基于Copula的沪深股市相依结构与相关模式研究

针对传统Pearson线性相关系数与Granger因果分析法的不足,采用一种特殊的相关性分析方法—Copula函数方法对沪深股市相关结构与相关模式进行研究。首先用核密度估计方法对Copula函数的边缘分布进行估计,再结合秩相关系数对数据拟合较好的Copula函数进行选择,最后用离散L2范数评价方法对其拟合程度进行检验。研究发现,t-Copula可以较好地拟合沪深股市的日收益率序列,沪深股市日收益率序列呈现出较强的相关性以及对称的尾部相关性,当沪深两市出现大幅震荡时,两市收益率的协同作用将大幅增强。     

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。     

基于小波分析的中国A,B股市场相关性研究

考虑市场波动的时变性,采用小波分析的方法研究中国沪、深两市A,B股市场的相关性,利用小波函数的多尺度变化与不同持有期相对应,将中国沪、深两市A,B股市场之间的相关系数进行了多尺度分解.结果表明:B股股价的波动性明显大于A股股价,随着时间尺度的增加,小波方差和股价波动性逐渐减小;构成中国A股市场的沪市与深市、B股市场的沪市与深市的相关一致性要比A,B股市场间的相关一致性高;利用小波分析方法可以对不同市场的相关时变性进行研究,并可从相关的角度研究两个市场的分割性.     

基于混合copula函数的沪深股市与香港股市一体化趋势分析

沪深股市与香港股市近年来分割状况改善,出现"一体化"发展趋势.测定两市相依结构和波动溢出效应对于市场参与各方具有重要意义.结合传统的协整检验、Granger因果检验和VEC模型,引入混合copula函数对两市代表性指数——沪深300指数和恒生中国企业指数进行相关性分析.参数估计方面,利用非参数核密度方法估计边缘分布,结合EM算法计算混合copula的参数.实证结果表明两个市场具有显著相关性,且上尾相关性大于下尾相关性;混合copula函数与单copula函数分析结果一致,拟合效果优于单copula函数.     

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...     

基于分形V/S技术的沪深股市长记忆性研究

将Cajueiro和Tabak提出估计Hurst指数的新方法即V/S分析引入我国沪深股票市场非线性特征的研究.比较研究表明V/S分析不易受短期相关性的影响,较R/S分析更为稳健和有效.通过对沪深两市综合指数的日收益率和周收益率序列的V/S分析,得到沪深两市的Hurst指数均小于0.5,这表明我国股票市场呈现出反持久性特征而不是长记忆性.     

证券市场的有效性研究

随机选取沪，深两市各25家上市公司的日收盘价的收益率为样本，通过正态性检验，自相关性检验等各种统计量的分析研究，研究结果：收益率序列呈显著的尖峰厚尾及非正态性分布，并呈现出很高的序列相关性，由此得出结论，沪，深两市还未达到弱式有效。     

我国制造业PMI指数与沪深两市股票价格综合指数的关系

采用自2005年1月至2013年04月的我国制造业采购经理人指数(PMI)数据与沪深两市股票价格综合指数数据,以2008年金融危机发生时间(9月)为分界线,分不同时间段对制造业PMI和沪深两市股票价格综合指数之间的关系分别进行了格兰杰因果关系检验.结果表明,如果不分段计量,股票综合指数是制造业PMI的格兰杰原因,且领先4个月时预测效果最佳;如果分段计量,则制造业PMI和上海证券综合指数的关系在金融危机前后得出的结论相反,而制造业PMI和深圳证券综合指数的关系在金融危机前后得出的结论相同.     

中国科技类个股收益横截面的季节性研究——基于面板数据的实证分析

就中国科技类个股收益横截面上的季节性进行了实证分析。通过对1997～2010年间沪深两市交易的所有科技类股票的月度收益率的面板数据进行研究后,发现沪深两市的科技类股票收益率存在显著的自相关性,其中在一个月的短期内,表现出显著的负自相关性,而在6月和9月的中期存在非常显著的正自相关性。但是并不存在美国股市所具有的那种在股票收益横截面上的显著的季节性性振荡模式。     

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Copula方法的股票风险的相依性分析

相依性分析在多变量随机分析研究中一直属于前沿问题,研究金融市场各股票之间的相依性,对于分析股票市场的相依性结构以及投资市场的投资组合风险有着重要的意义.选用Copula函数理论对雅虎财经数据中心的上海电力和中国石油股票日收益率数据进行数据拟合,利用核密度估计方法对股票市场估计边缘分布,结合平方欧式距离选取最优Copula函数.运用了Copula函数理论建立股票市场的相关性结构模型,更好地模拟上海电力和中国石油两股市的日收益率的观测数据.     

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Copula-GARCH模型的上证股指行业板块相关性研究

基于现代Copula理论,选用上海股票市场各行业板块指数,包括:工业股指数(SHGY)、商业股指数(SHSY)、地产股指数(SHDC).公用事业股指数(GYSY)的组合为研究对象,构建了多元CoPula-GARCH模型.同时考虑到相关参数的动态变化性,选择时变相关SJC-Copula模型较全面地研究各行业板块指数之间的...     

线性神经网络模型在新上证综指的预测

利用线性神经网络模型对"新上证综指(000017)"进行拟合预测,选取从"新上证综指"开始发行月份(2006年1月)开始到2011年6月的月度数据,共计66个,用前62个做训练组,最后4个数据做预测组,通过比较不同滞后窗口模型的误差平方和,选择适当的窗口数为最优模型,为了提高模拟的效果,对模型的初始数据进行优化,然后进行预测分析;结果显示,拟合效果很好,除6月份股市波动稍大,其他月份拟合误差不到3%,阐释了股票市场的短期可预测性。     

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。     

换手率与中美股票市场流动性研究

国内习惯以换手率判断流动性,而中国股市换手率常年较高.通过中美股市2005年7月到2015年6月10年间的历史数据,从市场深度和宽度2个角度对比分析中美股市流动性,发现中国股市的流动性确实显著优于美国市场,建议提高分红、抑制投机来调整过度追求短期价差收益导致的高流动性.但同时发现,换手率指标衡量流动性的效率较低,对于中国股市而言,经价格与股票数量调整后的Martin指数与即时交易成本2个流动性深度与宽度指标更能解释股票的收益率,更适合作为我国流动性衡量指标.     

论推出股指期货对我国股票市场的影响

文章从我国即将推出的沪深300股指入手,介绍了股指期货的发展历史及股指期货的主要功能,详细分析了股指期货推出对股价、股市资金规模、股市结构及股市的监管机构造成的影响。     

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．