente, A. and Romano, C. Measuring portfolio valueatrisk by a copulaevt based approach. Working paper, Department of Economic Theory and Quantitative Methods for the Political Choices, University of Rome, 2003[36] Durrleman, V., Nikeghbali, A. and Roncalli, copula is the right ones? Working Paper, Groupe de Recherch233。參考文獻(xiàn)[1] Markowitz, selection. Journal of Finance, 1952(7): 7193[2] Markowitz, selection: Efficient Diversification of Investment. New York: John Wieyamp。因此，在資產(chǎn)選擇中，一定不要忽略金融資產(chǎn)收益率的實(shí)際分布和相關(guān)性。其中，基于Copula函數(shù)的資產(chǎn)組合能夠獲得具有正偏度的收益，基于RiskMetrics 條件正態(tài)分布模型的資產(chǎn)組合不能夠獲得具有正偏度的收益。然后采用動(dòng)態(tài)返回測(cè)試檢驗(yàn)資產(chǎn)組合選擇的績(jī)效。然后根據(jù)Copula函數(shù)在構(gòu)建反映聯(lián)合分布函數(shù)上具有的優(yōu)勢(shì)，構(gòu)建了反映資產(chǎn)組合資產(chǎn)收益實(shí)際分布和相關(guān)性的的聯(lián)合分布函數(shù)。這證明度量收益率厚尾分布和尾部極值相關(guān)對(duì)于資產(chǎn)選擇的績(jī)效有重要的影響?；贑opula函數(shù)的資產(chǎn)組合能夠獲得具有正偏度的收益。表1 資產(chǎn)組合實(shí)現(xiàn)的收益率統(tǒng)計(jì)均值標(biāo)準(zhǔn)差VaR95CVaR95GaussCopula + 正態(tài)GARCH模型tCopula + GARCHEVT模型GaussCopula + GARCHEVT模型RiskMetrics 條件正態(tài)分布模型表2 資產(chǎn)組合實(shí)現(xiàn)的績(jī)效統(tǒng)計(jì)均值/標(biāo)準(zhǔn)差均值/VaR95均值/CVaR95偏度GaussCopula + 正態(tài)GARCH模型tCopula + GARCHEVT模型GaussCopula + GARCHEVT模型RiskMetrics 條件正態(tài)分布模型從夏普指數(shù)、調(diào)整的績(jī)效指數(shù)和偏度等反映資產(chǎn)組合選擇績(jī)效的指標(biāo)看，基于不同Copula函數(shù)和邊緣分布函數(shù)的資產(chǎn)組合選擇績(jī)效由高到低的排列順序?yàn)椋簍Copula + GARCHEVT模型、GaussCopula + GARCHEVT模型、GaussCopula + 正態(tài)GARCH模型、RiskMetrics 條件正態(tài)分布模型。、偏度等指標(biāo)來(lái)反映資產(chǎn)組合的績(jī)效[51~53] 。用VaR和CVaR風(fēng)險(xiǎn)度量指標(biāo)對(duì)夏普指數(shù)進(jìn)行改進(jìn)可以克服其不足。這表明基于tCopula + GARCHEVT模型的資產(chǎn)組合的績(jī)效最好。從圖1可以看出，基于不同的Copula函數(shù)和邊緣分布函數(shù)的資產(chǎn)組合實(shí)現(xiàn)的累計(jì)收益率明顯不同。需要者請(qǐng)與作者聯(lián)系索取。由于計(jì)算任務(wù)非常重，我們采用了MATLAB編程進(jìn)行計(jì)算。本論文假定常相對(duì)風(fēng)險(xiǎn)回避（CRRA）系數(shù)=3。資產(chǎn)組合中各只股票樣本期為1994年3月14日—2001年12月31日。資產(chǎn)組合股票包括：真空電子、原水股份、華晨集團(tuán)、上海石化、濟(jì)南輕騎、悅達(dá)投資、馬鋼股份、華北制藥、東方明珠、四川長(zhǎng)虹。根據(jù)顧嵐等學(xué)者對(duì)中國(guó)資產(chǎn)組合規(guī)模的研究結(jié)果，資產(chǎn)組合規(guī)模在510之間比較好。根據(jù)一些學(xué)者研究的結(jié)果和經(jīng)驗(yàn)，在中國(guó)股票市場(chǎng)的發(fā)展中，大盤股與小盤股所表現(xiàn)出來(lái)的風(fēng)險(xiǎn)和收益特性不同。，評(píng)價(jià)度量金融資產(chǎn)收益率的實(shí)際分布和相關(guān)性對(duì)資產(chǎn)選擇績(jī)效的影響。在第t+1期，t+2期，…，根據(jù)最近的N期歷史數(shù)據(jù)，重復(fù)上述計(jì)算，得到第t+2期，t+3期,…，實(shí)現(xiàn)的資產(chǎn)組合收益率。根據(jù)t+1期的最優(yōu)投資權(quán)重和該期實(shí)際發(fā)生的資產(chǎn)收益率，計(jì)算資產(chǎn)組合在第t+1期實(shí)現(xiàn)的收益率。本論文采用動(dòng)態(tài)返回測(cè)試檢驗(yàn)資產(chǎn)組合選擇的績(jī)效。 ：資產(chǎn)組合選擇的績(jī)效比較（1）實(shí)證過(guò)程的描述基于效用函數(shù)的資產(chǎn)選擇是一種事前（ex ante）的投資決策。第（3）種方法和第（4）種方法的邊緣分布函數(shù)相同，只是連接函數(shù)不同，通過(guò)第（3）種方法和第（4）種方法對(duì)比可以檢驗(yàn)不同的Copula函數(shù)，即度量金融資產(chǎn)收益率的相關(guān)性對(duì)資產(chǎn)組合選擇的影響。在實(shí)證分析中，可以把（1）中RiskMetrics的模擬方法作為基準(zhǔn)，用（2）、（3）、（4）的方法和其比較。用GARCH（1，1）模擬金融資產(chǎn)收益率的條件方差。（4）假設(shè)隨機(jī)擾動(dòng)項(xiàng)尾部服從極值分布（本文前面建立的邊緣分布），然后根據(jù)t分布連接函數(shù)對(duì)資產(chǎn)組合中各資產(chǎn)收益率的隨機(jī)擾動(dòng)項(xiàng)進(jìn)行模擬。用GARCH（1，1）模擬金融資產(chǎn)收益率的條件方差。（3）假設(shè)隨機(jī)擾動(dòng)項(xiàng)尾部服從極值分布（本文前面建立的邊