分析加密货币对全球金融指数影响: 比较常规与 eGARCH-EVT-Copula 方法的风险措施

本研究考察了加密货币与国际金融指数（如 MSCI World 和 MSCI Emerging Markets）之间的相互依存关系。我们计算价值 at risk、预期损失（ES）和范围价值 at risk（RVaR），并调查风险溢价的动力学。我们采用一种混合方法来推导这些风险措施，该框架集成了 GARCH 模型、极值模型和 copula 函数。该框架使用涉及加密货币数据和传统金融指数的双变量投资组合方法。为了估计这些投资组合结构的上述风险，我们采用对称和非对称 GARCH 和两种尾灵活的 EVT 模型作为边际模型，以建模每个收益序列的边际分布，并应用不同的 copula 函数将边际分布的两对连接到多变量分布中。实证发现表明，eGARCH EVT 基于 copula 模型能够灵活地捕捉复杂依赖关系，优于历史模拟和 t 分布参数方法在 VaR 估计中的常规方法。与此同时，HS 方法在 ES 上优异，t 分布参数方法在 RVaR 上表现更好。最终，将应用 Diebold-Yilmaz 方法计算四组资产序列之间的风险溢价。这一现象表明，加密货币彼此之间显示出显著的溢价效应，但对其他资产的影响很小。从这个结论可以得出，加密货币为投资者组合中的多元化提供了益处，但不提供套期保值优势。我们的结果在监管套利和模型误指定型方面凸显了 RVaR 在 ES 方面的优势。本研究的结论将有助于寻求了解数字货币作为一种新型资产类别并实现监管套利的投资者和金融市场专业人士。