基于Copula-GARCH类模型的证券分类方法

本文尝试提出一种全新的证券分类方法:即运用Copula-GARCH类模型来计算两两证券价格序列间的静态Copula系数、以测算其同期相依性,并据此构建各样本间的相似矩阵,再根据相似矩阵对相关证券进行模糊聚类分析,从而对相关证券进行分类。本文所提出的证券分类方法不以有效市场假说为基础,比默认有效市场假说的证券分类方法更具普适性,更贴近于证券市场的实际情况、能更真实地反映证券市场的内在机理和波动特征。本文的实证研究,量化测定了中证100指数成份股的同期相依性,并据此对中证100指数的成份股进行分类,印证了本文所提出的基于Copula-GARCH类模型的证券分类方法的有效性和实际价值。