阿皮瓦特·阿尤斯克;Songsak Sriboonchitta 亚洲新兴市场风险分析,使用标准藤系和极值理论。 (英语) Zbl 1463.62345号 泰语J.数学。 12,规范发行。,59-72 (2014). 摘要:正态分布仅适用于在收益没有表现出极端行为时描述股市收益的行为。本研究检验了极值理论(EVT),以更准确地捕获市场风险的尾部分布,并确定亚洲新兴市场之间的依赖结构。基于模拟方法,我们使用风险价值(VaR)和条件风险价值(CVaR)来衡量市场风险和投资组合优化。我们的实证结果是,五个市场之间的非对称波动率之间的条件依赖性为正,印度和泰国之间的依赖性强于其他市场。VaR和CVaR的结果表明,中国市场的风险最高。 引用于2文件 MSC公司: 62第20页 统计学在经济学中的应用 91B84号 经济时间序列分析 91B05型 风险模型(通用) 62小时05 多元概率分布的表征与结构理论;连接线 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62G32型 极值统计;尾部推断 关键词:连接线;加奇;电动汽车;风险价值;股票 PDF格式BibTeX公司 XML格式引用 \textit{A.Ayusuk}和\textit{S.Sriboonchitta},泰国数学杂志。12、59-72(2014;Zbl 1463.62345) 全文: 链接 参考文献: [1] K.Aas,D.Berg,使用PCC建模财务收益之间的依赖性。作者:D.Kurowicka,H.Joe(编辑),(组织),《依赖建模:藤蔓copula手册》,世界科学(2011)305-328。 [2] K.Aas,C.Czado,A.Frigessi,H.Bakken,多重依赖的Pair-copula构造,《保险:数学与经济学》44(2)(2009)182198·Zbl 1165.60009号 [3] A.Ayusuk,《外国股票市场与泰国证券交易所的联系:来自次贷危机时期的经验证据》,《奈达发展期刊》52(1)(2012)25-39。 [4] T.G.Bali,估计波动率和风险价值的极值方法,《商业杂志》76(2003)83-107。 [5] T.G.Bali,S.N.Neftci,《现货价格动态的扰动极值行为》,《实证金融杂志》10(2003)455-477。 [6] T.Bedford,R.Cooke,用藤蔓建模的条件相关随机变量的概率密度分解,《数学与人工智能年鉴》32(2001)245-268·Zbl 1314.62040号 [7] T.Bedford,R.Cooke,Vines-因随机变量的新图形模型,《统计学年鉴》30(4)(2002)1031-1068·Zbl 1101.62339号 [8] T.Bollerslev,广义自回归条件异方差,《计量经济学杂志》31(1986)307-327·Zbl 0616.62119号 [9] T.Bollerslev,《短期名义汇率一致性建模:多元广义ARCH模型》,《经济学与统计学评论》72(3)(1990)498-505。 [10] H.Bystrom,《极值理论与特大电价变化》,《国际经济与金融评论》14(2005)41-55。 [11] K.F.Chan,P.Gray,《使用极值理论测量每日电力现货价格的价值风险》,《国际预测杂志》22(2)(2006)283-300。 [12] T.C.Chiang,B.N.Jeon,H.Li,《金融传染的动态相关性分析:来自亚洲市场的证据》,《国际货币与金融杂志》26(2007)1206-1228。 [13] L.Chollete,A.Heinen,A.Valdesogo,《利用多元区域切换copula建模国际金融收益》,《金融计量经济学杂志》7(4)(2009)437-480。 [14] D.Duffie,J.Pan,《风险价值概述》,《衍生品杂志》4(1997)7-49。 [15] P.Embrechts,A.McNeil,A.Straumann,《风险管理中的相关性和依赖性属性:属性和陷阱》,载于M.Dempster主编《风险管理:风险价值及其以外》,剑桥大学出版社(2002) [16] R.F.Engle,英国通货膨胀方差估计的自回归条件异方差,计量经济学50(1982)987-108·Zbl 0491.62099号 [17] R.F.Engle,《动态条件相关性——一类简单的多元GARCH模型》,《商业与经济统计杂志》20(3)(2002)339-350。 [18] V.Fernandez,极端事件下的风险管理,《国际金融分析评论》14(2005)113-148。 [19] C.Gourieroux,J.P.Laurent,O.Scaillet,风险价值的敏感性分析,《实证金融杂志》7(2000)225-245。 [20] R.Glick,M.Hutchison,《中国与亚洲的金融联系和全球金融危机》,《国际货币与金融杂志》39(2013)186206。 [21] R.Gupta,F.Guidi,印度和亚洲发达股市之间的协整关系和时变协动,《国际金融分析评论》21(2012)10-22。 [22] E.Hwang,H.G.Min,B.H.Kim,H.Kin,《美国金融危机期间美国和新兴经济体之间股市合作的决定因素》,《经济建模》35(2013)338-348。 [23] S.A.Jayasurya,中国与新兴市场邻国之间的股市相关性,《新兴市场评论》12(4)(2011)418-431。 [24] G.Kim,M.J.Silvapulle,P.Silvappulle,估计连接函数的半参数和参数方法的比较,计算统计与数据分析51(2007)2836-2850·Zbl 1161.62364号 [25] D.Kurowicka,R.Cooke,《高维相关性建模的不确定性分析》,《概率统计威利级数》,第1版(2006)·Zbl 1096.62073号 [26] M.C.Lee,J.S.Chiou,C.M.Lin,《利用DCC多元GARCH研究股票回报组合的价值-风险》,《应用金融经济学快报》2(2006)183-188。 [27] V.Marimoutou,B.Raggad,A.Trabesi,《极值理论和风险价值:石油市场应用》,《能源经济学》31(4)(2009)519-530。 [28] H.Markowitz,投资组合选择,《金融杂志》7(1)(1952)77-91。 [29] A.McNeil,R.Frey,异方差金融时间序列尾部相关风险测度的估计:极值方法,《实证金融杂志》7(3-4)(2000)271-300。 [30] A.K.Nikoloulopoulos,H.Joe,H.Li,具有不对称尾部依赖的藤蔓连接函数及其在财务收益数据中的应用,计算统计与数据分析56(11)(2012)3659-3673·Zbl 1254.91613号 [31] A.J.Patton,基于Copula的金融时间序列模型,收录于T.G.Andersen、R.A.Davis、J.-P.Kreiss和T.Mikosch(编辑)《金融时间序列手册》,Springer Verlag(2009)·Zbl 1178.91228号 [32] J.Pickands,《使用极值顺序统计的统计推断》,《统计年鉴》3(1975)119-131·Zbl 0312.62038号 [33] 风险度量TM,技术文件,第4版,J.P.Mogan(1996)72A。Apiwat和S.Sriboonchitta [34] R.T.Rockafellar,S.Uryasev,条件价值风险优化,风险杂志2(3)(2000)21-41。 [35] A.Sklar,《功能划分、尺寸和长度》。出版物。仪器统计。巴黎大学8(1959)229-231·Zbl 0100.14202号 [36] S.Sriboonchita,J.Liu,V.Kreinovich,H.T.Nguyen,《分析印尼、菲律宾和泰国股市金融风险和联动的藤蔓连接方法》,《计量经济学中的依赖建模》,斯普林格出版社,柏林,海德堡(2014a)241-254。 [37] S.Sriboonchita,J.Liu,A.Wiboonpongse,农业商品指数收益中依赖结构和金融风险的藤交叉熵评估,计量经济学中的依赖建模,Springer Verlag,Berlin,Heidelberg(2014b)275-287。 [38] M.N.Syllingakis,G.P.Kouretas,《金融传染的动态相关性分析:来自中欧和东欧市场的证据》,《国际经济与金融评论》20(4)(2011)717-732。 [39] 王力宏,谁推动了东亚股市?《2007-2009年全球金融危机的作用》,《国际金融市场、机构与货币杂志》28(2014)182-203。 [40] C.C.Wu,H.Chung,Y.H.Chang,《使用基于copula的GARCH模型研究油价和汇率之间联动的经济价值》,《能源经济学》34(2012)270-282。 [41] D.Zhang,Vine copulas及其在欧盟主权债务分析中的应用,《国际金融分析评论》(2014年)(正在出版) [42] S.A.Zenios,P.Kang,《抵押担保证券的绝对偏差投资组合优化》,《运营研究年鉴》45(1993)433450·Zbl 0800.90049号 [43] X.Zhou、W.Zhang、J.Zhang,中国和世界股市之间的波动溢出,《太平洋金融杂志》20(2)(2012)247-270。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。