一类特殊多元极值Copula的性质

针对一类构造得到的多元极值Copula,研究它的边界性质及尾部相关度量,并给出尾部相关度量的解析表达式.结果表明,若对参数加以约束,则其上尾相关系数可以表示成构成它的Copula的上尾相关系数的凸和.     

基于Copula函数的沪深股市相关性分析

选用GPD分布分别对沪深股市对数收益率尾部进行描述,结合样本数据的统计特征,选择合适的二元Copula函数对沪深股市对数收益率的相关性进行描述,对二元Copula函数的参数进行估计。结果表明:二元t-Copula函数比二元正态Copula函数更能捕捉沪深股市的尾部相关性。沪深股市存在着较强的相关性,线性相关系数为0.9356,Kendall相关系数为0.7611,Spearman相关系数为0.9150。     

基于尾部样本数据的尾部相关性分析

尾部相关性为两个变量联合分布的尾部性质。针对尾部相关性分析,给出了两种二维顺序统计量的概念,讨论了其联合分布;给出了尾部样本数据的概念,提出了通过尾部样本数据拟合Copula函数进而得到尾部相关系数估计的思想,讨论了基于尾部样本数据的尾部拟合参数估计方法、基于尾部样本数据的尾部拟合检验方法及相应的尾部相关系数估计方法并采用蒙特卡洛模拟验证了方法的有效性;最后探讨了上证和深证指数间的尾部相关性。     

随机变量的Kendall相关系数的推广

多维随机变量之间常常存在着复杂的相依关系，而度量相依关系指标大多只刻画二维随机变量之间相依程度。借助Copula工具及利用Kendall相关系数是和谐概率的线性变化的特点，将二维Kendall相关系数推广到n维，并在此基础上探讨其性质以及不同维度的Kendall相关系数之间的关系。     

有色金属板块指数与期货价格相关性研究——基于Copula函数的实证分析

对有色金属板块指数与期货价格相关性研究,旨在度量其相互影响的程度,而Copula函数可以准确地反映变量间的相关结构,尤其是尾部特征.在收益率序列存在异方差的情况下引入EGARCH模型,再进行Copula建模,实证结果表明,T-Copula函数和Gumbel Copula能很好地刻画两者的相关性.     

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。     

股票市场的统计分析和相关性分析

对近期股票市场的几个股指进行了统计分析,得到了它们的基本特征．对上证指数和其他的3个股指进行了秩相关系数的计算,得出上证指数与深圳成指具有明显的相关性．最后利用Archimeadian Copula函数来模拟上证指数和深圳成指之间的相关性,以便可以较好地预测2个股票市场的变化．     

探测数据对加权回归模型影响的度量

用方差比和广义方差比作为影响度量，从估计效率角度研究数据的剔除对加权回归模型的影响．建立了这两个影响度量与相关系数和广义相关系数之间的精确关系．     

二元Cauchy分布尾部的相关性

为了更细致地描述二元随机变量极值的相关性质，Ｌｅｄｆｏｒｄ和Ｔａｗｎ（１９９６，１９９７）引进了尾部相关系数的概念，考虑二元Ｃａｕｃｈｙ分布的尾部相关性，本文指出即使在参数ρ＝０时，边缘分布仍然不是精确确立的，但对任－１〈ρ〈１，它们的尾部是渐近相关的。     

边界条件下线性回归模型的影响分析

研究带边界约束条件的线性模型的影响问题，提出了几个度量数据影响大小的统计量，建立了影响度量与相关系数之间的联系，揭示了数据影响与相关性之间的内在联系。     

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。     

关于下尾相依Copula的若干性质

下尾相依Copula(LTDC)刻划了随机变量之间的尾部相依结构.对于Archimedean Copula的LTDC,讨论了其相依性随尾部水平变化的动态特性,建立了和谐序在LTDC变换下封闭的充分条件,同时计算了LTDC的下尾相依系数.     

基于Copula函数的证券基金与股价指数的尾部相关性分析

利用Granger因果检验考察上证基金指数及股票指数间的联动特征,发现股票指数是基金指数的Granger成因.分别对基金指数及股票指数的收益率建立时间序列GARCH模型,引入Archimedean Copuh族的函数研究基金与股票收益之间的尾部相关性,研究表明基金指数和股票指数尾部相关性较高,基金市场随股票市场的涨跌而发生变化,且相关性在熊市期间强于牛市期间.     

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．     

基于时变相关Copula的最小方差套期保值研究

在传统的最小方差套期保值的基础上,引入时变相关的正态Copula函数,借助Copula函数计算中位数相关系数,代替传统的Pearson相关系数,以提高套期保值效果.时变相关Copula函数的引入,可描述现货价格收益率和期货价格收益率相关结构动态变化的特征,从而解决套期保值效果结构性失真的问题;使用Copula模型计算中位数相关系数,弥补现有方法不能度量非线性关系的不足,解决当现货价格收益率或者期货价格收益率发生较大波动时套期保值比率确定的问题.实证结果表明:本研究提出的模型有效性高于传统的套期保值模型,利用本模型可以更好地规避现货市场的市场风险.     

半参数阿基米德Copula的理论应用

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Cop-ula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.     

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。     

衡量金融风险相关性的Copula熵方法

正态检验的不理想和偏度及峰度的存在使得用基于多元正态分布的假设及线性相关系数研究相关性受到质疑,为此应用信息熵结合Copula理论建立了Copula熵函数.与信息论中互信息等相关性衡量指标相比较,其具有不受维数限制、有量纲、能捕捉非线性相关关系等优点.结合经济圈理论进行了数据验证,表明了该方法的可行性和有效性.