基于copula模型的沪深股市日收益率的相关性研究

由于沪深股市收益率具有非线性的特征,本文利用Copula函数从定量的角度刻画了上证综指和深证成指的日收益率序列的相关关系,研究表明,沪深股市日收益率序列呈现出很高的相关性,当沪深两市出现大幅震荡时,两市收益率的协同作用将大幅增强,Gaussian Copula函数更好的刻画了沪深股市收益率之间的秩相关性,Gumbel Copula函数在更好的刻画了两收益率序列的上尾相关性,而Clayton Copula函数在分析两序列的下尾相关性时较为出色,在平方欧氏距离标准下,t-Copula较好的拟合了沪深股市的日收益率序列。     

几种Copula函数在沪深股市相关性建模中的应用

研究了Copula函数对沪深股市的相关性建模问题.许多学者用Gaussian Copula建模,但是它无法捕捉到尾部变化,尾部相关系数不存在.用t-Copula度量中国股市的相关性,捕捉到了尾部变化,并计算出了尾部相关系数,克服了Gaussian Copula对相关性建模的不足,并通过AIC准则比较得到t-Copula优于Gaussian Copula.最后对3种Archimedean Copula进行比较,通过比较它们与经验分布函数的距离,说明Gumble Copula更加适用于中国的金融市场.     

基于Copula模型的尾部相依性长记忆效应研究

在已有动态Copula模型基础上,提出可同时描述尾部相依性的非对称和长记忆特征的Copula模型.基于沪深股市数据,首次从尾部相依性的角度检验了沪深股市的长记忆效应.研究发现,沪深两市在重大利好或利空消息冲击时的相关性(即尾部相依性)都具有长记忆效应,极端事件对尾部相依性的影响比对未来收益和波动的影响更加持久.而且,样本外分析结果表明,相比已有Copula模型,具有长记忆性的Copula模型能更准确地预测未来1周至1年的市场间相关性.     

沪深300指数与沪深股市尾部相关性分析

根据沪深股市非线性的特征,利用Kendall秩相关系数与Copula函数之间的关系,对Copula函数的参数进行估计.选择Gumbel Copula、Clayton Copula和Frank Copula来度量上证综指、深证综指和沪深300指数之间的尾部相关性.实证结果分析,Clayton Copula函数能较好的度量出三个指数之间具有较强的下尾相关性,且进行量化后的相关性能够较好刻画股票市场的变化.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

iVIX指数与上证50 ETF收益率的相关性实证研究

采用1分钟高频数据,研究iVIX指数与上证50 ETF收益率之间的相关性。运用参数估计和核密度估计描述两者的边缘分布,通过K-S拟合优度检验构建Copula模型。研究表明:Copula模型具有较好的拟合优度,Copula函数相对于Kendall和Spearman分析方法不仅能够捕捉iVIX指数与ETF收益率序列间的秩相关性,而且还能反映iVIX指数与ETF收益率的尾部相关性;iVIX指数与上证50 ETF收益率之间存在负的秩相关性,秩相关性强弱随着不同持有期大致呈现“W”型分布,通过Copula概率密度函数的尾部相关性发现iVIX指数与ETF收益率存在非对称结构特征。     

股票收益率尾部相关性的Copula度量及模拟

股票收益率尾部相关性是研究金融市场关联性的重要内容.由于传统的τ、ρ等相关系数是对随机变量的全局度量,不适合用于收益率分布尾部这种局部特征的相关性度量.因此,在引入左尾(右尾)相关系数的基础上,讨论了它们的Copula度量及其相关性质.最后,通过计算机模拟分析了沪、深股指收益率尾部相关性的变化趋势,有效避免了Copula模型的设定困难,并得到了尾部相关性增强、相关不对称等结论.     

基于Copula-SV-t模型的沪深300期现相关性分析

结合SV-t模型和Copula模型,建立两变量金融时间序列的Copula-SV-t模型,并以刚刚上市交易的我国沪深300期货市场和其现货指数为例利用建立的模型进行相关程度和相关模式的分析,根据采用不同的Archimedean Copula函数,通过平方欧式距离评价Copula函数的拟合度.结果表明,股指期现市场之间存在条件正相关关系,且存在非对称的尾部相关关系,上尾部的相关性要强于下尾部的相关性,即期货市场的助涨效应要强于助跌效应.     

基于Copula-EVT模型的我国股票市场流动性调整的VaR和ES研究

结合相依结构函数Copula和极值理论EVT,构建了我国股票市场经流动性调整的La-Copula-EVT风险价值模型,并用沪深收益序列的分笔高频数据进行了实证分析,发现我国沪深股市收益序列的上尾和下尾都存在较高相关性,后验测试结果表明构建的模型能够对实际损失进行很好的拟合;然后在该模型的基础上进一步分析了我国沪深股市的风险价值和预期不足在不同置信区间的敏感度差异,确定了适合La-Copula-EVT模型的最优置信度区间。     

次贷危机后国际股票市场相关性变动的Copula分析

基于C opu la函数导出的尾部相关性,以四个国家的股票指数的对数收益率序列为研究对象,分析了次贷危机前后国际股票市的相关结构变动,结果表明次贷危机后国际股票市场尾部相关系数比危机前大,这说明次贷危机对国际股票市场的相关结构产生了重大影响,危机期间各国的股票市场联系更加紧密.     

沪深股市相关结构分析研究

在金融市场风险分析中,对金融资产相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉金融资产间的相关变化规律的讨论。针对这一问题,我们用混合相关结构函数Copula对上海、深圳股票市场进行了相关分析研究,用极值分布刻画了每支股票的边缘分布,用两步估计法对Copula中的参数进行了估计。分析结果表明:混合Copula相关结构能够捕捉金融市场间相关性变化规律,比单个Copula相关结构更灵活,更能全面地反映市场间非对称变化的相关程度和模式,此方法还可以推广到对多种金融资产收益率进行相关性分析。     

非参数核密度估计与Copula

本文提出非参数核密度估计-ML方法来估计Copula函数中的未知参数;再由统计检验推断得到能较好描述金融资产之间非线性相关结构的Copula。实证分析表明:可以利用Clayton Copula、Gumbel Copula来描述A股市场上证指数与深证成指之间的非线性相关结构.     

相关系数与相关性度量

研究了度量相关性的两个主要工具:线性相关系数和尾部相关系数.线性相关系数反映了变量间的线性相关性,这对于一般的椭圆型分布是合适的.但如果随机变量具有不对称的尾部变化特征时,要用尾部相关系数描述它们之间的相关性.通过相关函数C opu la,对沪深股市的尾部相关系数进行了定量分析.结果表明:沪深股市具有较强的相关性.     

沪、深股市波动不对称性的实证分析

本支应用系数多变量EGARCH模型来研究我国沪深股市的波动不对性,结果发现:在全样本时期,收益率呈现深市向沪市的单向溢出,而沪深两市则都呈现显著的波动不对称性特征。分时段来考察,B股对境内投资者开放前后呈现收益率由深市向沪市的单向溢出到双向溢出现象;而波动性的实证结果则显示,以B股对境内投资者开放为间断点,沪市波动不对称性有明显加强的趋势,而深市波动不对称性则呈现由不显著到显著的特征。     

中国股票市场有效性的复合评价

本文以2000年1月4日至2011年4月1日的上证综指(000001)和深圳综指(399106)的日收盘价和日收益率为研究对象,根据随机游走假设,采用对数动态自回归模型、游程检验和单位根检验,对上海股票交易所和深圳股票交易所的市场有效性分别进行检验,结果表明沪深两市都基本达到弱式有效。由于上述检验无法证明两股市之间是否存在影响,价格水平是否互相包含,因此有必要验证沪深两市是否为联合有效。本文采用Johansen协整检验和Granger因果关系检验,结果表明上证综指的日收益率对深圳综指的日收益率有一定的预测作用,但沪深两市的价格不存在长期均衡关系,因此可判断沪深股市基本达到联合的弱式有效。     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

基于变结构Copula模型的相依关系分析

本文首次从Spearman的rho出发,提出了一种检验Copula模型是否存在变结构特征的方法,并通过蒙特卡洛模拟验证了这种方法的有效性。在此基础上,利用分阶段建模技术和Spearman的rho对沪深股市的相依关系是否存在变结构进行了分析。结果证实,利用Spearman的rho能捕捉序列之间相依关系是否存在变结构的信息,具有一定的优越性。     

条件收益率下的VaR投资组合研究

本文以新的VaR风险控制体系和价格条件的VaR理论为基础,建立了一种新的最优投资组合模型——μ_s-VaR_s模型。其主要特点有:首先,μ_s-VaR_s模型主要关注相对价格的预期收益和风险,在没有股指期货对冲大盘指数风险的条件下,该模型可以为投资组合跑赢大盘提供了科学思路;其次,在μ_s-VaR_s风模型中,仿照夏普指数创建出了新的选股指标γ_s_i(t),使投资组合更有效率;最后,μ_s-VaR_s模型充分考虑了沪深股票市场的交易成本和交易条件限制,使模型具有较强的现实可用性.经过对沪深股票市场的实证分析发现:μ_s-VaR_s模型明显优于马柯威茨的M-V模型;应用μ_s-VaR_s模型所构建的投资组合的累积收益率显著高于大盘的同期累积收益率.