基于藤Copula的多资产交换期权模拟定价

传统的多维Copula是用单个参数来度量多变量之间的相依关系,这限制了该类Copula在描述多变量之间相依结构.为了解决这一问题,提出了一种使用藤构造三维Copula的算法,用蒙特卡罗方法分别模拟传统的单参数三维Copula和藤构造的三维Copula,并给三资产的交换期权定价,发现藤构造的Copula在定价上与单参数多维Copula存在明显的差别,使用藤构造的Copula在描述相依结构时有较大弹性.     

半参数阿基米德Copula的实证研究

半参数阿基米德Copula族的生成元可由现有阿基米德Copula生成元得到,由于有独特的构造方式,该Copula族具有灵活的相关结构,能"自适应"地描述数据中包含的相关结构.外汇市场的实证分析证实了该Copula族在描述相关结构时的灵活性,对选择何种Copula描述金融资产间的相关结构有一定的参考意义.     

包含股指期货的投资组合之风险研究——Copula方法在金融风险管理中的应用

本文运用Copula方法研究了含股指期货的投资组合的风险度量问题.由于股指期货和股票现货之间存在很大的相关性,因此在度量组合的风险时,各资产间的相关结构起到了关键作用,但这一相关结构很难用线性的相关系数去刻画,本文采用Copula模型来描述相关结构。而后,我们构建了基于Copula理论的风险度量指标PVaR,并验证了不同Copula模型的拟合效果.我们利用沪深300指数的数据来研究股指期货和现货的相关结构,并使用了多种Copula函数结合不同的边际分布假设进行了模拟,说明了Copula方法在风险度量尤其是包含了股指期货的投资组合的风险度量上具有较高的精确性.     

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.     

基于Copula理论的上证指数与上证基金的相依性实证分析

选取上证指数、上证基金的日收益率数据,根据Sklar提出的Copula理论,刻画随机变量间相关性的信息,用于描述金融市场间的相关模式.首先针对二维变量,通过比较参数法与非参数法拟合的优度来确定边缘分布,从而选择合适的Copula函数来刻画二者之间的相关性,最后对模型进行评价.     

基于Copula函数的非线性时间序列聚类

时间序列数据的聚类是对面板数据或多维时间序列根据序列相似度进行分组。聚在同一组的时间序列具有相近的模型参数,尤其是当序列较短时聚类后能够得到更精确的参数估计。现存的时间序列聚类方法的距离度量大都基于时间序列的线性假设,但是现实中时间序列通常是非线性的。本文提出了一种基于Copula距离测度的非线性时间序列数据的聚类方法,它利用了Copula函数获取时间序列的非线性相依结构。作为一种非参数的距离度量,基于Copula函数的距离度量能够识别动态相关结构的相似性。大量的模拟实验和实证研究验证了我们所提方法的有效性。     

M-Copula模型在金融时间序列分析中的研究与应用

研究了M-Copula模型的建模方法及应用.运用EM算法估计模型的参数,得到相应的统计结果.并利用M-Copula对上证综指和深证成指做了相关分析.通过分析两样本数据的特征,均建立了GARCH-t的边缘分布模型;根据两个对数收益率序列之间的相关特性,选取M-Copula模型对其相关结构进行建模分析,因M-Copula综合了不同Copula的特点,所以分布形式更加灵活,描述数据的厚尾和相关性特征的能力更突出,效果比单一的Copula更好.     

基于Clayton Copula-GARCH模型投资组合VaR的度量

运用Copula方法研究了含股指期货的投资组合的风险度量问题.首先采用不同的GARCH模型对单个资产收益率建模,然后选择Clayton Copula函数来描述投资组合各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VaR.Kupiec检验表明,ClaytonCopula-GARCH模型在投资组合风险度量上具有较高的准确性.     

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。     

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.     

Archimedean Copula数据拟合

给出了选择较优Archimedean Copula相依结构的一般过程,并结合中国股市的实际数据作了分析,通过不同的标准得到了拟合深圳成份A股与深圳成份B股指数的较好的Archimedean Copula,而且还发现利用Copula刻画相依结构比传统的线性相关系数具有更多的优越性.     

Copula函数在水文计算中的适用性分析

论述和探讨了Copula函数在水文计算中的应用及适用性,重点分析了常用的Archimedean CopuIa函数在描述水文变量尾部相关性方面的差异,以及相关系数的不确定性对各Copula函数分析结果的影响,讨论了Copula函数在相关性分析中出现的其他问题及注意事项.     

基于Spearman的rho的Copula参数模型的选择

从Spearman的rho与Kendall的tau的关系入手,讨论了一类二元Copula参数模型的选择问题.由于这类二元Copula参数模型的Spearman的rho与Kendall的tau存在某种函数关系,模型选择问题转化为了曲线拟合检验问题.对于正态Copula、Frank-Copula,FGM-Copula、B11-Copula等这类Copula参数模型,说明了两种情况下进行模型选择的方法,并对中国股市的上证指数与深证综指作了实证分析,结果表明两者存在着较强的正相关性,相关性模型选取B11-Copula参数模型最合适.     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

Copula函数的加权平均距离检验方法

针对无法从定性的角度选择最优Copula函数,本文从定量的角度给出Copula函数的一种加权平均距离检验方法,并给出该检验方法的拒绝域与检验p值,最后证明了此检验方法具有相合性,并给出检验统计量的渐近分布,从而说明此方法可以用于最优Copula函数的选择。     

基于Copula函数和非参数估计的尾部相关性

给出基于Copula函数的尾部相关性的定义和性质,采用非参数方法估计尾部相关系数.结合数据得出上证指数和深圳指数的尾部相关系数和对应图形比较,可知两种股票的上尾比下尾相关性强.此相关系数反映了上证指数与深圳指数在极端值处同时小于或同时大于某个数值的概率大小.     

Copula界在多元VaR中的应用

首先介绍了多元随机变量和的边界,以及由此导出的VaR边界,然后全面总结了有关Copula下界的公式,而Copula下界及其对偶函数分别构成计算VaR边界的依据.最后根据VaR边界的数值算法,针对不同的Copula下界,分多种情景详细分析了VaR的边界范围.关于上证指数和深成指数收益率序列的实证分析发现.Spearman相关系数和正象限相依对VaR界的收窄作用最强.     

随机挽回率下第n次违约互换的蒙特卡罗模拟定价

考虑到挽回率是违约互换定价的重要因素,同时获得准确的挽回率也是极其困难的,于是假设挽回率是随机的,并与对应资产违约时间呈Copula类相依结构.在该假设条件下提出一种对第n次违约互换定价的模拟算法.通过实证模拟发现,恒定挽回率,独立随机挽回率和Copula结构的挽回率对应的定价结果相差较大.     

操作风险计量研究——基于贝叶斯Copula方法

商业银行操作风险的计量存在两个重要的问题,一个问题是损失数据缺乏,另一个问题是各部分之间的风险相关问题.结合Bayes估计和Copula函数解决了上述两个问题并基于中国商业银行操作风险的损失数据对对操作风险的计量进行了实证分析.实证分析的结果表明无论考虑风险相关与否,基于极大似然估计的VaR与基于Bayes估计的VaR具有一定的差距.