下载掌阅APP，畅读海量书库
立即打开
自Markowitz（1952）提出以均值方差模型为核心的投资组合理论以来，分散化投资已成为最为重要的风险管理策略之一。长期以来，均值方差模型作为现代金融学的基石之一，在实践中被广泛应用，并取得了丰富成果。然而均值方差模型亦存在难以避免的不足：其一，模型中均值和方差是基于历史数据而非未来预测数据，然而历史并不代表未来；其二，均值方差模型是基于收益率左右尾部对称的正态分布，其显然与金融资产收益率广泛存在的尖峰厚尾、自相关、波动集聚性以及非对称性等非正态典型事实不符；其三，均值方差模型只能刻画资产之间的线性相关关系，而对广泛存在的非线性关系尤其是引起极端损失的尾部相关无能为力。上述缺陷的存在必然会对投资组合选择等风险管理决策带来偏差，从而造成损失。正是鉴于此，国内外学者围绕资产组合的选择展开了积极探索。
其中尤需指出的是，Embrechts et al（1999）将可以在不限制各变量条件边缘分布的情况下，刻画多个变量之间的条件相关关系，尤其是尾部相关结构的Copula函数首次引入金融风险管理领域，因其参数估计简单，而且可以引入GARCH族等条件波动率模型刻画边缘资产收益表现出的波动集聚性和时变性等特征，取得了长足的进展，被广泛应用于资产相关结构的刻画、风险的测度、组合的选择优化以及资本的配置。与此同时，自20世纪90代中期以来，风险价值VaR（Value at Risk）得到了广泛的应用，并被巴塞尔委员会以及中国银监会等监管层视为金融风险度量工具的基准。然而，由于VaR不满足风险一致性特征的次可加性而备受批评。基于此，比VaR更满足风险一致性特征的条件风险值CVaR（Conditional Value at Risk）的提出，则真正克服了均值方差模型双边风险测度的缺陷，实现了投资者对下尾部损失的准确刻画。Palaro and Hotta（2006）基于Copula-GARCH模型分别研究了由NASDAQ和S&P500两种指数组合的风险，取得了较为理想的结果。Harris and Mazibas（2013）基于Copula-GARCH族模型以及均值CVaR这类半参数方法，研究了对冲基金动态组合的构建。Boubaker and Nadia（2013）则基于Copula方法和均值CVaR研究了考虑收益率长记忆特征下的组合优化问题。
与此同时，国内学者对于资产组合的选择优化研究亦是方兴未艾。朱书尚等（2004）分别从理论研究和实践分析角度对投资组合与金融优化领域的成果进行了系统的回顾，并针对我国的实践情况提出了若干值得关注的方向和重点。张尧庭（2002）从理论上论证了Copula在金融风险管理领域应用的可行性，刘志东（2006）提出了基于Copula-GARCH-EVT的混合遗传算法用于资产组合的选择；任先玲、张世英等（2009）则将经典的均值—方差模型拓展至均值-ES（也即条件风险值CVaR）模型以研究资产组合的选择问题，并构造了Copula-APD-GARCH模型来刻画资产的收益率序列及相关结构。周春阳、吴冲锋（2011）则基于GJR-EVT-Copula模型构建了基于预测数据的均值—下偏矩最优投资组合模型，发现其明显优于基于历史数据的均值—下偏矩模型。冯玲等（2012）通过SJC-Copula-CVaR刻画金融市场间不对称的尾部相关性，从而得到资产组合的有效前沿，并证明考虑尾部相关性能够切实改善资产组合的表现。此外，胡利琴等（2009）则将Copula理论用于商业银行风险资本的配置研究。这些研究成果对于运用Copula理论和GARCH族模型研究质物组合的条件相关性和风险测度从而实现质物组合的选择优化具有重要的理论和现实意义。
需要指出的是，上述学者关于投资组合风险的优化研究均是建立在未来短期风险的预测（尤以单一交易日为主）的框架下，而针对长期风险预测的组合的选择以及优化的研究尚属罕见。事实上，与股票、期货等金融资产不同，存货质押业务中的现货质物的流动性较前者弱，导致银行风险持有期延长，因此质物组合选择以及优化的核心在于预测其长期价格风险，其关键技术在于解决：一是业务层面，风险持有期限与金融产品期限的问题；二是模型层面，数据频率与预测频率的问题，即以现有的短期数据样本如何去预测未来长期（多期）的风险，抑或小样本决策问题。
而在长期风险预测领域，能否直接运用低频数据（如周数据、月数据、季数据等）代替高频数据（日数据）进行长期风险的测度呢？事实上，低频数据极易产生样本数据的匮乏，加之现货数据尚不完善的国情，数据匮乏也即“小样本”特征将更加凸显；其二，低频数据与高频数据在统计特征上存在显著差别（如非平稳性、波动集聚性、厚尾等），致使现有用于高频数据分析的模型，往往难以发挥作用。正是基于此，长期风险的预测过程多是通过时间平方根法则实现由短期风险预测向长期风险预测的转换。然而根据波动率的期限结构，无论是短期波动率大于还是小于长期波动率，随着期限的变长，其必将趋向于长期波动率，即存在均值回复趋势，因此在非正态分布下使用时间平方根法则必然会带来长期风险的低估或者高估。因此，亟须寻求一种更为合理的质物组合长期风险预测方法，在满足风险与期望收益等约束条件下，通过事前决策对组合内各质物进行有效配置，从而实现事后组合收益最大，风险最小。
基于以上认识，与现有研究相比，本部分主要做了以下工作，引入Markowitz分散化投资思想，从长期风险预测视角建立多元Copula-CVaR-EVT质物组合优化模型，缓释供应链金融实践中单一质物所带来的与日俱增的集中度风险。①依据物流企业自身风险偏好水平，综合考虑宏观经济环境、借款企业资信水平、质物流动性等，将He et al（2012）单一质物动态质押率的研究成功推广至质物组合的优化问题，既定质押期内置于多风险窗口下，协调处理业务层面产品期限与风险持有期限也即质物组合的调整期限的问题；②建立ARMA-EGARCH-EVT族模型以及多元 t -Copula模型，刻画现货质物收益率呈现出的自相关性、“尖峰厚尾”以及波动集聚性等典型事实特征以及质物间的非线性相关结构；③异于依赖于独立正态分布的时间平方根法则，借鉴McNeil（2000）单一资产多期风险预测方法，给出了一类基于蒙特卡洛模拟的质物组合长期风险预测方法，处理短周期数据频率与长周期风险预测频率问题；④构建了长期风险预测视角下，物流企业分别采取积极型和保守型两种投资策略下的均值CVaR组合优化框架，并引入基于未来模拟收益率的均值方差改进模型作为对比；⑤针对风险窗口、置信水平、模拟次数等关键变量以及质物样本长度、质物组合规模进行了敏感性分析，以验证模型的有效性。研究为物流企业基于风险分散的质物组合策略选择与质押率决策提供计量分析依据，亦为其经济资本的配置和监管层集中度风险的监管提供了有益的参考。