基于Copula模型的风险相关性度量方法

给出了集成风险管理的一般模型,论述了多元Copula、时变Copula、变结构Copula模型在风险管理领域的应用,指出了Copula的最新研究进展——Pair-Copula,总结了各种类型Copula模型的特征、用途和局限性.最后,给出了Copula模型的一个选择方法,指出了进一步的研究领域,为在风险管理中选择更合适的模型和对风险实施更准确的度量提供思路.     

具有截面相关的变系数面板数据模型的估计及应用

本文建立了一类变系数面板数据模型.此模型假设自变量的系数是某一平滑变量的未知函数,允许自变量,平滑变量和误差项存在通过共同因子结构引入的截面相关.由于一些共同因子的不可观测性,本文采用局部线性共同相关效应估计方法对未知的函数进行估计并给出了估计量的渐近性质.蒙特卡罗模拟结果表明该估计方法具有良好的小样本性质.利用1990-2012年中国省级面板数据,本文对我国外商直接投资与经济增长之间的关系进行了实证分析,结果表明:外商直接投资和经济增长之间存在明显非线性关系,各省份不同的初始经济水平会导致外商直接投资对经济增长的影响不同.     

Copula函数在多因子模型系数估计中的应用

主要研究用多因子模型刻画金融资产收益率时, 因子载荷系数的合理估计问题.以因子系数的金融意义为出发点,并结合Copula的相关理论,提出了一种新的因子系数估计方法.新方法用Copula函数描述各个因子与金融资产收益所服从的联合分布;从因子系数的正负及其发生的概率,金融资产收益率随因子波动的大小两方面来估计因子系数的值. 在此基础上,对因子系数新的估计公式做了进一步调整,强调了尾部相关性对因子系数取值的影响.基于中国证券市场的交易数据,对不同估计方法进行了实证研究.通过分别计算统计量R-square的值,随机误差项的均方偏差,尾部均方偏差以及投资组合的在险价值与条件在险价值等方法,实际论证了文中所提新的因子系数估计的改进方法优于因子系数估计的新的Copula方法,而后者又明显好于传统的线性回归方法.     

基于时变Copula的VaR估计

针对股票收益的相关性会随市场波动而发生变化，本文考虑用条件时变相关模式的Copula模型来估计组合风险值，利用上证、深证指数组合进行实证研究，并与固定相关模式下的Copula模型进行比较，结果表明；相对于常相关模式，条件时变相关模式具有较好的表现。     

基于Copula函数模型的股市交易量与股价相依关系

股市交易量与股价变化的相依关系一直是学术界和投资分析人士所研究的热点问题。研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构。应用ARMA(2,1)模型对交易量变量的序列相关性进行修正,基于Copula函数模型研究三个股票市场的交易量与股市指数收益率的相依程度和相依结构。通过χ2检验研究发现:混合Copula函数模型能够刻画交易量与股价之间的相依结构,通过了假设检验;交易量与股价之间存在上尾高下尾低的非对称相依关系且混合有负相依现象,但它们之间的负相依程度较弱。     

模糊随机环境下的单因子Gaussian Copula模型北大核心CSSCI

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。     

基于极值理论和Copula函数的条件VaR计算

针对金融市场中某种资产不同风险的非线性和非对称尾部的特性,将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.经过对深证成指的实证研究表明,极值理论能更好地拟合具有厚尾分布的收益率和日内波幅的边缘分布,Gumbel Copula函数也能更好地反映两者之间的相关关系.由Gumbel Copu-la函数拟合的联合分布计算出的在一定日内波幅条件下的市场风险VaR能给投资者在进行风险分析以及构建投资组合时提供有用的信息.     

模糊随机环境下的单因子Gaussian Copula模型北大核心CSSCI

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。     

基于非参数核密度估计的Copula函数选择原理

在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.     

金融市场相关程度与相关模式的研究

分析了几种常用的Copula函数及它们在相关性分析上的应用特点，构建了M—Copula—GARCH模型．运用Copula技术，对上海和深圳股市进行实证研究发现，单个Copula函数只能反映相关性变化的某个方面，而M—Copula函数则更灵活，对金融市场相关性的描述也更全面．运用M—Copula—GARCH模型，可将金融市场之间相关程度和相关模式的研究更好地结合在一起，能够更准确、全面地捕捉到各个时期股市间相关性的变化．正确地反映两个市场之间非对称的相关模式．     

基于Copula函数的组合资产条件相依性模型及其应用

条件概率分布常用来研究马尔科夫序列相依模型的构建.组合资产的相依结构受多方面的影响,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

尾部相关系数的渐进变化特征及其应用

在Copula函数的尾部相关性研究的基础上,针对其不足进行了两个方面的推广:1)一个变量趋于某个非尾部值与 另一变量趋于尾部的相关系数;2)两个变量都趋于非尾部值之间的相关系数.传统的尾部相关系数可用于考察证券价值或企业价值之间在尾部的正相关关系或负相关关系,上述推广可进一步用于考察一个企业处于违约边界或某个状态对其他企业违约可能性的影响,及两个证券或企业的价值均趋于某些特定值之间的相关关系.进一步给出了上述推广的相关系数在证券或企业价值处于某些区间条件下的期望值及其计算方法.这些工作从理论和实证两个方面丰富与刻画了相关系数的渐进变化特征.     

基于SV-Copula的欧盟碳配额现货和期货价格相依性研究

碳配额现货和期货价格的相依性对投资者进行套期保值和投机套利均具有重要意义.本文采用SV (stochastic volatility)模型研究了欧盟碳配额现货和期货价格的波动特征,继而用Copula函数分析了两者之间的相依结构,结果发现:EU ETS (European Union Emissions Trading Scheme)第二阶段和第三阶段的碳现货与碳期货价格都存在显著的波动持续性和杠杆效应,且第三阶段碳现货和碳期货价格的波动风险均大于第二阶段;碳现货和碳期货价格之间存在高度相依性,且第三阶段碳现期货价格尾部相依性更强;两阶段中两者的尾部相依性呈现为对称且厚尾.     

基于Copula-GARCH方法的LPM套期保值研究

风险的下偏距(lower partial moment,LPM)是一种较好的风险测度,它弥补了方差度量中的双边风险的不足,并且放松了对二次效用函数的限制要求.因此,LPM测度被广泛应用于金融风险管理研究.套期保值是金融风险控制的重要方法之一,但由于资产收益的联合分布的不确定性,给应用LPM进行套期保值带来了困难.对此采用Copula - GARCH方法对即期与衍生品市场的资产收益序列进行拟合,并将LPM模型应用于人民币外汇市场套期保值实证研究,得到最优套期保值比率.进一步通过绩效比较发现,无论在NDF市场还是远期市场,LPM模型的套期保值绩效都要优于最小方差的套期保值绩效.     

基于离散-连续选择模型的通勤出行时间预测

把握出行者的日时间分配是交通行为分析的重要内容之一. 本文基于离散-连续建模思想, 结合运用Ordered Probit离散选择模型和Hazard连续选择模型, 建立了由上班(上学), 下班(放学)出发时刻模型和上班(上学), 下班(放学)出行耗时模型组成的通勤时间预测模型系统, 预测了通勤者的日时间安排. 研究表明, 所建模型能够以较高的预测精度, 预测通勤者的活动-出行时间安排. 研究将为活动-出行行为的整体建模预测和分析奠定时间轴预测基础, 为城市居民的交通行为分析提供模型工具, 为制定交通管理政策, 解决城市交通拥挤问题提供决策分析依据.     

基于顾客选择行为的移动资费套餐优化模型

移动资费套餐是电信企业通过移动资费产品的多样化来满足市场中不同顾客需求的一种有效手段.在移动资费套餐的设计过程中,如何合理设计套餐的数量和定位细分市场,并选择套餐分档的属性值,是电信企业管理部门的一项重要任务,也是一项复杂的管理决策问题. 文中提出了一种基于顾客选择行为分析的移动资费套餐优化模型,在模型中首次引入了新产品定位中的顾客选择行为分析的思路和方法,并采用多项式分对数规则来模拟顾客的选择购买行为.同时,在优化模型中考虑了移动资费套餐的收入长期性、未来收益和资金折现率的 影响,强调以最大化顾客终身价值为目标来进行移动资费套餐方案的优化选择.最后给出了某电信公司套餐的一个实例,对所提的模型和方 法进行了计算和验证.     

考虑轮廓间一阶自相关的二项响应轮廓控制图

轮廓数据是一类广泛存在于复杂制造过程中的质量数据类型.针对轮廓间存在一阶自相关的情形,本文通过引入广义线性混合模型用来描述轮廓间的相关性,进而通过转化得到了独立轮廓数据的模型,并设计了详细的参数估计方法及步骤.在此基础上,提出了一种基于似然比统计量的简单的休哈特类型控制图.同时,针对休哈特类型控制图对于小偏移不敏感的问题,构建了基于标准化似然比统计量的累积和控制图.仿真结果表明,无论是本文所提出的休哈特类型控制图还是累积和控制图都具有较好的性能,而累积和控制图整体上优于休哈特类型控制图.     

基于客票数据的城际铁路出行方式选择行为研究

随着高铁快速发展,旅客城际铁路出行具有更多类型客运列车可供选择.基于铁路客票数据,以成渝交通廊道为例,应用离散选择模型研究城际铁路出行中以高铁和普速列车作为选择对象的出行方式选择行为.根据客票出行大数据构建人口统计学特征、购票渠道、社会阶层与地位、出发日期与时段、发车频率、距离等特征变量并融合百度指数数据,以一种新视角建立出行方式选择定量分析模型.结果显示人口统计学特征、购票渠道、社会阶层与地位、发车频率、出发日期与时段、出行目的、距离等变量显著影响旅客选择行为,能够对旅客城际铁路出行方式选择进行有效预测.研究设计为出行方式选择行为分析提供新思路,丰富了数据驱动下的交通出行选择研究.