随机变量相依性度量指标的另一种选择

以Copula为基础,从和谐性角度对随机变量相依性进行度量.论证了Spearmanρ相对于相关系数的两条改进性质;并且给出了两者之间的关系及等值性条件.在一种附加条件下,导出了不相关与独立的等价关系.便于将此相依理论推广至实际应用,最后给出了Spearman的估计方法及其方差的一般形式.     

随机变量间相依性度量的新方法

介绍了度量随机变量间相依关系的新方法——Copula函数方法，应用Copula函数模拟随机变量相依关系的过程，边缘分布和Copula函数的估计方法和优度检验方法．     

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.     

中美股票市场相依性研究——基于Copula的非参数估计和检验

以金融危机发生前后上海综合指数和s&p指数为样本分析中美股市的相依结构,通过样本秩相关系数估计Copula函数中的参数,并利用卡方统计量对估计出来的Copula函数进行非参数拟合优度检验。结果表明,上海综合指数与s&p指数存在较弱的对称相依结构,协同运动并不明显,股票市场受美国次贷危机的影响较小;尾部相依性显示二者之间渐近对称性独立,但并不存在明显的传递依赖关系,投资者可以选择资产组合分散化风险投资。     

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。     

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。     

典型相关系数与线性相依性

讨论了两个随机向量线性相依的充分必要条件,得出了所有非零典型相关系数均为１只是两个随机向量线性相依的必要条件;以及两个向量的所有非零典型相关系数均为１,且为１的典型相关系数个数为∑１１或∑２２的秩数时,两个随机向量线性相依（ａ,ｅ）等结论。     

基于Copula函数对简单相依系统单调性的研究

在应用Copula函数来表示系统可靠度的基础上, 用判断函数单调性的方法通过判断可靠度函数的单调性去判断系统的单调性, 并通过这种方法对部件具有相依性的串联系统、并联系统以及并串、串并联系统的单调性进行判断, 得出这几种简单相依系统为单调系统的结论.     

基于Copula理论的相关性测度

文章研究了随机变量的相关性测度Kendall's τ与Spearman's ρ之间的关系.利用Copula方法,得到了两者的比值ρ/τ变化的不等式.针对一类Copula参数族,证明了比值的极限值是3/2.     

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的中国股市与基金回报的尾部相关性分析

本文运用二元Archimedean Copula函数分析上证三支股票和三支基金回报间的尾部相关性,以求得出这几种股票与所选取基金之间的相关度.结果表明,在众多具有非对称尾部相关性的Archimede-an Copula函数族类中,所选用三类具有代表性的Copula均不能很好地描述所选股票与基金间的相关性.由此得出,所选择股票与基金的相关性在一年时间跨度内难以用Copula捕捉,这种现象应引起风险管理者的注意.     

联系函数生成元与随机变量相依的几个关系

应用阿基米德联系函数探讨随机变量的相依性和独立性,分析了相依和独立随机变量的阿基米德联系函数生成元的形式,提出了随机变量完全正(负)相依和相对正(负)相依的概念,并讨论了正(负)相依时阿基米德联系函数生成元所应满足的条件.     

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．     

基于Copula的VaR计算

VaR是常见的风险度量工具,本文在蒙特卡罗方法中引入连接函数（copula）,通过图形方法、统计推断和AIC准则等,找出最优的Copula函数,并用它计算VaR和验证其有效性．     

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函数的风险度量和保费定价模式

在修正确定等价风险度量方式的基础上,应用Copula连接函数,将组合投资各风险之间的相关性考虑在保费定价和风险度量中,提出一种基于Copula函数以及单个风险是混合分布时基于Copula函数的风险度量和保费定价模式,并证明了其满足的性质.