多参数Archimedean Copula模型下的CDO定价

利用高维Archimedean Copula模型对合成CDO进行定价,在传统简单Archimedean Copula的基础上,基于三种不同的方式,引入多个参数,从而解决作为市场基准的Gaussian Copula模型下存在相关性微笑的问题.对于特殊的大样本同质资产组合,违约损失分布可以直接从违约概率得到.而对于一般性的资产组合,可以得到损失的特征函数,从而通过快速Fourier变换,计算出违约的分布.最后,给出了数值计算结果.     

基于Copula的开放式基金流动性风险研究

从基金管理者的角度出发,引入了一种开放式基金预留现金和债券比例管理模型,它可以使满足及时赎回需求概率很大且预留现金和债券最少.使用二元Archimedean Copula分析了预留现金和债券比例的计算公式,通过数值实例分析了预留比例公式的合理性,为基金管理人制定投资目标时随时控制预留现金的比例,提供一个参考的标准.     

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.     

基于藤结构 Copula 模型的中国股市风格资产相依结构研究

首先采用AR（1）-GJR（1,1）-SkT（73,A）模型来刻画中国股市风格资产（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值）的边缘分布,接着结合各边缘分布的残差,引入C—VineCop—ula和r）IVineCopula模型来描述这六种风格资产之间的相依结构,然后对基于CVineCopula和I）IVineCopula模型的拟合效果进行综合比较．研究结果表明：中国股市各风格资产之间的相依性存在结构性差异,最适合用I）IVineCopula模型来刻画各风格资产之间的相依结构．同类型的风格资产之间的相依程度比不同类型风格资产之间的相依程度要高;在同一类型的风格资产中,资产规模差距越大的风格资产之间的相依系数就越小．无条件的风格资产收益系列之间的相关性要显著大于有条件的风格资产收益系列之间的相关性;最后根据研究结论提出了降低风格资产组合风险的资产配置建议．     

我国金融市场间联动效应研究——基于混频Copula模型北大核心CSCD

目前关于风险联动效应的研究主要是基于微观高频或宏观低频数据进行的,仅采用高频或者低频数据进行分析未能准确刻画市场间的风险联动效应.针对已有研究的不足,充分利用微观高频和宏观低频数据信息,借鉴混频思想,将混频Copula模型与CoVaR模型相结合以研究我国股票市场、金融期货市场、大宗商品期货市场、债券市场以及外汇市场间的风险联动效应.结果表明:GARCH-MIDAS-LI-偏t模型效果最优;金融市场间的相依结构具有时变性和非对称性;金融市场间存在着显著的双向风险溢出,风险溢出均为正值且存在非对称性;股市和期市是风险净溢出者,而大宗商品期市、债市以汇市是风险净接受者.此研究对于投资者的投资决策、监管者的监测风险都具有一定的理论意义和现实意义.     

一类二元对称的Copula函数

本文给出了一类二元对称Copula函数的构造,同时推导了此类Copula函数的一致有序性,对称性以及相关测度等性质.     

医学数据的模型拟合与探索性分析

探索性数据分析是和确定性教据分析（统计推断）相辅相成的两大类统计分析方法。本文通过用统计软件包ＳＰＬＭ对医学数据拟合模型的实例，说明了探索性数据分析的基本思想和方法以及它在医学研究中的应用价值。     

采用二叉树编码的遗传算法实现数据拟合

针对采用数值分析方法进行数据拟合求解复杂度高、运算最大而精度较低的缺陷 ,本文给出一种基于二叉树编码的遗传算法来进行数据拟合 ,取得了较好的效果     

基于分段损失分布法和Copula的银行操作风险集成度量

多个风险单元的集成度量是银行操作风险管理的关键步骤之一。立足于操作风险的“厚尾”、“截断”性,从分段损失分布法的视角出发,探讨操作风险集成度量的模式和数值方法。首先,引入两阶段损失分布法来拟合单个风险单元边际损失分布,用双截尾分布代替传统的完整分布来刻画“高频低损”损失数据的双截断特性,利用POT模型捕获“低频高损”事件的厚尾特性。再次,基于分段建模思路,对传统度量过程中边际分布为单一、完整分布的Copula模型进行了扩展,研究边际分布为分段分布、截尾分布条件下使用Copula函数集成度量操作风险的框架和步骤,并设计了Monte Carlo模拟算法。最后,以实证分析的形式验证所构建模型。通过对中国商业银行416个操作风险损失数据的实证分析,结果表明分段分布、截尾分布能对单个风险单元边际分布有更好的拟合效果,能减小由于分布选择不当而引发的模型风险。分段度量视角下Copula函数的引入能灵活处理多个操作风险单元间的相依结构,使风险度量结果更为合理。     

多元散乱数据二步拟合法及其误差估计

多元数据曲面拟合的早期结果,主要在研究格子点的插值问题上,其方法是张量积插值或利用再生核希氏空间理论给出解的构造。[1]系统地总结了1976年以前的研究概况,[2]则为全平面上的薄板样条是一元样条到多元样条非张量积形式的推广。它是基于再生核的明显表示,但对一般的泛函来说,要得到再生核通常是很困难的。最近,[4]避开这一实质性困难,利用Lagrange恒等式,Euler方程及最优插值的特征定理给出了一     

A Generalization of the Archimedean Class of Bivariate Copulas

We introduce and study a class of bivariate copulas depending on two univariate functions which generalizes the well-known Archimedean family. We provide several examples and some results about the concordance order.     

Archimedean copulas derived from utility functions

The inverse of the (additive) generator of an Archimedean copula is a strictly decreasing and convex function, while utility functions (applying to risk averse decision makers) are nondecreasing and concave. This provides a basis for deriving an inverse generator of an Archimedean copula from a utility function. If we derive the inverse of the generator from the utility function, there is a link between the magnitude of measures of risk attitude (like the very common Arrow–Pratt coefficient of absolute risk aversion) and the strength of dependence featured by the corresponding Archimedean copula. Some new copula families are derived, and their properties are discussed. A numerical example about modeling dependence of coupled lives is included.     

基于多维Gumbel Copula函数的投资组合VaR分析

基于目前国内有关Copula函数的实证研究主要是研究二种资产的相关性为主,文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,首先利用GJR模型构建资产的边缘分布,接着利用多元阿基米德Copula函数族中的Gumbel Copula函数构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下的投资组合的最小风险价值(VaR)及其资产组成,实证说明根据文章提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管。     

相依结构数据的ACE拟合

利用ACE(alternating conditional expectations)方法,给出了寻找数据阿基米德copula相依结构的一种非参数算法.这种算法去掉了传统方法中对生成元需要事先假定结构类型的要求。拓宽了阿基米德copula的应用范围.模拟结果表明,ACE方法在寻找资产相依结构中是可以应用的,与传统方法相比也毫不逊色。     

含状态转换的Copula模型及其应用

Copula在金融资产风险分析中被广泛应用,本文考虑了一种含状态转换的Copula模型。该模型的特点是,Copula函数在一个状态内是固定的,在不同状态之间的转移过程是一个不可观测的马氏链。其不同的状态可以用来描述金融资产相关性的波动。我们运用该模型对我国股票市场进行了实证研究,结果表明该模型可以更好地衡量其相关性模式。     

具有对称性的Copula

首次引入左边块对称和右边块对称的概念,利用Copula研究了其联合分布函数的特点,并分析了这两种对称特性与其它对称特性的联系．最后,提出几个值得进一步讨论的问题     

FGM Copula的另一种拓展

研究形如C(u,v)=uv+ψ(v)u(1-u),ψ(v)为v的非多项式函数的三类广义FGM Copula,计算它们的线性相关系数r,和谐性度量Kendall'sτ和Spearman'sρ.结果显示其中的两类广义FGM Copula与FGM Copula的性质接近,但是其τ与ρ的取值范围在某种程度上比FGM Copula的大,所以应用范围更广,适应性更强.另一类的线性相关系数r为0,但是τ和ρ均不为零,说明和谐性度量能够描述变量间非线性的相关关系.     

基于Copula的QDII与排放权资产的投资组合构建

本文介绍了欧盟温室气体排放权交易市场,选择欧洲气候交易所(ECX)推出的欧盟配额(EUA)期货合约作为温室气体排放权资产(即碳资产)的代表,利用Copula函数得到了国内一支QDII基金-南方全球精选基金与该资产收益率的联合分布,并进一步据此得到了两种资产任一组合的收益率的分布函数,然后在不同的显著性水平下确定了具有最小VaR的最优组合系数。对最优组合的分析发现,本文构建的投资组合在收益率高于原QDII基金收益率的同时,其VaR值在各种显著性水平下均低于原QDII基金的VaR,并且最优的组合系数对于特定的VaR水平的敏感度不高,组合策略具有可操作性。     

基于Copula的VsR度量与事后检验

估计VaR的传统方法有三种:协方差矩阵法、历史模拟法和蒙特仁洛模拟法。通常,文献中认为刚蒙特卡洛模拟法度量VaR有很多方面的优点。但是,本文通过实证检验发现,使用传统蒙特卡洛模拟法估计的VaR偏小,事后检验效果很不理想。本文引入Copula函数来改进传统的蒙特卡洛模拟法。Copula函数能将单个边际分布和多元联合分布联系起来,能处理非正态的边际分布,并且它度量的相关性不再局限于线性相关性。实证检验表明,基于Copula的蒙特卡罗模拟法可以更加准确地度量资产组合的VaR。