第一章绪论
1.1选题背景
随着金融市场自由化的不断变化，经济发展的紧密性增强。金融市场越来越幵放，金融市场间的联动效应也越来越明显。不同国家金融市场的运作方式不同，幵放程度也大不一样，各类资本流动在全球金融市场间，重新配置和组合在不断进行，加剧了金融市场的频繁动荡。金融风险就在其中不断蔓延、传染，金融机构面临的风险呈现出越来越复杂和多样化的特征。
一、 当前金融机构面临的各种风险
在全球金融危机情况下，根据金融风险的性质，必须采取措施防范各种风险。根据性质和来源，金融风险分为：信用风险、市场风险、整体风险和操作风险。市场风险又称价格风险。市场风险最为常见，基于Copula函数而产生的金融风险度量方法也比较多。信用风险是比较古老风险。信用风险的范围非常广，包括逆向选择引起的信用风险。信用风险较难识别和量化，但依然存在相应的定量方法。操作风险更复杂，相比于市场风险和信用风险，度量更为困难。随着市场的发展，操作风险也逐渐实现定量化度量。整体风险是各种风险的总和。度量的范围更加广阔，需要定量的因素也更多。
二、 如何提高金融风险的度量方法是目前研究的重点
金融风险的度量方法有很多，国内外都有大量的研究，包括很多有效的计量模型。
1、市场风险的度量方法VaR是最基础的一种市场风险度量方法。Linsmeier & Pearson(1996)将VaR定义为“一定显著性水平下，某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。即：l\Lost gaR(ay):]^-a ”。除了VaR方法，还有包括灵敏度度量方法在内的诸多方法，如：波动性度量方法、压力测试，同时极值理论等都可以度星市场风险。
2、信用风险的度量方法信用风险度量方法分为传统模型和现代模型，还有过渡模型。传统模型是盯住账面的方法；现代信用风险度量模型综合利用企业的历史数据和现时股票信息；过渡模型则起到了连接传统与现代模型的作用。
3、操作风险的度量方法对于操作风险计量模型而言，影响最大的是基本指标法、标准法和高级计量法。基本指标法计算的操作风险资本要求等于某种总体活动指标如总收入的固定比例；标准法针对每条产品线应用基本指标法，然后加总得出总的操作风险资本要求；高级计量法包括内部衡量法、损失分布法和记分卡法。
4、整体风险的度量方法整体风险是对单一风险的加总。常见的度量指标还是VaR，还有一致性风险度量指标。整体风险的精准程度依赖于各单一风险的度量，所以如何对单一风险进行准确度量是当下研究的关键关键。
应用风险度量模型的前提是对不同金融风险分布的合理描述。通常金融风险的分布形状是各不相同的。比如市场风险的收益率分布曲线一般被认为是对称的正态分布，后來经过大量的实证研究得出市场风险的分布大部分是“尖峰厚尾”的t分布，厚尾就意味着极端情形出现的频率比正态分布更加频繁。在考虑了波动的集聚特征后，有学者用GARCH类模型拟合市场风险的边际分布形态；信用风险和操作风险的损失分布比较相似，都具有有偏和厚尾的特征。这种不对称和厚尾的统计特征使得信用风险和操作风险的统计度量较市场风险要复杂困难的多。beta分布和对数正态分布常用来描述信用风险损失分布；操作风险的统计分布更为复杂，对于低频率/高损失的风险事件的分布厚尾特点尤为突出，其分布类型很难准确估计。巴塞尔协议中的损失分布法要求对损失频率和损失额度都模拟出分布函数。损失频率的发生通常是离散的，常用二项分布等描述，而损失额度则用连续的对数正态分布或beta分布等描述。后来又有学者研究出了针对尾部事件发生的的极值理论，用广义帕累托分布来拟合操作风险分布；整体风险的分布形态研究的很少，比较有新意的方法就是用CoPula函数构造联合分布形态。金融机构面临的四种主要风险尽管在理论上都可以构建出风险的度量模型，并使用一定的数据来拟合分布形状。但是要想得到合适的金融风险分布还是比较难的。虽然市场风险的度量比较成熟，但是拟合分布的精度问题仍然困扰着很多学者。信用风险和操作风险的损失分布的获得更是困难，由于数据的匿乏，虽然有理论模型的存在，对于稀有的重大信用和操作风险事件，无法通过统计手段模拟其损失分布状况，至今仍然没有较满意的方法得到适合的分布形态，也就无法得到整体风险的联合分布。所以需要尝试新的方法来对风险分布进行建模。
第二章Copula理论介绍
金融市场的风险度量发展很快，原有的基于线性相关的度量方法已不能适应要求，Copula理论作为一种可以研究非线性、非对称相关的统计理论应用而生，在国际上被迅速应用到多变量金融时间序列度量、金融风险的管理与防范以及资产定价、保险定价等方面。Copula函数可用于构造灵活的多元分布，由Copula函数导出的一致性和相关性测度对于严格单调增变换不变，在运用Copula理论构建金融模型时可以将随机变量的边际分布和它们之间的相关结构分JT?研究。由于Copula函数有着优良的性质，可以捕捉变量间非线性、非对称的相关关系，因此用Copula理论研究金融现实问题更实用、更有效。本章的内容主要介绍了Copula函数的定义、基本性质，并给出了Copula函数的分类和不同参数下Copula函数的、表达式。接着对可由Copula函数导出的相关性测度指标做深入地探讨，指出由Copula函数导出的一致性和相关性指标可以捕捉到变量间非线性的相关关系，特别是还可以捕捉到变量间尾部的相关关系，因此比常见的相关测度的应用范围更宽。
2.1 Copula函数的定义和性质
最早的Copula函数要追溯到sk]ar (1959)，他指出可以将一个联合分布分解为它的k个边际分布和一个Copula函数，其中的Copula函数形式描述了变量间的相关结构。因为Copula函数是将联合分布与各自的边际分布连接在一起的函数，所以又称为连接函数。下面就对Copula函数的定义和性质做简要的介绍。
第三章 Copula理论在金融风险..................... 24-32
3.1 金融风险的识别及度量 .....................24-27
3.2 Copula理论在金融风险度..................... 27-29
3.3 Copula理论在金融风险度量中的应用..................... 29-32
第四章 基于Copula方法的组合信用.....................32-40
4.1 信用风险的定义和管理..................... 32-33
4.2 信用风险的计量 .....................33-35
4.3 基于Copula方法的组合信用..................... 35-40
第五章 基于Copula方法的投资组合..................... 40-47
5.1 VaR方法的介绍..................... 40-45
5.2 基于Copula理论的投资组合VaR..................... 45-47
结论
通过实证研究了 Copula-GARCH模型在开放式基金的投资组合风险度量中的应用。通过Copula函数进行金融风险的分析具有一定的实际意义。一方面，Copula可用于构造灵活的多元分布，可以选择各种边际分布通过合适的各种Copula连接起来，使得Copula模型具有更强的刻画现实金融序列分布的能力和更强的适应性另一方面，只需先求出各个风险变量的边际分布函数，再求出适合的相关结构Copula函数，就能求出其联合分布函数，由此可见，Copula函数为求取联合分布函数提供了一条便捷、准确的通道。Copula技术灵活多变的建模方式为分析金融问题提供了一种崭新的思路。毫无疑问，Copula技术将会成为金融风险分析的有力工具，也可以为我国基金管理公司评估和管理个别基金或资产组合的市场风险，从而控制和减少资产损失提供参考。
由本文的研究可以看出，Copula是一种具有“普适性”的相关性度量方法，且具有良好的统计性质。Copula方法几乎可以用来刻画任意维度随机变量之间在任何时刻的相关结构，这种特性是任何一种相关性度量方法所不具备的。因此，Copula方法在金融领域的应用不应局限于投资组合等传统领域，而是应该扩展到金融研究的各个角落中去。本文使用Copula进行的股市连涨连跌收益率风险分析、系统性风险度量分析以及上市公司信用风险和市值变化相关性分析等问题只是Copula方法在金融问题中应用的很小一部分，还有许多问题值得我们去研究和探索。
参考文献
[1].考欧特等著，石晓军等译，演进着的信用风险管理——金融领域面临的巨大挑战[M].机械工业出版社，2001.
[2]. Altman.E.L Haldeman R G&Narayanan. “ZETA Analysis: A New /jrxbslw/Modelto Identify Bankruptcy Risk of Corporations[J] ? Journal of Banking&Finance, 1977，(1)，29—54.
[3]. CreditMetrics[R]. Technical Document, 1997，JPMorgan.
[4]. KMV Corporation . Credit Monitor Overview[R] . SanFranciscoCalifornia, 1993.#p#分页标题#e#
[5]. Credit Suisse . Credit Risk+ ： A Credit Risk ManagementFramework[R]. Credit Suisse Financial Products，1997.
[6]. Wilson. T,Portfolio creditrisk[R]. Risk,1997，10(9)
[7]. Gupton，G.M.，C.C.Finger, M.Bhatia,CreditMetrics： The Benchmark forUnderstanding Credit Risk. Technical document. New York： J. P. Morgan. Inc，1997.
[8].薄纯林，王宗军，基于贝叶斯网络的商业银行操作风险管理[J].金融理论与实践，2008’ (1)，43-46.
[9]. E.A.Medova,M.N.Kyriacou ， Extremes in Opermional RiskManagement.working paper，2001，available at：
[10]. Ariane Chapelle, Y C.，Georges Hdbner，Jean-Philippe Peters, Basel IIand Operational Risk： Implications for Risk Measurement and Management in TheFinancial Sector. NBB working paper No. 51, 2004.
