金融业系统性风险度量——基于尾部依赖视角

根据系统性风险定义,从时间和空间两个维度出发,利用尾部依赖来对系统性风险进行度量. 实证分析结果表明,银行业、证券业以及保险业存在系统性风险,且银行业、证券业以及保险业系统性风险呈现出了共性：经济下行时期系统性风险大于经济上行时期系统性风险. 进一步,本文分别对银行业、证券业以及保险业系统性风险存在的原因展开分析,并从系统流动性、杠杆率和公允价值计量对经济下行系统性风险增强提供了解释,认为流动性风险传导是引发系统性风险的重要原因. 基于此,对金融业体系建立动态拨备制度提供了佐证.     

竞争失效下多元退化建模的航空发动机可靠性分析

为了解决航空发动机的竞争失效下多元退化系统可靠性评估问题,提出一种多元退化失效和突发失效之间相关竞争失效的可靠性评估方法.以具有随机效应的非线性Wiener过程与Gamma过程描述退化失效过程,选择合适的Copula函数对多元退化失效相关性进行建模,通过马尔科夫链蒙特卡洛方法进行多元退化系统相关失效模型参数估计;引入Weibull分布描述突发失效时间,采用比例危险模型构建关于性能退化量的突发失效率函数,利用两步极大似然估计法识别模型参数.结合航空发动机的性能退化数据实现了竞争失效下多元退化系统可靠性评估,通过分析结果验证了模型的有效性与准确性.     

国内股票基金行为模式——来自封闭成长型股票基金的证据

为研究国内基金经理的行为模式和市场有效性,选取2004年至2010年国内11支封闭式成长型股票基金作为样本进行实证研究。该文采用相关系数检验与Copula分解系数对样本进行分析。研究结果表明:国内股票型基金不遵循基本分析而遵循技术分析进行投资,在市场上升时买入、在市场下跌时卖出,具有显著羊群效应;国内基金经理不显著具备预测股票趋势的能力;并且技术分析的依赖程度和基础分析的效果与基金业绩表现都没有显著相关性,说明国内股票市场弱有效和半强有效。     

基于 Copula 函数的程序化交易策略

利用 Copula函数对序列间下尾部相关性的刻画对资产价格风险的高频传染进行检验,构造目标 函数捕捉期货市场实时交易过程中的卖空信号, 制定相应交易规则,建立一套 适用于金融市场高频数据的程序化交易策略,并利用中国期货交易市 场的白糖和棉花期货合约进行实证.实证结果显示:我国期货市场存在高频风险传染, 基于此建立的程序化交易策略可以获得较高的收益, 并可有效地控制风险.     

衡量金融风险相关性的Copula熵方法

正态检验的不理想和偏度及峰度的存在使得用基于多元正态分布的假设及线性相关系数研究相关性受到质疑,为此应用信息熵结合Copula理论建立了Copula熵函数.与信息论中互信息等相关性衡量指标相比较,其具有不受维数限制、有量纲、能捕捉非线性相关关系等优点.结合经济圈理论进行了数据验证,表明了该方法的可行性和有效性.     

基于Copula函数和王变换的巨灾死亡率债券定价研究

为提高保险公司对巨灾风险的承保能力,研发了一类与巨灾死亡率相关联的债券.采用含Poisson频率的跳-扩散过程刻画死亡率的随机波动,描述了巨灾死亡率所具有的跳跃特征.采用Gumbel Copula函数描述了不同地区死亡率的相关性,进而改进了巨灾死亡率债券触发指数的构造.最后,基于王变换构建了不完全市场中巨灾死亡率债券的定价模型,并给出了债券价值及其影响因素的Monte Carlo模拟结果.实证分析结果表明,Monte Carlo模拟10 000次预测的死亡率指数与真实值拟合优度良好,验证了计算结果的有效性和一致性.     

简单系统相依部件的可靠性

可靠性数学在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的.本文应用连接函数Copula讨论了部件相依时的可靠性,计算了系统的可靠度.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

A Fully Pipelined Probability Density Function Engine for Gaussian Copula Model

The Gaussian Copula Probability Density Function （PDF） plays an important role in the fields of finance, hydrological modeling, biomedical study, and texture retrieval. However, the existing schemes for evaluating the Gaussian Copula PDF are all computationally-demanding and generally the most time-consuming part in the corresponding applications. In this paper, we propose an FPGA-based design to accelerate the computation of the Gaussian Copula PDF. Specifically, the evaluation of the Gaussian Copula PDF is mapped into a fully-pipelined FPGA dataflow engine by using three optimization steps： transforming the calculation pattern, eliminating constant computations from hardware logic, and extending calculations to multiple pipelines. In the experiments on 10 typical large-scale data sets, our FPGA-based solution shows a maximum of 1870 times speedup over a well-tuned single- core CPU-based solution, and 610 times speedup over a well-optimized parallel quad-core CPU-based solution when processing two-dimensional data.     

基于Copula-VaR的能源投资组合价格风险度量研究

随着国际金融资本和投机资金不断涌入能源市场,能源价格的震荡幅度加剧,为了积极应对这种挑战,需要准确度量价格波动带来的风险,因此本文提出能源价格风险值(VaR_(EP))指标,建立了基于Copula-VaR的能源价格风险模型,定量研究能源投资组合的风险.理论推导和实证研究结果表明,基于Copula-VaR的能源价格风险模型充分考虑了能源价格之间的相互关系优化组合权重,在计算能源投资组合权重分配时,与历史模拟法、等权重分配方法和单一投资方案相比,能更好地降低投资风险.