基于Copula模型的股市收益率与成交量的相关分析

建立了基于AR(1)-GARCH(1,1)的Gumbel Copula模型,并以此为基础刻画了中国房地产股市收益率与成交量之间的相关性.通过AIC信息准则进行拟合优度检验发现,Gumbel Copula函数模型能够更好地刻画收益率与成交量之间的相关结构,收益率与成交量之间存在上尾高的非对称相关,以及很弱的正相关的特征.     

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.     

基于时变Copula模型的股指收益率相依关系研究

为了研究股票市场之间的互动性与相关性,基于时变Copula模型研究上证指数、深证成指、香港恒生指数和美国道琼斯指数收益率间的相依关系。首先,对4个样本收益率序列建立自回归移动取平均-广义自回归条件异方差(autoregressive moving average-generalized autoregressive conditional heteroskedasticity, ARMA-GARCH)模型族以确定单个边缘分布;其次,利用常见的常系数Copula函数及时变Copula函数分别对股指收益率序列的相依关系建立模型,并对这2种模型进行对比;最后,基于正态Copula模型分别对两两股指间的相依关系做比较分析。研究结果显示,时变Copula模型的拟合效果要明显优于常系数Copula模型;沪、深股市相依性最强,相关系数接近0.9,A股与港股的相关系数接近0.5,与美股的相关系数在0.15上下波动,A股与港股的相依性要强于A股与美股之间的相依性,港股与美股的相关系数为0.27,与A股相比,港股与美股的相依性更强。本研究方法可应用于金融行业其他领域以了解资金的流向和市场效率。     

基于MA-EGARCH-t-Copula模型的金融市场相关关系的研究

构建MA-EGARCH-t-Copula模型研究深证综合指数和中小板指数相关关系.选取深证综合指数与中小板指数的日收盘指数序列,利用MA-EGARCH-t模型构建Copula函数的边缘分布,使用AIC准则确定模型阶数及参数,结合秩相关系数选取较优的Copula函数刻画深证综合指数与中小板指数的相关关系,进一步利用欧氏距离法进行拟合优度检验.结果表明,t-Copula可以较好地拟合深证综合股指和中小板股指的日收益率序列间关系,两股指日收益率序列呈现出较强的相关性以及对称尾部相关性.     

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。     

中美贸易摩擦下大豆期货市场相关性的实证研究——基于Copula-GARCH模型

近年来,中美两国贸易摩擦加剧了金融市场之间的相关关系,期货市场作为金融市场重要的一部分,研究期货市场间的相关关系显得尤为重要。本文将GARCH模型与Copula模型相结合,建立二元金融时间序列的Copula-GARCH模型以研究中美大豆期货市场的相关关系。首先利用GARCH-t模型刻画中美两国大豆期货市场收益率的边缘分布,然后利用极大似然估计法和K-S检验进行参数估计并拟合优度检验,接着利用极大似然法估计常用Copula参数,利用AIC,BIC准则和Log likelihood最小准则选择合适的Copula函数来描述中美大豆期货市场间的相关性。实证研究表明,大连商品期货交易所大豆期货价格与芝加哥商品交易所大豆期货价格有较大相关性,t-Copula函数能较优地描述两市场的相关性,两个市场之间大豆期货的上下尾相关系数皆为0.087 019,存在同涨同跌现象。     

M-Copula-GARCH-t模型在股指期货风险管理中的应用

本文考虑到金融资产收益率这一时间序列的方差时变特性和尖峰厚尾的分布特征,所以使用GARCH-t模型来描述这一现象;同时为了分析包括股指期货在内的投资组合各项资产之间的相关结构,采用了不限制边缘分布的Copula方法,并最终提出了M-Copula-GARCH-t模型用以度量包括股指期货在内的投资组合各项资产之间的相关性,验证了Copula方法,特别是M-Copula方法在度量结果和拟合效果上,具有较高的精确性.     

国际原油市场与中国股票市场尾部相关性及突变因素分析

考虑极端市场情况下市场间的相互作用,运用动态Copula模型和多重结构性断点检验对国际原油市场和中国股票市场尾部相关性及其突变因素进行分析。采用上证综合指数和WTI期货收益率数据进行实证,结果表明:Gumbel Copula可以很好地刻画两市上尾相关性,Clayton Copula可以很好地刻画两市下尾相关性。国内股市与原油价格存在同向变动,在次贷危机、欧债危机这些重大金融事件的影响下,这种同向变动特征更加明显。非常态的金融风险确实原油市场与股票市场互动机制脱离经济基础联系而产生放大效应,但是单纯原油市场内部供给性冲击导致的原油价格的变动对我国股市的影响十分有限。     

基于Copula模型的沪港通后两地股市的相关性分析

选用自2014年11月17日至2015年3月27日沪港通之后的上证指数和香港恒生指数的收益率为样本数据,采用参数法和非参数法分析了沪港两市日收益率的边缘分布,并利用二元正态copula模型和二元t-copula模型,分析了沪港两市的线性相关性。结果表明,沪港两市收益率存在一定的正相关关系,但相关度较低,表明沪港通并没有较大的缩减两地股市的价格差异。     

基于Vine-Copula模型的新冠肺炎疫情下金砖五国金融市场间的风险研究

以疫情“封城”时间为分界点,采用ARMA-EGARCH-Vine Copula模型分阶段研究金砖国家股票指数间的相关结构.在此基础上,通过CoVaR刻画风险溢出强度.结果表明,疫情冲击下以非对称Copula函数为主,各股市间相关系数明显上升,市场之间协同运动增强,一个金融市场的尾部波动更容易引起其他金融市场的波动,从而造成风险传染.根据Vine-Copula函数拟合的CoVaR序列对控制金融系统风险有一定的指导意义.     

基于高频数据的金融市场风险溢出研究

近年来,金融市场间的联动现象日趋频繁,跨市场的风险溢出进一步增强.2015年以来,中国股票市场迅速发展,但也出现了大幅度的波动.因此,在维护金融稳定、防范金融风险的背景下,加强对中国股市的风险监控,降低外部冲击的影响具有重要的现实意义.建立EGARCH-Copula模型研究沪市与港市之间的相关结构,计算谱风险和VaR值以度量波动溢出效应.选取每隔5 min的上证综合指数和香港恒生指数收益率序列,进行小波降噪后,构建EGARCH模型拟合其边缘分布,选择Copula函数刻画它们之间的相关结构,Monte Carlo模拟计算谱风险和VaR值.实证结果显示,t-EGARCH-Gumbel Copula模型能够较好地描述沪市与港市之间的尾部相关结构;谱风险值随着风险厌恶系数的增大而增大,比VaR值更能捕捉尾部的极端风险,降低投资者的损失.     

基于Copula理论和非参数极值估计在上下游水位的相关性分析应用

基于Copula函数的理论对非参数极值Copula进行改进,使其满足顶点约束;结合时变Copula理论,给出时变Copula函数的非参数极值估计;最后采用新的方法,对径流上游夹河滩水位和下游高村水位的相关性进行分析验证,体现了时变Copula的非参数极值估计在刻画随机变量相关性方面更优越、合理,具有一定的实际参考价值。     

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.     

基于藤Copula-SV模型的金融资产间相关性研究

在金融市场多元化的背景下,研究各市场间的相关性对风险控制及投资组合问题有着巨大的帮助。研究了标普500指数、道琼斯工业指数、恒生指数、日经225指数、沪深300指数之间的相关性结构。选取这5个股指的日收益率序列,用SV-N(1)模型与SV-t(1)模型拟合其分布,再采用马尔科夫链蒙特卡罗(MCMC)方法估计参数。在C藤和D藤结构下,选取Clayton pair-copula、t pair-copula、SJC pair-copula模型刻画市场间的相关关系。结果表明,SV-N(1)模型下基于D藤的t pair-copula能较好地刻画所研究市场间尾部对称的相关性。     

基于时变Copula的La-VaR测度研究

目前关于流动性调整的市场风险测度研究,主要是静态模型。针对此,文章提出经流动性风险调整的市场风险动态测度的时变Copula方法。该方法使用连接函数构建流动性风险和市场风险的联合分布,能够兼顾这两种风险的非正态特征和它们之间的动态相关结构。基于该方法度量了中国股市经流动性调整的市场风险La-VaR,Kupiec检验表明,基于时变Copula模型预测La-VaR的效果优于基于常相关Copula模型的预测效果,并且时变T-Copula模型优于时变N-Copula模型。     

基于小波协方差的中国股市波动序列相关性的实证分析

在综述相关系数与概率中变化协调的相关性度量方法基础上,提出了基于小波协方差的相关性度量方法,并对沪、深股市波动序列之间的相关性进行了实证分析,结果表明沪深股市波动序列在整体上具有一定的正相关性,不同尺度下沪、深股市波动序列之间的相关性不同,小尺度下相关性小,因此以小尺度为基准,采用组合投资分散风险较好。     

基于时变Copula的中美股市联动性

本文应用时变正态Copula函数分析了股票指数之间的联动性变化,并对最近的时间周期细化分段研究,发现中美股市之间有一定联动性但不稳定;内地股票市场与香港股票市场的联动性有较强的正相关关系,其相关程度在近期有增强的趋势。在金融危机时期各个股市之间的联动性都会有上升。在股市运行趋势反转变化时,股市之间的相关性会发生较大变动。     

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.     

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。     

中国股市长记忆检验的滑动分块自助法仿真

提出基于滑动分块自助的GPH(Geweke,Porter-Hudak)检验方法,并检验沪、深股市的各种收益率序列的长记忆性.结果表明,沪、深两市的日指数收益率序列是一个I(0)过程而非长记忆过程.然而,沪、深两市的绝对值收益率和收益率平方序列却是一个分数差分过程,沪市的绝对值收益率和收益率平方序列的分数差分值大约为0.30,深市的绝对值收益率和收益率平方序列分数差分值大约为0.35.即深市的长记忆性强于沪市,同时也说明上海股市的运行效率要高于深圳股市.