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.     

Copula在构造联合分布函数中的应用

利用copula构造了具有相同边缘分布的分布函数,讨论了在给定的联合分布和边缘分布的基础上如何构造新的copula的方法,并用构造的copula得到一个二维分布函数。     

Monte-Carlo模拟在VaR与CVaR中的应用

建立边缘分布为t-EGARcH分布连接函数为多元正态Copula函数的概率分布模型,利用MonteCarlo模拟估计金融变量资产和组合的VaR与CvaR．     

相依部件混合系统的可靠性

在可靠性理论中,部件相互独立是相依的特殊情况.可靠性数学研究系统的可靠性时,都是在假设部件之间相互独立的条件下进行.本文应用联系函数讨论了部件相依时混合系统的可靠性及系统的可靠度与联系函数的关系.     

失效非线性相关的桥梁截面可靠性Vine-Copula数据融合

为合理融合健康监测数据分析在役桥梁截面可靠性,首先应用桥梁截面多个监测点的极值应力数据,建立监测变量非线性相关的Vine-Copula模型,实现极值应力数据的融合分析;然后结合多个监测点的功能函数,进行桥梁截面失效模式非线性相关的Vine-Copula建模分析,并融合一次二阶矩(FOSM)方法,分析失效非线性相关的桥梁截面可靠性;最后进行了在役桥梁截面监测数据的验证分析.研究表明,考虑失效模式非线性相关性所得桥梁截面可靠性较不考虑失效模式相关性所得结果小,说明不考虑失效模式相关性所得结果偏保守.     

钢梁腐蚀相关性对钢-混组合梁桥体系可靠度的影响

服役环境中钢主梁的腐蚀本质上是一个随机过程,腐蚀深度随机变量既有时变性亦有空间性.现有测量方法只能获得单根钢梁腐蚀深度数据,尚不能明确结构体系腐蚀深度变量的联合分布模式,可能导致腐蚀结构体系可靠度计算模型失真.以某钢-混凝土组合梁桥为研究对象,首先建立了钢主梁腐蚀深度增长Gamma随机过程模型,并利用钢梁腐蚀深度实测数据对模型进行了验证;然后采用Kendall秩相关系数量化表征主梁腐蚀深度相关性,推导了腐蚀钢梁的时变抗力计算公式;最后基于Copula函数提出了考虑主梁腐蚀相关性的梁桥体系失效概率计算方法,对比研究了钢梁腐蚀相关性对钢-混组合简支梁桥体系可靠度的影响.研究结果表明:桥梁运营前期腐蚀相关性对梁桥受力性能影响较小,在运营中后期,中高程度的腐蚀相关性将会对梁桥体系的可靠度影响较大.研究提出了钢梁腐蚀空间相关性量化方法,获得了更精确的钢-混组合梁桥体系可靠度计算方法,可为组合梁桥体系的时变可靠度评定提供参考.     

机械行业市场需求与成本价格相关性分析

相关性分析是应用极为广泛的方法.相关性度量,包括线性相关系数和和谐性相关性度量是传统方法.Copula 理论是一种新兴的、在金融研究中获得迅速发展的工具.基于以上工具,分析国民经济的支柱产业--机械行业市场需求和成本价格,指出两者之间具有一定的负相关性;而且Copula函数为进一步分析提供丰富的信息.     

基于Copula函数的中国房地产业与银行业风险传染研究

针对房地产业与银行业间存在的非线性及动态时变的复杂关系,以2005-01-04～2018-12-28日数据为研究样本,通过动态时变Copula函数对中国房地产业与银行业间非线性相依关系及金融危机时期的风险传染进行检验,并基于金融关联理论及行为金融理论探究了三种风险传染渠道.结果表明,中国房地产业与银行业间存在非线性、非...     

相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

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.