金融市场动态相关结构的研究

为了研究金融市场间非线性的动态相关结构,提出了一类具有变结构特性的分阶段Copula模型以及相应的二元正态Copula模型变结构点的诊断程序.构建了分阶段二元正态Copula-GARCH模型并用于上海股市各板块之间动态相关结构的研究.结果表明,在刻画金融收益序列之间动态相关结构的能力上,变结构二元正态Copula模型优于时变相关二元正态Copula模型.     

金融危机对中国股市各行业板块间相依结构的影响

利用GARCH-Copula模型探究了2008年世界金融危机对中国股市各行业板块间相依结构的影响。选用沪市各行业板块的股指数据,把时间序列分为危机前和危机后两个时期进行分析。实证结果表明,尽管经验copula显示尾部相依具有非对称性,但依据AIC准则,t-Copula和混合Gumbel Copula相对更适合于拟合序列对间相依结构;各市场间都倾向于联动,且危机后相依性增强。     

中国股票市场的波动率聚集性研究——基于Markov机制转换Copula模型的实证分析北大核心CSCDCSSCI

波动率聚集性是金融资产收益率序列中的一个重要特征。构建了Markov机制转换Copula模型研究中国股票市场的波动率聚集性(波动率相关性结构)。采用上证综合指数和深证成份指数日内高频数据,构造已实现波动率作为隐波动率的代理变量,对中国股票市场进行了实证分析。结果表明,SJC Copula相比其他Copula能更好地刻画中国股票市场的波动率聚集性,波动率聚集具有明显的尾部非对称特征,高波动率的聚集相比低波动率的聚集发生概率要更高。另外,基于Markov机制转换SJC Copula模型的研究表明,中国股票市场的波动率聚集还具有明显的尾部动态特征。     

中国股票市场的波动率聚集性研究——基于Markov机制转换Copula模型的实证分析

波动率聚集性是金融资产收益率序列中的一个重要特征。构建了Markov机制转换Copula模型研究中国股票市场的波动率聚集性(波动率相关性结构)。采用上证综合指数和深证成份指数日内高频数据,构造已实现波动率作为隐波动率的代理变量,对中国股票市场进行了实证分析。结果表明,SJC Copula相比其他Copula能更好地刻画中国股票市场的波动率聚集性,波动率聚集具有明显的尾部非对称特征,高波动率的聚集相比低波动率的聚集发生概率要更高。另外,基于Markov机制转换SJC Copula模型的研究表明,中国股票市场的波动率聚集还具有明显的尾部动态特征。     

基于Lévy测度的动态操作风险度量

依据我国商业银行1994-2012年操作风险历史数据,本文引入Lévy测度描述操作风险损失所具有的非连续跳跃行为,利用稀疏序列法产生动态操作风险损失过程,采用了同时考虑损失频率相关性和强度相关性的Lévy Copula模型,给出了具有时变参数和时变相关性结构的动态操作风险度量模型和数值实验技术,计算了不同置信水平上的VaR与CVaR.实证结果表明:Lévy Copula模型能在减少模型设定风险的同时,较好地描述风险单元间的相关性结构;Lévy Copula模型相比于传统Copula模型对相关性结构刻画更为细致,能降低风险资本,并且通过稳健性检验;动态Lévy Copula模型能捕捉到风险的变化趋势,减少由于时变参数导致的风险资本估计偏差.     

基于时变Copula的VaR估计

针对股票收益的相关性会随市场波动而发生变化，本文考虑用条件时变相关模式的Copula模型来估计组合风险值，利用上证、深证指数组合进行实证研究，并与固定相关模式下的Copula模型进行比较，结果表明；相对于常相关模式，条件时变相关模式具有较好的表现。     

沪市指数的短期尾部相依结构

短期相依和同期相依是金融资产两类主要的相依关系。应用相依结构Copula函数模型对上海综合指数收益率序列前后一个交易日的价格波动的短期相依关系的尾部相依结构进行了分析。经检验认为Clayton-copula模型能较好地捕捉沪市收益率序列的短期相依关系的变化规律;上证综合指数收益率的短期相依结构有正相依关系也包含了负相依关系,且主(副)对角线上的尾部相依结构表现为非对称的特征。     

基于Copula函数的金融理财产品风险度量

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，构建了反映金融理财产品收益实际分 布和相关性的联合分布函数. 为了研究度量收益率的实际分布和相关性对金融理财产品组合选择的影响，采用蒙特卡罗 方法对金融危机前期（稳定期）和金融危机时期（危机期）的投资组合进行了风险分析.     

中国股市收益率的多重分形分析

应用MF-DFA方法对上海综合指数收益率和深圳成分指数收益率进行多重分形分析.结果表明:上证综指收益率和深成指收益率均具有多重分形特征,均存在长程相关性和胖尾分布;深成指收益率序列的相关性程度高于上证综指收益率序列的相关性程度,从而上证综指收益率的波动性大于深成指收益率的波动性.     

基于Copula函数模型的股市交易量与股价相依关系

股市交易量与股价变化的相依关系一直是学术界和投资分析人士所研究的热点问题。研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构。应用ARMA(2,1)模型对交易量变量的序列相关性进行修正,基于Copula函数模型研究三个股票市场的交易量与股市指数收益率的相依程度和相依结构。通过χ2检验研究发现:混合Copula函数模型能够刻画交易量与股价之间的相依结构,通过了假设检验;交易量与股价之间存在上尾高下尾低的非对称相依关系且混合有负相依现象,但它们之间的负相依程度较弱。     

基于Copula-ASV-EVT的QFII和HS300指数相关性风险度量

以ASV-EVT模型为边缘分布函数,运用三种Copula簇方法研究了QFII和HS300指数之间的相关关系.研究结果表明:BB1 Copula较好地刻画了两指数尾部相关的非线性、非对称特征,且较好地拟合了相关结构,表明两指数在低迷时期的相关性明显高于其活跃时期的相关性.同时回测检验显示Copula-ASV-EVT模型能有效测度两指数组合的市场风险.进而,基于2006-2012年样本实证得出QFII一直坚持价值投资的有力证据.同时,随着QFII数量的增长和上市公司分红制度的完善,中国证券市场面临价值投资理性回归的极好机遇.     

基于Copula函数的组合资产条件相依性模型及其应用

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,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

金融市场相关程度与相关模式的研究

分析了几种常用的Copula函数及它们在相关性分析上的应用特点，构建了M—Copula—GARCH模型．运用Copula技术，对上海和深圳股市进行实证研究发现，单个Copula函数只能反映相关性变化的某个方面，而M—Copula函数则更灵活，对金融市场相关性的描述也更全面．运用M—Copula—GARCH模型，可将金融市场之间相关程度和相关模式的研究更好地结合在一起，能够更准确、全面地捕捉到各个时期股市间相关性的变化．正确地反映两个市场之间非对称的相关模式．     

相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文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相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

基于多元条件极值模型的股指期货与现货下尾部相依性研究

运用多元条件极值模型研究了沪深300股指期货与现货指数之间的下尾部相依关系。通过先构建随机波动-超阈值（SV-POT）模型描述两种资产收益的边缘分布，再建立多元条件极值模型对分布下尾部的相依结构进行研究。实证结果表明：两个收益的下尾存在显著为正的相依关系且条件相依程度都在80%以上，但相差不大，两者可以看成是一个同质的市场。     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

Dependence between stock returns and investor sentiment in Chinese markets: A copula approach

Using data of newly opened stock trading accounts in China as a proxy of investor sentiment index,the authors employ the time-varying copula-GARCH model with Hansen’s skewed Student-t innovations to investigate the dynamic dependence between investor sentiment and stock returns.The empirical findings show that shifts in investor sentiment are asymptotically positively correlated to stock returns in extreme value situations in both A shares market and B shares market in China,that is to say,stock prices will increase(decrease) more when investors become more bullish(bearish).Also, results show that the dependence between investor sentiment and stock returns is time-varying,which means that the traditional Pearson’s correlation based on normal distribution is not enough to describe the relationship between stock market behavior and investor behavior.     

基于Copula-TARCH的开放式基金投资组合风险的实证分析

以华夏基金的前10支股票为例,建立了AR(1)-TARCH-t(1,1)模型。分别采用正态Copula函数、t-Copula函数完成单个资产收益的边缘分布到资产组合联合分布的过渡。并结合Monte-Carlo模拟技术计算基金组合的VaR。比较实证结果得出Copula函数的选取影响投资组合风险值;由t-Copula函数仿真得到的VaR更保守。