C藤Copula自回归模型及其预测

通过研究严平稳时间序列的非线性自相关性,建立了C藤Copula自回归模型,并运用模型进行了预测。首先,基于C藤Copula理论建立C藤Copula自回归模型,给出某一时刻连续几个滞后项是否与这一时刻独立的判别方法,筛选出相关自变量;接着,给出模型的参数估计方法和基于蒙特卡洛模拟的预测方法;最后进行实证分析,结果显示C藤Copula自回归模型的预测效果优于ARMA(1,1)模型和Garch(1,1)模型。     

Copula函数与广义Copula函数

在综述Copula函数性质的基础上,给出了广义Copula函数的概念,并讨论了广义Copula函数的一系列性质。     

基于Copula函数的沪深股市相关性研究

研究了度量相关性的两个工具：秩相关系数和尾部相关系数．在Archimedean Copula族中选择最优的Clayton Copula来度量上证综指和深圳成指尾部相关性，得出两者具有较强的下尾相关性，且量化后的相关性能够较好预测股票市场的变化．     

基于ASBCS算法的混合Copula邻近水文站年径流量预测

首先对标准的布谷鸟搜索算法(CS)进行改进,提出了自适应搜索平衡布谷鸟搜索算法(ASBCS).其次利用ASBCS算法对混合Copula函数进行参数寻优,建立了基于混合Copula函数的邻近水文站年径流预测模型.最后对模型进行了性能分析和实验验证,结果表明:(1)ASBCS算法在收敛速度和精度方面均优于标准CS算法;(2)当以汉口水文站的年径流量为自变量来预测宜昌水文站的年径流量时,基于ASBCS算法的混合Copula函数比三个单一的Copula函数的预测精度高.     

基于Copula函数的Monte Carlo法求VaR

通过半参数法(CML)和拟合优度检验,确定了最优的Copula函数,并将所得的最优Copula函数采用蒙特卡罗模拟法,产生大量模拟的资产组合价值,然后在一个给定的置信度下,通过采用合适的资产收益分布的分位数来测定风险价值(VaR),并运用实证进行分析求解.     

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.     

基于Copula EDA优化BP神经网络的表面粗糙度预测

为了提高预测机械加工表面粗糙度的精度,提出了基于Copula分布估计算法(estimation of distribution algorithm,EDA)优化BP神经网络的方法.以铣削45#钢为试验对象,采用控制变量法进行切削试验.在线测量主切削力、轴向力、径向力和振幅,并进行数据处理,得到相应切削力的平均值、标准差、均方根值及振幅,同时离线测量二维粗糙度R_a、三维粗糙度平均值S_a和均方根值S_q.对切削分力的平均值、标准差、均方根值及振幅与粗糙度做相关性分析,选择Kendall秩相关系数最大的主切削力平均值作为输入变量,输入BP神经网络和基于Copula EDA优化BP神经网络,进行训练和预测.试验结果表明:基于Copula EDA优化BP神经网络的预测精度总体高于BP神经网络的预测精度,对R_a,S_a和S_q的平均预测精度分别达到91.98%,91.03%和89.10%.     

基于Copula的一个概率论反例的构造

Copula是描述随机变量间相关性的一个有力工具．利用Copula来构造概率论中有关随机变量的独立性的反例．首先以3-Copula为例构造了一个Copula族,继而通过这个Copula族,构造出随机变量X,Y,Z的联合分布函数,使得随机变量X,Y,Z中的任意2个都是独立的,但X,Y,Z不是相互独立的;最后通过例子说明,该方法较传统方法更为简洁有效．进一步地,这一方法可以应用到更高维数的场合．     

Copula熵方法及其在三变量洪水频率计算中的应用

为解决传统Copula方法在进行联合概率分布拟合过程中要先进行函数类型选择的问题,将Copula函数和最大熵原理进行耦合,通过求解具有最大熵的Copula方程,求得二维联合分布函数,即Copula熵方法。用求得的Copula函数对洪水事件的3个相关变量(洪峰流量、洪水总量和洪水历时)进行两两配对的二维联合分布拟合,并利用Gibbs采样方法和Copula函数实现三变量洪水事件的随机模拟。以淮河鲁台子水文站的实测洪水资料为研究对象,进行实例分析,并通过拟合优度的计算,证明Copula熵方法对多维相关变量概率拟合的有效性以及Gibbs采样方法在三变量洪水事件模拟过程中的有效性。     

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Pair Copula函数的空间预测模型及其应用

对于空间数据的插值预测,大多采用传统的空间插值方法如反距离加权插值法和克里金插值法,这2种方法在边缘分布或存在异常值的情况下会导致预测精度相对较低;采用基于Copula理论的方法克服了这一问题。通过Pair-Copula函数描述了空间相依结构并利用MCMC方法(贝叶斯估计法)估计参数,讨论基于空间数据对未观测位置相关数据进行了空间插值预测;结合重庆市雾霾数据对该方法与反距离加权插值法、普通克里金和泛克里金插值法进行比较,结果发现基于Pair-Copula函数的空间预测模型具有更高的精度。     

Copula函数的参数估计

Copula理论在统计及金融分析中有着广泛的应用。在利用Copula理论对多元分布函数进行建模时,其中一个关键问题是如何估计Copula函数中的参数。文章通过例子对Copula函数中的参数估计问题进行了探讨。     

基于Copula函数的贷款组合期限结构优化模型及其应用

将Copula函数应用于银行贷款组合期限结构优化模型上,进行实证分析.指出基于Copula函数的贷款组合期限结构模型解决了贷款组合的流动性风险控制问题.更好地反映了贷款组合的真实风险,兼顾了资产组合的收益与市场风险的暴露.     

Copula度量投资组合VaR的应用研究

本文主要研究Copula理论在投资组合风险管理中的应用．简要的介绍了Copula定义和Sklar定理的一些性质，重点介绍了Gaussianl-Copula、t-Copula以及Gumble Copula函数的形式，选取上证综指和深证成指作为研究对象，在等权重投资组合的假设下，结合Copula函数，计算出在不同置信水平下的VaR值．     

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．     

经验过程在阿基米德Copula拟合优度检验中的应用

针对阿基米德Copula所特有的变量可交换性,提出了一种基于经验Copula过程的新拟合优度检验方法。不同于一般的Copula拟合优度检验,该方法在选择最优的阿基米德Copula时具有良好的效果。     

基于Copula理论的金融风险分析

本文将Copula理论应用于投资组合的风险管理之中。对几种常用的Copula函数进行对比分析,概括出了不同Copula函数的特点。最后对于Copula函数在实际金融风险分析中的应用问题进行了深入的探讨。     

基于Gaussian Copula与t-Copula的沪深股指相关性分析

针对沪深股指,讨论了Gaussian Copula与t-Copula的密度函数,并进行相关性建模，采用二步估计法对所建模型进行参数估计并给出了相关性指标。 最后,通过Monte Carlo模拟的方法比较了Copula关联结构之间的差异。     

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。