基于Eviews 与GS Copula 的金融市场相依性研究

为解决金融市场间波动的相依性问题, 对不同金融市场间高频数据极小值的相依性进行研究。在分析GS Copula 函数的模型方法和模型特点基础上, 研究了估计GS Copula 函数中参数的方法及正尾部相依性和负尾部相依性的模型, 并基于Eviews 软件和GS Copula 函数等理论对上证000001 指数和股指期货IF1112 指数5 min极小值的收益率序列数据的相依性进行了分析, 得出其收益率序列数据有很强的上尾部相依性。为在金融决策中降低风险提供了理论依据。     

基于Gumbel Copula函数的金融高频数据极大值相依性

基于Copula函数对股指期货IF1112指数和上证000 001指数5min极大值收益率序列的相依性进行了研究,探讨了它们微观结构的相依性.     

基于Clayton Copula函数的金融高频数据极小值相依性

基于Clayton Copula函数对股指期货IF1112指数和上证000001指数5min极小值收益率序列的相依性进行了研究,深入探讨了其下尾部微观结构的相依性.     

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票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股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.     

基于Copula方法的条件VaR估计

给出了股价日内波幅的定义，并应用Copula方法得到了股票价格日内波幅和收益率的相依结构，以及两者之间的尾部相依系数．利用Copula相依结构可以估计出联合分布以及日内波幅条件下的条件分布，进而得到条件VaR的估计．最后对上证指数和浦发银行股票进行了实证分析和比较，获得了有意义的结果．     

基于藤Copula-POT的多资产尾部相依结构的研究

在基于pair-Copula高维建模方法的藤Copula理论框架下,构建了藤结构Copula-POT模型,并采用C藤和D藤结构分解下的Gaussian Copula和Frank Copula函数来研究外汇资产间的尾部相依结构.该模型考虑了单个资产的尾部特征,且克服了传统Copula的"维数灾难"问题,能更好地描述资产尾部间的相依结构.基于四种外汇资产(美元、欧元、日元和港币)的实证结果表明D藤能更好的对外汇资产间尾部相依结构进行描述,且D藤分解模式下的Frank Copula能更准确反映外汇资产尾部间的相依性,并针对外汇储备投资,给出相应的建议.     

中美股票市场相依性研究——基于Copula的非参数估计和检验

以金融危机发生前后上海综合指数和s&p指数为样本分析中美股市的相依结构,通过样本秩相关系数估计Copula函数中的参数,并利用卡方统计量对估计出来的Copula函数进行非参数拟合优度检验。结果表明,上海综合指数与s&p指数存在较弱的对称相依结构,协同运动并不明显,股票市场受美国次贷危机的影响较小;尾部相依性显示二者之间渐近对称性独立,但并不存在明显的传递依赖关系,投资者可以选择资产组合分散化风险投资。     

基于Copula-GARCH的投资组合风险度量的实证应用

通过Va R模型对我国的上证指数和深成指2010年1月25日至2012年12月28日的收盘价的波动性加以实证分析,进行模型检验,从而得出模型有效的结论。用Copula函数刻画上证综指和深成指之间的相关结构进而得到投资组合收益率的联合分布,建立了GARCH(1,1)-t模型,利用各项资产收盘价、成交量的历史数据,通过Monte Carlo模拟生成具有Copula相关结构的收益率分布,得到组合的风险价值。应用Copula-Va R-GARCH模型通过Monte Carlo模拟计算投资组合的Va R值,对探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。     

Copula函数的选择及股票市场的相关性研究

Copula函数能够完整地刻画变量间的相关关系,在股票市场中用Copula函数来描述股票之间的相关性被广泛应用.本文从6种Copula模型入手,对基于参数自助的似然准则检验方法和基于参数自助的拟合优度检验方法进行了对比分析,研究其在模型选择上的准确性,并将其应用到平安银行和交通银行两支股票中,发现与模拟结果相一致.     

高斯Copula的一点注记

Copula函数把边缘分布函数与联合分布函数联系起来,是研究变量间相依性的一种有效工具.而高斯分布在实际应用中占有重要的地位,本文主要研究高斯分布的极尾相依系数、极高斯Copula函数,推导出极值高斯Copula函数.     

金融危机背景下沪综指与深成指指数相关性分析

鉴于中国证券市场沪深两市的构成特征,在金融危机背景下,应用Archimedean Copula函数族中的Gumbel Copula函数和Clayton Copula函数,实证分析沪综指与深成指指数的相关性,结果表明,我国股市总体呈现出一定的一致性和相关性,并且金融危机出现后,沪深两市下跌的一致性程度大于上涨的一致性程度。     

国内外股票市场相关性的Copula分析

揭示了Copula函数和Kendall τ统计量的内在关系,选择最优的Copula函数描述了两变量的相关性结构,并采用Copula函数建立了变量尾部相关性的表达式．实例分析表明,Copula方法可以较好地描述国内外股票市场之间的相关性结构,便于计算尾部相关性参数,为风险量化管理提供了一种新途径。     

股价指数的自相关与标度不变性分析

运用基本统计量分析我国股票市场收益率的分布状态,通过比较收益率自相关函数及收益率平方的自相关函数,判断序列的独立性,根据基于标准差时间序列计算的Hurst指数,对股票市场的有效性进行实证研究·结果表明,沪深两市收益率均不服从正态分布,存在非线性相关关系,Hurst指数大于05,股票价格为分形时间序列,表现出长期相关性,市场未达到弱式有效     

基于阿基米德Copula的投资组合风险分析

应用阿基米德Copula分析沪深股票市场投资组合风险,样本区间从2000年1月4日至2006年11月8日,共1639组有效数据．首先,由于金融数据不具有正态性,且是厚尾的,因而应用极值理论对边缘分布建模;然后,采用极大似然估计对给定的5个阿基米德Copula进行参数估计,从中选择能更好拟合实际数据相关性的Copula;最后,运用Monte Carlo模拟方法计算相应的风险价值（VaR）,确定最优的组合系数．结果表明,当组合系数β=0．33时,沪深股市投资组合风险最小．     

石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR)，研究在极端下跌和极端上涨的市场情况下，国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明，石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面，石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面，股票市场对石油市场的尾部风险溢出效应均为正向，石油市场对大部分国家股票市场的上尾风险溢出效应为正向，且对全部国家股票市场的下尾风险溢出效应为正向.最后，石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

基于t Copula的中国股市指数组合VaR估计及其评价

传统的联合正态分布假设无法刻画金融市场尾部相依情况,导致投资组合VaR的低估。采用tCopula克服了这一问题;并对上证指数和深证指数构成的等权重投资组合的95%和99%VaR进行了验证;结果表明,基于t Copula模型的VaR表现要优于传统的方差-协方差分析法、历史模拟法和蒙特卡罗模拟法以及基于动态条件相关系数模型的估计方法。     

基于并行计算及入侵检测系统的异动股票选择

将入侵检测技术引入到股票的选择中,给出了一种基于并行遗传算法的入侵检测技术。将数据随机分为若干个小组,对每一个小组中的数据进行检测,把每个小组中的最可疑的行为特征汇合后进行比对,最后选择出异动股票。对上海电力股票2008年4月24日至7月22日的数据利用MATLAB进行了模拟,与标准遗传算法比较,改进后的算法降低了误报率,缩短了运算时间。     

香港国企H股与沪深股市股指收益率波动特征及其关系研究

选取香港国企H股指数、上证指数和深圳综指2003年2月26日至2006年5月12日的股票日收盘指数作为样本,运用TARCH模型研究收益率波动的特征.结果表明:三市指数收益率均存在信息不对称效应,但沪、深股市比香港国企H股波动剧烈.运用Johansen多变量协整关系检验及Granger因果关系检验.结果发现,它们之间存在着长期稳定的协整关系.香港国企H股与内地股市关系密切,香港国企H股的变动会对沪、深股市产生影响,而沪、深股市的变动不会对香港国企H股产生影响,同时上海股市的变动也会对深圳股市产生影响,但深圳股市的变动对上海股市影响不大.