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。     

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函数的沪市资金流强弱指数相关性研究

选取2014.05.05到2014.10.24沪市股票每日分笔数据,基于Copula连接函数对沪市资金流强弱指数相关性进行讨论。确定随机变量分布情况,通过二元频数、频率直方图的图形特征选出合适的Copula函数类型,同时确定出Copula函数的具体表达形式,并通过了Q-Q图检验。研究显示,Gumbel Copula函数可以很好描绘沪市资金流强弱指数两两之间上尾相关性结构特征。     

相关系数与Copula函数相关性比较研究

对传统的几种相关性测度指标进行对比分析,并探讨了Copula函数在相关分析中的应用.结果表明,Copula函数是相关性测度的"归一"指标,且能提供更丰富的相关信息,在相关分析中具有独特的优势.     

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。     

基于Pair-Copula的条件相关性分析

运用Pair-Copula的思想建立了条件Copula函数模型,提出了几个条件相关性度量,给出了条件Copula的确定方法,并用条件Copula实证研究了两个市场的条件相关性.作为非条件相关性度量的一种补充度量方法,条件相关性能从另一个角度反映出市场间的关系,提供了一种研究相关性分析的新思路.     

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。     

利用Rüschendorf方法构造新的Copula

Copula建模被广泛应用于金融保险、地质统计学和水文学等领域.本文利用Rüschendorf方法构造了新的Copula,并研究其相关性测度.     

Copula函数在金融市场组合风险中的相关性研究

Copula函数是一种将联合分布与边缘分布连接在一起的函数,它描述了变量间的相关性。1999年后Copula函数已在统计上得到广泛应用并开始应用于金融领域。自然地作为一种可以研究非线性、非对称相关的统计理论,Copula函数在国际上被迅速应用到金融市场的相关性分析、金融风险的管理与防范以及资产定价、保险定价等方面。     

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.     

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.     

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...     

基于Copula GARCH MMBP的Monte Carlo期权定价方法

本文将与两种指数相关的股权挂钩票据的定价问题转化为期权定价问题,提出了一种基于Copula模型的Monte Carlo期权定价方法.针对两组对数收益率序列的相关性结构,本文运用Copula GARCH 模型进行了拟合,并采用修正的极大似然估计方法对模型的参数进行了估计.作为应用,本文对汇丰银行发行的一种股权挂钩票据进行了定价和利润分析.     

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。     

基于连接函数的投影寻踪主成分分析

基于连接函数的相依度量,提出了一种探索连续型随机向量之间相关关系的方法．通过连接函数构造的投影指标函数可以给出高维随机向量的投影寻踪主成分分析,并且可以证明这样得到的最优样本投影方向具有强相合性．此外,又给出了两个以上随机向量之间的典型相关分析．结果表明所提出的方法具有优良的理论性和实用前景．     

基于失效物理的风电机组多故障可靠性建模方法

风电机组由于功能结构复杂且工作环境恶劣导致其退化状态呈现多样性特点,失效形式往往是多种故障耦合作用的结果,因此单独采用某一变量的性能退化过程作为评估风电机组寿命及可靠性模型是不全面的。为了更精确反映系统内部和外部性能指标的相关性,提出了一种基于失效物理的风电机组多故障可靠性建模方法。首先分析了风电机组多应力耦合下的工作环境和故障特性,通过基于失效物理的可靠性仿真分析方法获得寿命分布函数,并将其作为边缘分布函数;其次在考虑故障模式相关性时,引入两阶段估计法对Copula函数的模型进行参数估计。通过对比不同类型Copula函数的秩相关系数和平方欧氏距离,确定最优Copula函数。最后利用Skla定理和逐步分析的思想,建立多故障模式耦合下的简化风电机组可靠性模型。结果表明,考虑可靠性指标相关性时得到的可靠性结果更加合理,同时该方法避免了风电机组寿命预测和可靠性评估的保守估计,具有较好的实用性和可操作性。     

基于Copula函数选择的多元退化产品可靠性模型

针对含有多个退化量的产品可靠性评估问题,提出了一种基于Copula函数选择的可靠性建模方法。首先,采用Anderson-Darling统计量对退化量进行拟合优度检验,选择其最优分布函数;其次,绘制退化量分布函数中的分布参数随测量时间的变化曲线,判断其与时间和应力的相关性;再次,给出一种选择Copula函数的综合方法,该方法结合了三种常用的选择方法;同时,采用两步似然估计法对未知参数进行了评估;最后,通过硫化丁腈橡胶O型密封圈进行恒定应力加速退化试验对方法的正确性进行了实例验证,并且与二维正态分布模型、形状参数为常数时的可靠性评估结果进行了对比分析。分析结果表明,给出的方法具有更好的实用性和更广泛的应用。     

基于Copula的车轮Gamma退化过程

通过Gamma随机过程描述机车轮缘与滚动圆直径的磨耗过程,研究了运用Copula函数和四阶矩方法计算轮缘退化与滚动圆直径退化的相关可靠性方法,通过动力学软件仿真得到列车不同阶段的动力学指标.研究了镟修周期为20万km的车轮退化过程的可靠性及车轮直径退化过程的灵敏度,利用Monte Carlo仿真(MCS)验证了该方法的正确性.结果表明:镟修周期为 20万km时车轮达到预期寿命的可靠性高,基于Copula函数相关失效退化模型计算的可靠性高于独立失效模型计算的可靠性,轮径退化可靠性模型的灵敏度研究说明镟修过程中应该要选取对轮径削减较少的方案.     

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。