基于动态Copula-CoVaR模型的原油市场风险及其溢出效应研究

发布时间：2025-01-20 17:58

　　本文主要基于动态Copula-CoVaR模型,研究原油市场风险及其溢出效应。在模型方法方面,本文主要解决了以下4方面的问题:①参考 Joe(1997)、Patton(2012)、Liu et al.(2017a),构建了半旋转 Clayton和半旋转Gumbel,从而弥补了常用Copula无法描述非对称负相依以及非对称负向尾部相依的缺陷,同时详细地导出各Copula的条件分布函数和密度函数。②导出构建的半旋转Copula与Kendall τ相依系数之间的关系,特别是定义新的尾相依——左上尾相依和右下尾相依,并导出其与各Copula之间的关系,从而弥补了下尾相依和上尾相依无法描述金融市场或资产间负向极端协同运动的缺陷,同时对各Copula的相依性质进行对比总结并强调采用半旋转Copula度量非对称负相依、左上尾相依以及右下尾相依的重要应用。③提出新的驱动变量以构建半旋转Copula函数相依参数的动态方程和机制转移动态方程,从而得到新的动态Copula模型和机制转移动态Copula模型,其有效解决了常用的动态Copula模型无法捕捉两金融市场间非对称负相依动态的问题。④在扩展A-B CoVa...

【文章页数】：157 页

【学位级别】：博士

【部分图文】：

图2.1Normal和tCopula密度函数

第２章动态Ｃｏｐｕｌａ－ＣｏＶａＲ模型??场间相依和尾相依度量等方面的理论体系，从而可以全面性地捕捉两金融市场或??资产间可能存在的各种相依和极端尾相依现象。??

图２．３?Ｇｕｍｂｅｌ类Ｃｏｐｕｌａ密度函数??２．３动态Ｃｏｐｕｌａ相依模型??

ｕ２?〇?〇?ｕ１?ｕ２?〇?〇?ｕ１??图２．１?Ｎｏｒｍａｌ和ｔ?Ｃｏｐｕｌａ密度函数??Ｃｌａｙｔｏｎ?（ｔａｕ＝０．３）?Ｒ１?Ｃｌａｙｔｏｎ?（ｔａｕ＝－０．３）??．．．．．．．ｒ．－．．．＇．??０．５?＾＞＾＾ＣＩ．５?０?５??ｕ２?〇?〇?ｕ１?ｕ２?〇?０?....

图２．４驱动变量示意图??因此，对于只能描述非对称负相依的Ｒ１?Ｃｌａｙｔｏｎ、Ｒ２?Ｃｌａｙｔｏｎ、Ｒ１?Ｇｕｍｂｅｌ以??

—时变半旋转Ｃｌａｙｔｏｎ和时变半旋转Ｇｕｍｂｅｌ，其可以有效度量两金融市场或??资产间动态非对称负相依关系。??如图２．４所示，当随机变量［＾和％间为正相依时，它们的联合观测值七和七??将以较大概率沿着主对角线分布，即点〇＾ｕ２）到主对角线的距离４?＝￥１％?－??ｕ２丨倾向于....

图３．２原油市场收益与不确定性变化动态相依关系图??３．２．４?原油市场动态ＶａＲ、ＣｏＶａＲ和ＡＣｏＶａＲ??

不确定性以及原油市场不确定性升高时，原油市场下行风险均增大；当股票市场??不确定性以及原油市场不确定性降低时，原油市场下行风险减小。与股票市场、??原油市场不确定性相比，经济政策不确定性对原油市场的影响相对较小。图３．３？??图３．５展示了原油市场的下行和上行ＶａＲ，以及在极端不....

本文编号：4029477