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.     

基于三维Copula函数的金融指数相关性分析

给出了三维Copula函数模型中未知参数的估计方法及最优三维Copula函数的选择方法,此构造方法对研究多变量之间的相依性提供了新途径.通过对上证指数、深圳成指及创业板指的历史数据进行实证分析,选出了最优三维Copula函数以描述三者之间的相关性,并分析三者之间的尾部相关性.     

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。     

基于Copula函数的组合资产条件相依性模型研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,组合资产的相依结构受多方面的影响,资产之间的相互影响与时间上的记忆效应是组合资产两类主要的相依关系.结合条件概率的理论建立基于Copula函数相依关系模型,研究组合资产之间同期相依关系及时间上的短期相依关系,提出了模型参数的三阶段极大似然估计方法.     

基于藤Copula的GAMLSS模型与非寿险准备金评估

在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款的GAMLSS模型,并将此模型应用于一组具有明显异方差的车险数据,拟合效果优于均值回归模型.另外,在多个业务线的准备金估计中,不同业务线之间的相依性通过藤Copula函数来描述.用D藤Copula描述相依关系的GAMLSS模型对准备金的评估结果既优于独立假设下的GAMLSS模型和链梯法对准备金的评估结果,同时还刻画了不同业务线之间的尾部相依性.     

时变多元NBS Copula模型与美国股指期货市场可视化相依性分析

基于多元NBS(Normal Birnbaum-Saunders)分布构造了一种新的多元偏斜厚尾Copula,即多元NBS Copula,并进一步采用DCC(Dynamic Conditional Correlation)模型构造了时变NBS Copula模型。以美国道琼斯30指数期货、标准普尔500指数期货和纳斯达克100指数期货为例，可视化分析了收益率序列之间的各种相依特征，比较了DCC-NBS Copula模型与其他一些Copula模型在相依结构拟合上的效果差异。实证结果表明：美国三大股指期货之间的相依结构具有正相依性、厚尾相依性、非对称相依性和时变相依性，其中，NAGARCH模型可以较好地描述收益率序列的动态特征，椭圆Copula优于阿基米德Copula,非对称椭圆Copula优于对称椭圆Copula,厚尾椭圆Copula优于正态Copula,时变椭圆Copula优于静态椭圆Copula。综合来看，DCC-NBSCopula模型是所有模型中对相依结构的拟合效果最优的。     

沪深股市相关结构之谜:基于贝叶斯Copula的研究

目前沪深股市相关结构的Copula模型选择差异很大,并没有形成统一的认识。在指出现有Copula检验要受到模型参数估计影响后,引入了贝叶斯估计方法将模型参数估计与拟合优度检验有效的分开。接着,沪深股市相关性的贝叶斯实证结果发现两市相关结构Copula模型具有时变特征,势必导致当前研究结果的不一致;同时也反映了Copula对样本区间选择有很强的依赖性。     

Copula模型在沪深股市相关性研究中的应用

本文利用沪深股票市场数据,研究了二者之间的相关结构,尤其是尾部相关情况。由于股票收益率序列存在着条件自相关和条件异方差,为避免这些对Copula参数估计的影响,我们先对收益率序列进行AR(4)-GJRGARCH(1,1)-t建模,得到的标准化残差经BDS检验为独立同分布(i.i.d.)序列,再进行Copula建模。实证结果表明,沪深股市存在很强的正相关性,以及对称的尾部相关。这与大多数国外学者认为股票市场之间存在非对称相关现象的结论不同。本文通过图形检测和解析方法相结合来选择对数据拟合最好的Copula函数,结果表明学生t-Copula可以很好地刻画沪深股市的相关性。     

国际碳排放权市场动态相依性分析及风险测度:基于Copula-GARCH模型

选取2009年3月13日-2010年8月4日的CER和EUA交易价格数据,借用CopulaGARCH模型,文章对欧洲气候交易所EUA和CER现货市场与期货市场之间的动态相依性进行了分析。分别选取Student-t DCC、Student-t TVC、Gaussian DCC、G3,ussian TVC和SJCPatton五种动态Copula函数来捕捉市场之间的动态相依性结构,研究表明Student-t DCC动态Copula函数能够更好地描述EUA和CER现货市场与期货市场之间的动态相依性。此外,EUA和CER各市场之间存在较强的对称尾部相依性,而非对称尾部相依性的证据尚不十分充足.进一步地,文章基于动态相依性分析运用Monte Carlo方法模拟国际碳排放权市场投资组合的风险VaR。     

基于Copula函数的CPI与PPI相关性分析

CPI与PPI是价格体系中的两大核心指标,两者之间相关关系的度量及分析,有利于定量刻画经济发展趋势,为政府制定经济政策提供依据和建议.考虑到CPI与PPI数据的本质非线性关系,选取表现能力更强的Copula函数来研究CPI与PPI之间的相依性.采用2011年1月至2016年12月全国月度同比CPI与PPI数据进行相关性研究,结果表明Gaussian Copula在刻画秩相关性上效果较好,而在尾部相关性以及与原始数据的拟合程度上,Gumble Copula要优于其他Copula.     

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。     

风格股票指数的随机动态相依性研究

准确刻画风格股票的联合分布,特别是它们之间的相依性,对基金公司等机构投资者进行资产配置和风险管理都有重要意义。根据已有文献,风格股票指数的相依性与流动性等来自市场的随机变量有关,那么这种动态相依性也可能是随机的。因此,本文在研究我国风格股指数相依性时,考虑了随机形式的动态相依性。文章在Hafner和Manner(2012)随机Copula模型中加入了换手率解释变量,实证分析我国风格股票指数间的相依结构,并从风险管理的角度讨论了随机相依性的经济意义。研究发现,大盘股和小盘股、成长型和价值型股票间的尾部相依性都表现出随机动态特征。考虑随机相依性的投资策略所得组合风险比Patton(2006)模型对应的投资策略低约0.30%-1.20%。对每天、每周或每月调整投资比例的中短期投资者而言,建议考虑风格指数的随机动态相依性。而且,短期投资者在大、小盘股票上投资时,还可以使用换手率信息预测未来1天两风格指数的相依性,以进一步降低组合风险。     

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。     

基于Copula-TGARCH模型的股指期货最佳套期保值比研究

本文基于一种新的Copula-TGARCH模型估计股指期货的最佳套期保值比,根据现货和期货收益率序列不同的尾部相依性,用不同的Copula函数形式(Gumbel,Clayton,Gaussian)拟合两者的相关性,并与其它的动态套期保值模型(ECM-CCC-GARCH和ECM-DVEC-GARCH)比较其套期保值的有效性。通过对香港恒生指数现货和期货的实证分析发现:无论样本期内、外,Copula-TGARCH模型的套期保值效果均优于其它模型,而基于非对称Gumbel Copula的套期保值比最佳。     

基于FIDC模型变点检测的美国次贷危机传染分析

现有文献主要讨论单个市场收益的长记忆性质或者市场间收益的相依性,但都没有将上述两个问题联系起来进行研究.与以往研究不同,文章将研究多个国家的股票市场收益与美国股票市场收益之间尾部相依性的长记忆问题.这不仅能检验市场的有效性,还有助于刻画国际市场间的相依结构,观察危机传染的特征并做出预警.为了刻画市场间尾部相依长记忆性的动态变化结构,文章对现有模型加以改进,提出了长记忆性的变点检测方法.从变点的角度实证分析了中国、日本、德国和法国股市与美国股市之间尾部相依的长记忆性,进而研究了次贷危机的传染现象.实证结果表明,文章提出的模型在分析金融传染方面是有效的,在不同的股市之间的实证结果具有相似性.第一变点和第二变点的时刻分别与次贷危机的结束和开始时间相对应,基于两个变点将数据分为三段对估计结果进行分析发现,下尾相依系数在危机传染期间明显变大,而且相依性的长记忆性也明显增强,说明次贷危机对所分析的国家具有传染效应.     

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.     

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。     

基于双参数Copula沪港股市的相关性分析

通过双参数Copula分析上证指数和恒生指数的尾部相关性,并与单参数Copula及混合Copula进行比较分析,参数估计使用半参数估计法,结果表明:与单参数Clayton Copula、Gumbel-Hougaard Copula以及由两者组成的混合Copula相比,双参数BB1 Copula对数据具有更好的拟合效果;且通过分析发现两股市的上尾相关性大于下尾相关性.     

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。