基于Copula-CVaR的農(nóng)場利潤與經(jīng)濟(jì)風(fēng)險統(tǒng)計方法

黨榮

摘要：針對農(nóng)場的作物產(chǎn)量及農(nóng)業(yè)收入受到多方面因素的影響，提出了一種用于計算農(nóng)場利潤和經(jīng)濟(jì)風(fēng)險的統(tǒng)計模型。該模型在已有統(tǒng)計理論的基礎(chǔ)上采用條件風(fēng)險值（CVaR）來評估地理多樣化的有效性。CVaR用于基準(zhǔn)化損失，Copula函數(shù)用于建模邊際收益之間的聯(lián)合分布。結(jié)果表明，地理多樣化對于小麥農(nóng)場投資組合是可行的農(nóng)業(yè)風(fēng)險管理方法，可以在控制風(fēng)險的同時實現(xiàn)其最佳預(yù)期收益。通過與傳統(tǒng)的多元正態(tài)分布模型相比，基于Copula的均值CVaR模型更能模擬極端損失，為農(nóng)業(yè)風(fēng)險管理提供了新的思路。

關(guān)鍵詞：農(nóng)場利潤;地理多樣化;CVaR;Copula函數(shù);投資組合

Abstract： A statistical model for calculating farm profit and economic risk was presented in view of the influence of various factors on farm crop yield and agricultural income. On the basis of the existing statistical theory， the model used the conditional value-at-risk （CVaR） to evaluate the effectiveness of geographical diversification. CVaR was used to benchmark losses， while the Copula function was used to model the joint distribution of marginal revenues. The results showed that geographic diversification could be a feasible agricultural risk management method for wheat farm portfolio managers， which could achieve the optimal expected returns while controlling the risk. Compared with the traditional multivariate normal distribution model， the average CVaR model based on Copula could better simulate extreme losses， providing an innovative solution for agricultural risk management.

Key words： farm profit;geographical diversification; conditional value-at-risk （CVaR）; Copula? functions; portfolio

氣候多變性極大地影響了農(nóng)業(yè)生產(chǎn)以及農(nóng)業(yè)收入。據(jù)統(tǒng)計，發(fā)展中國家約1/4的農(nóng)業(yè)生產(chǎn)受損與極端氣候相關(guān)的災(zāi)害有關(guān)，極端干旱也會導(dǎo)致農(nóng)作物產(chǎn)量顯著下降[1]。為了減輕并盡可能減少極端氣候事件引發(fā)的農(nóng)業(yè)產(chǎn)量和相關(guān)財政損失，需要采取農(nóng)業(yè)適應(yīng)戰(zhàn)略。

經(jīng)典的均值方差投資組合優(yōu)化通過對有效投資組合進(jìn)行優(yōu)化，以最大程度地減少方差并降低總體財務(wù)風(fēng)險[1]。盡管經(jīng)典的均值方差方法被廣泛應(yīng)用，但它也有局限性。例如，方差度量是一種不考慮共同運(yùn)動方向的對稱度量[2]。將方差最小化以與投資組合收益分布的上行風(fēng)險相同的方式懲罰下行風(fēng)險是一個問題，因為相對于收益低于預(yù)期的資產(chǎn)，收益高于預(yù)期的資產(chǎn)被認(rèn)為是一種風(fēng)險狀況。為了解決這個問題，引入了其他基于風(fēng)險的度量方法，如用風(fēng)險值（Value-at-risk，VaR）和條件風(fēng)險值（Conditional value-at-risk，CVaR）來代替經(jīng)典的均值方差方法。研究推薦CVaR作為替代風(fēng)險的衡量標(biāo)準(zhǔn)，因為基于CVaR的優(yōu)化投資組合只會對損失（即下行風(fēng)險）進(jìn)行懲罰，而不對收益（即上行風(fēng)險）進(jìn)行懲罰[3]。

基于歷史數(shù)據(jù)的模擬方式假設(shè)未來收益的分布與過去相似，且在大多數(shù)情況下數(shù)據(jù)點(diǎn)相對較少。因此，使用蒙特卡洛方法，以類似于歷史模擬的方式計算CVaR，同時也基于從歷史數(shù)據(jù)中獲取參數(shù)的模型隨機(jī)生成方案。與傳統(tǒng)方法相比，需要更有效地捕捉邊際收益尾部的非線性相互依賴關(guān)系，以獲得對CVaR的準(zhǔn)確估計。傳統(tǒng)的方法通常依賴于使用多元正態(tài)分布模型（M-normal），該分布假定所考慮的變量是正態(tài)的。然而，農(nóng)產(chǎn)品價格和作物產(chǎn)量已經(jīng)被證明是非正態(tài)分布，因此，任何不考慮這一重要數(shù)據(jù)限制方面的方法都可能導(dǎo)致錯誤的結(jié)論。Copula函數(shù)可以分析多元數(shù)據(jù)中的非線性，能夠提供一種替代的統(tǒng)計方法來建模多元數(shù)據(jù)集的聯(lián)合分布，從而允許人們獨(dú)立地指定被測變量之間的邊際分布及其依賴結(jié)構(gòu)?；贑opula的模型因在多元聯(lián)合分布建模方面的獨(dú)特優(yōu)點(diǎn)，已廣泛應(yīng)用于許多領(lǐng)域，如保險和金融風(fēng)險建模[4，5]、水文與水資源[6]、發(fā)電站可靠性分析[7]以及農(nóng)業(yè)和降水預(yù)報[8，9]。

雖然Copula方法在一般的金融風(fēng)險研究和投資組合分析中是一個被廣泛應(yīng)用的工具[10]，但在農(nóng)業(yè)風(fēng)險管理和農(nóng)作物保險方面的應(yīng)用相對較晚。盡管如此，這些研究也特別值得借鑒。例如，趙玉等[11]提出了基于混合Copula模型的水稻保險費(fèi)率厘定，該方案借助核密度估計方法和混合Copula模型研究了水稻產(chǎn)量和價格風(fēng)險因子的聯(lián)合分布，同時還厘定了產(chǎn)量、價格和收入3種保險的純費(fèi)率;王國棟等[12]研究了基于Copula函數(shù)的經(jīng)濟(jì)作物收入保險費(fèi)率測算方法，該方法以甘肅省蘋果為研究對象，運(yùn)用Copula函數(shù)和蒙特卡洛方法測算了不同保障水平下的收入保險費(fèi)率，提出了包括制定差異化費(fèi)率、控制高保障水平下保費(fèi)補(bǔ)貼比例等建議;Larsen等[13]提出了一種Copula的均值CVaR模型，以美國小麥種植業(yè)為例，考察采用地理多樣化戰(zhàn)略降低風(fēng)險的潛在收益。該文獻(xiàn)應(yīng)用多元阿基米德Copula模型，并將其與傳統(tǒng)的多元正態(tài)模型作為基準(zhǔn)工具進(jìn)行了比較。從農(nóng)場邊際收益的角度來看，均值CVaR優(yōu)化結(jié)果表明，地理多樣化在風(fēng)險管理策略中是有效的。多元正態(tài)分布模型導(dǎo)致在給定的農(nóng)業(yè)盈利水平下低估了農(nóng)場面臨的最低相關(guān)風(fēng)險水平。然而，迄今為止，地理多樣化戰(zhàn)略在農(nóng)業(yè)中的有效性研究較少。為了解決這一需求，特別是對于農(nóng)業(yè)依賴的國家，本研究調(diào)查了地理多樣化在小麥種植的投資組合管理中的效用，旨在分析地理多樣化戰(zhàn)略在降低農(nóng)業(yè)經(jīng)營風(fēng)險中的有效性。為了證明基于Copula的均值CVaR模型是一種穩(wěn)健的統(tǒng)計方法，將其用于量化給定風(fēng)險水平所需的最佳多樣化數(shù)量，并比較了傳統(tǒng)多元正態(tài)分布模型和Copula模型在極端損失模擬中的差異。

1 方法論

由于中國小麥種植范圍較廣，種植區(qū)地理多樣化的有效性，包括風(fēng)險管理策略中的均值CVaR優(yōu)化，還未在農(nóng)業(yè)環(huán)境特別是小麥栽培區(qū)域中得到檢驗。因此，本研究在模擬方法中利用Copula方法來計算相應(yīng)的CVaR值。該方法允許根據(jù)聯(lián)合分布隨機(jī)生成農(nóng)場邊際收益的情景。

以某省3個不同地理區(qū)域的農(nóng)場為例（分別命名為KF、ZK、NY），以農(nóng)場盈利能力衡量的邊際收益，即總收入超過總成本占總收入的比例表示。第[i]個區(qū)域的邊際收益[ri]（[i]=1，2，3）計算如下：

1.1 條件風(fēng)險值

假設(shè)[f（x，y）]表示一個取決于決策[x]的損失函數(shù)，該決策將從現(xiàn)實投資組合的可行集合X和隨機(jī)向量[y]中選擇。令[Ψ（x，α）]的損失函數(shù)[f（x，y）]不超過某個閾值[α]的概率。VaR函數(shù)[αβx]是在置信度[β]處的損耗分布百分位數(shù)，定義為：

式中，[p（y）]為隨機(jī)向量[y]的概率密度函數(shù)，可以看出，在相同的置信水平下，CVaR是VaR的一個較大的界。CVaR提供了比VaR更一致的風(fēng)險度量，并且通常在投資組合優(yōu)化的環(huán)境中能得到更有效的結(jié)果。此外，CVaR可以表示為一個凸函數(shù)，允許構(gòu)建投資組合優(yōu)化問題，該問題可以通過線性規(guī)劃技術(shù)被有效地解決。雖然VaR在最優(yōu)投資組合方法中起到了一定的作用，但也暴露了一些內(nèi)在的限制。因此，高損失的風(fēng)險可以通過最小化CVaR而不是最小化VaR來降低，因為一個低CVaR的投資組合也必須有低的VaR[14]。

1.2 投資組合優(yōu)化問題

假設(shè)1個投資組合由[n]個生產(chǎn)區(qū)域組成，邊際收益[r1，...，rn]為隨機(jī)百分比，邊際預(yù)期收益[E[ri]]是分配給生產(chǎn)區(qū)域的總面積，[wi]是決策向量或權(quán)重。在農(nóng)業(yè)部門的背景下，農(nóng)場的投資組合優(yōu)化問題是在給定的特定風(fēng)險水平[β]的情況下最大化投資組合的預(yù)期收益（所有邊際預(yù)期收益之和乘以相應(yīng)權(quán)重）。投資組合優(yōu)化問題可以表述為：

1.3 計算條件風(fēng)險值

1.4 Copulas函數(shù)

如上所述，使用蒙特卡羅模擬法計算CVaR需要了解投資組合中所有邊際收益的聯(lián)合分布[15]。為了滿足這一要求，建議將聯(lián)合分布函數(shù)[F（x1，...，xn）]表示為：

2 結(jié)果與分析

為解決基于最優(yōu)Copula統(tǒng)計模型的農(nóng)業(yè)投資組合優(yōu)化問題而生成的模型結(jié)果，下面在應(yīng)用模型和相關(guān)問題的背景下提供了物理解釋。與極端氣候條件有關(guān)的邊際收益的波動首先被描述出來。Copula模型選擇的結(jié)果將用多元Copula函數(shù)來描述，并建立了傳統(tǒng)的多元正態(tài)分布模型，且對二者進(jìn)行了比較。最后， 討論了均值CVaR優(yōu)化和最優(yōu)投資組合分配結(jié)果，這些結(jié)果來自不同置信水平的模型。圖1顯示了每個小麥種植區(qū)的歷史邊際收益。邊界收益的增加和降低表明，對應(yīng)農(nóng)業(yè)區(qū)可能有潛在的高收益率，但也可能有潛在的極低收益率。因此，從匯總統(tǒng)計數(shù)據(jù)分析得出的直觀結(jié)論是，在ZK種植小麥可能會獲得更穩(wěn)定的效益，并降低一些風(fēng)險。

2.1 Copula模型

作為模型構(gòu)建的第一步，將歷史邊際收益擬合到理論分布曲線上。3種歷史邊際收益數(shù)據(jù)都可以用廣義邏輯分布進(jìn)行適當(dāng)描述，估計參數(shù)包括密度、累積分布函數(shù)、分位數(shù)圖、概率圖，通過對這些參數(shù)的分析來確定邊際分布結(jié)果。在建立最優(yōu)Copula統(tǒng)計模型之后， 應(yīng)用基于Copula的蒙特卡羅仿真，并從選定的每個區(qū)域獲得了2 700個邊際收益的模擬，即對27個樣本的樣本量進(jìn)行了100次重復(fù)模擬。為了便于比較，研究還使用了傳統(tǒng)的多元正態(tài)分布模型來生成另一組使用蒙特卡羅模擬技術(shù)的模擬數(shù)據(jù)。在這種情況下，假定邊際收益服從多元正態(tài)分布，即單個邊際收益分布及其依存關(guān)系被假定為正態(tài)，這3組隨機(jī)模擬的數(shù)據(jù)（已轉(zhuǎn)化為真實值）最終用于地理多樣化分析和解釋。

2.2 平均CVaR有效邊界

在目標(biāo)風(fēng)險約束下，對期望收益最大化的農(nóng)場投資組合的均值CVaR進(jìn)行優(yōu)化。表1顯示了3種常見置信水平下的最優(yōu)投資組合示例（即置信水平分別為90%、95%和99%）。根據(jù)定義，CVaR風(fēng)險度量將結(jié)果與0進(jìn)行比較，因此它可能有正值和負(fù)值。

為了比較不同分布假設(shè)下均值CVaR的最佳值，為每個置信水平選擇了預(yù)期收益的相同目標(biāo)?；贑opula的投資組合比傳統(tǒng)的多元正態(tài)分布投資組合產(chǎn)生了更高的均值CVaR。因此，表1的結(jié)果表明，如果邊際收益的聯(lián)合分布正確地遵循由Copulas建模的非正態(tài)分布，則農(nóng)場主很可能低估了通過均值CVaR衡量的最小風(fēng)險水平給定的預(yù)期收益。由于邊際收益明顯不符合正態(tài)分布，因此應(yīng)根據(jù)Copula模型來衡量風(fēng)險水平。

從圖2可以看出，與多元正態(tài)分布模型相比，基于Copula的模型邊界值明顯更高。這是因為基于Copula的模型能夠考慮到尾部的相關(guān)性，而多元正態(tài)分布假設(shè)尾部相關(guān)性系數(shù)為零，因此忽略了聯(lián)合分布尾部的共同運(yùn)動。因此，依賴傳統(tǒng)多元正態(tài)分布假設(shè)的投資組合優(yōu)化方法可能保護(hù)效果較差，而基于Copula的模型更適合那些擔(dān)心自己的農(nóng)場盈利能力遭受極端損失的農(nóng)場。由此可以推斷，在所有考慮的置信度水平上，Copula能夠比多元正態(tài)分布模型更好地衡量風(fēng)險。這是因為，通過構(gòu)造方法，Copula比多元正態(tài)分布模型更靈活地對每個變量對的依賴關(guān)系進(jìn)行了建模。為了檢驗這一點(diǎn)，還檢驗了2種模型的保存能力，以模擬變量對之間的依賴關(guān)系。顯然，與多元正態(tài)模型相比，Copula方法能夠保留所有變量對的依賴性。

相對于基于Copula的邊界，每個區(qū)域的單一投資組合如圖3所示。由圖3可以看出，目前在KF和NY地區(qū)種植小麥的農(nóng)民的盈利能力低于有效邊界水平，而ZK區(qū)則處于邊界曲線上。在給定的下行風(fēng)險水平下，地域多元化可能會提高KF和NY區(qū)的盈利能力，但不會提高ZK區(qū)的盈利能力。因此，在ZK種植小麥可能面臨最大的風(fēng)險，因為它位于邊界曲線的最高點(diǎn)，但是也有可能達(dá)到最高的獲利能力。此外，在這種情況下，生產(chǎn)商可能會決定通過地理多元化來降低利潤率，以降低相對較大的下行風(fēng)險。

3 結(jié)論

使用基于Copula的方法計算了均值CVaR，與傳統(tǒng)的多元正態(tài)分布模型相比，Copula統(tǒng)計方法能夠靈活地對包括非正態(tài)分布在內(nèi)的不同類型邊緣數(shù)據(jù)集的聯(lián)合分布進(jìn)行建模。使用蒙特卡羅模擬方法中的場景來計算CVaR標(biāo)準(zhǔn)，并通過最大化給定目標(biāo)水平CVaR的預(yù)期邊際收益來實現(xiàn)投資組合優(yōu)化。因此，基于Copula的模型更適合于評估農(nóng)場盈利能力以及經(jīng)濟(jì)風(fēng)險。

參考文獻(xiàn)：

[1] 劉燕武，張忠楨. 基于實際收益率分布的均值-方差-條件風(fēng)險價值多目標(biāo)投資優(yōu)化模型[J]. 系統(tǒng)管理學(xué)報，2010，19（4）：444-450.

[2] 張保帥，姜 婷，周孝華，等. 投資組合優(yōu)化的新方法：Mean-CoVaR模型[J]. 統(tǒng)計與決策，2019，35（11）：67-70.

[3] 石珂琦. 基于預(yù)測值-CVaR風(fēng)險度量的投資組合優(yōu)化模型[J]. 中南財經(jīng)政法大學(xué)研究生學(xué)報，2015（5）：22-29.

[4] 游翔宇. 基于pair-Copula情景生成的CVaR投資組合模型研究[D]. 合肥：中國科學(xué)技術(shù)大學(xué)，2017.

[5] 黃 瑞，吳鑫育. 基于Copula-GARCH模型的最小VaR套期保值比率的估計[J]. 伊犁師范學(xué)院學(xué)報（自然科學(xué)版），2017，11（4）：18-22.

[6] 孔祥銘. 基于Copula分析的水資源系統(tǒng)風(fēng)險評估與管理方法研究[D]. 北京：華北電力大學(xué)（北京），2016.

[7] 王 敏，茅鑫同，王鶴梅，等. 基于Copula理論考慮光伏出力與負(fù)荷相關(guān)性的含光伏電站發(fā)電系統(tǒng)可靠性分析[J]. 科學(xué)技術(shù)與工程，2016，16（4）：54-59.

[8] 曹偉華，梁旭東，趙晗萍，等. 基于Copula函數(shù)的北京強(qiáng)降水頻率及危險性分析[J]. 氣象學(xué)報，2016，74（5）：772-783.

[9] NGUYEN-HUY T， DEO R C， MUSHTAQ S， et al. Modeling the joint influence of multiple synoptic-scale，climate mode indices on Australian wheat yield using a vine copula-based approach[J]. European journal of agronomy，2018，98：65-81.

[10] 董立寬，方 斌，王晨歌. 基于Copula函數(shù)的茶園土壤銅鋅空間協(xié)同效應(yīng)研究[J]，自然資源學(xué)報，2018，33（5）：867-878.

[11] 趙 玉，嚴(yán) 武，李 佳. 基于混合Copula模型的水稻保險費(fèi)率厘定[J]. 統(tǒng)計與信息論壇，2019，34（8）：66-74.

[12] 王國棟，龐 楷. 基于Copula函數(shù)的經(jīng)濟(jì)作物收入保險費(fèi)率測算——以甘肅蘋果為例[J]. 金融理論探索，2019（3）：62-70.

[13] LARSEN R， LEATHAM D， SUKCHAROEN K. Geographical diversification in wheat farming： A copula-based CVaR framework[J]. Agricultural finance review， 2015， 75（3）：368-384.

[14] 張 冀，謝遠(yuǎn)濤. 風(fēng)險依賴、一致性風(fēng)險度量與投資組合——基于Mean-Copula-CVaR的投資組合研究[J]. 金融研究，2016（10）：159-173.

[15] 柴尚蕾，周 鵬. 基于非參數(shù)Copula-CVaR模型的碳金融市場集成風(fēng)險測度[J]. 中國管理科學(xué)，2019，27（8）：1-13.