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。     

伦敦黄金现货与我国创业板指数尾部相关性

通过极值理论和Copula族函数对2011~2016年伦敦黄金现货价格和我国创业板股票指数历史收益率的相依结构进行研究.结果显示,我国创业板指数与国际黄金现货收益率之间的线性相关程度不显著,但是非线性相关系数在上尾部为负值,在收益率的中间区域相关性逐渐增大,在下尾部相关性强度逐渐缩小,并最终呈微弱的正相关.因此可以判断随着我国创业板指数不断下跌,伦敦黄金作为避险工具的效果会先增强,后减弱.     

沪深300股指及期货波动率聚集性研究——基于Markov机制转换SJC Copula模型

选取沪深300指数及沪深300股指期货当月连续合约日内5 min高频交易数据为研究对象,研究我国股票期现货市场波动率聚集性及尾部动态特征.结果显示:三状态Markov机制转换SJC Copula模型比其他模型能更好地刻画波动率的相关性结构,沪深300指数和股指期货波动率的尾部均存在明显非对称特征及动态特征,上尾相关性均...     

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.     

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.     

基于Copula函数的切削力与表面粗糙度的相关性

为了实现自动化切削加工中表面粗糙度的预测,需要定量描述常用监测参数切削力和表面粗糙度之间的非线性关系,提出了基于Copula函数的相关性研究方法.以车削7075高强度铝合金为试验对象,采用控制变量法得到切削力和表面粗糙度值,然后建立它们各自的边缘分布函数,并利用优化的Copula函数构建多变量联合分布函数,最后基于Copula函数理论以及联合函数模型分析了切削力和表面粗糙度整体和尾部相关关系.结果表明:切削力和表面粗糙度整体上有着明显的正相关关系,且相关结构中心对称,同时尾部相关系数趋向于0,即尾部相关程度较小.     

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。     

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.     

基于连接函数的相关性度量

列出了几种不同含义的相关系数以及用连接函数计算这些相关系数的方法,并就使用相关系数时所存在的问题及评价的标准做了一些注记。     

网络流量自相似性产生原因的分析

网络业务自相似性已经引起了人们广泛关注,一些研究表明自相似性是网络业务中的一个普遍特性,网络自相似性表现出了与传统模型不同的特征。对网络业务自相似的相关理论作了阐述,对网络业务自相似相关研究工作进行了细致研究,在此基础上初步分析了网络业务自相似产生的原因。     

相关随机变量和的若干渐近结果

研究了随机变量是重尾的条件下相关随机变量和的尾部渐近行为,推广了文献[9]的经典结果.     

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。     

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.     

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。     

带有重尾分布的宽相依随机变量的随机加权和的精致大偏差

研究了同分布宽相依随机变量的随机加权和的精致大偏差,所考虑的宽相依不但包括一些负相依随机变量,还包含一些正相依以及其他相依随机变量.当随机变量的共同的分布F属于一致变换尾分布族时,得到了一个精致大偏差的估计,此结果推广了文献[1]的相应结果.     

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．