行业指数类股票的时间序列分析

发布时间：2021-10-12 01:49

　　近年逐步发展和完善的金融市场进一步推动了实体经济发展,提高了资源的分配和利用效率,满足了企业和个人在资金方面的需求。健全和完善的金融体系,在市场经济体制中具有不可或缺的作用。金融市场中最繁荣、最有生机的市场是股票市场,对股票市场风险的计量经过较长时间的发展,其理论和方法也逐渐丰富。股票市场的风险主要表现为股票价格的不规则剧烈波动,且当一个国家或地区的股票价格出现大幅波动时,其他国家和地区的股票价格也会受到影响,这种波动的连锁反应,就是金融市场相关性的具体表现。度量金融市场的风险时,资产间的相关性是重要研究对象。皮尔逊相关系数主要研究变量间的线性相关关系,而股票收益率序列常具有尖峰厚尾的特征,不同资产间的相关关系,通常是动态变化的,并且可能出现非对称相关的情形。对于这种复杂情况,需利用copula函数进行相关性度量。现有文献中对行业间相关性的研究较少,且数据维度较低,因此本文根据申万一级行业指数,采用2017年至2019年期间的行业指数价格数据,研究多维行业间的相关关系。使用GARCH（1,1）模型、GARCH（1,1）-t模型对行业指数的对数收益率序列进行拟合,并将模型的标准残差经概率... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图２二元正态Ｇａｕｓｓｉａｎ?ｃｏｐｕｌａ的密度函数图及密度函数的等高线示意??图（ｐ?＝?〇，６）??（２）ｔ－ｃ．ｏｐｕｌａ?函数??

?山东大学硕士学位论文???ｔ－ｃｏｐｕｌａ函数的密度函数：??，?＾?ｒ（＾）［ｒ（ｆ）ｒ１?（１?＋??ｃ（ｖｕ．．．＾＾）?＝?＼ｎ?２?ｒ（＃Ｆ－?（２＇１２）??其中，Ｍ表示自由度，ｒ为ｇａｍｍａ函数，ｒｓ．Ｍ表示相关系数矩阵为正定矩??阵Ｓ，自由度为／／的ｔ分布函数，ｒｆ表示自由度为／／的ｔ分布函数的逆函??数，１＝?（￡ｌ乂２，…，??图３绘制了ｔ－ｃｏｐｕｌａ函数的概率密度图与等高线示意图，与高斯ｃｏｐｕｌａ??函数相比，ｔ－ｃｏｐｕｌａ的密度函数图边缘翘起更加严重，尾部的等高线更加密??集。高斯ｃｏｐｕｌａ函数适用于研宄具有对称相关关系、但不具有尾部相关性的??多维风险模型。ｔ－ｃｏｐｕｌａ函数适用于研究具有对称相关关系、同时具有一定??尾部相关性的多维风险模型。??ｉ?ｉ?ｉｉ，．虜??？?ｗ??一一——Ｊ??ｖ?〇?〇?ａ?ｏｉ?ｃｊｔ?〇３?ｔ－Ａ?ａｓ?ａｔ?ａｖ?ｏｓ?＆？??图３二元ｔ－ｃｏｐｕｌａ的密度函数图及密度函数的等高线示意图仏＝５，?ｐ?＝?０．６）??２．阿基米德ｃｏｐｕｌａ函数??阿基米德ｃｏｐｕｌａ函数易于刻画非对称相关关系，其函数（７：丨０，１］＂?４??［０，１］可表述为如下形式：??ｎ??ｃ?（ｖ１，ｖ２，?■■■?，ｖｎ）?＝?ｉｐ￣：?（＾２?ｉｐ（ｖｉ））?（２．１３）??ｉ＝ｌ??其中，ｐ?：?［０，１］?ｐ（ｌ）二?０，?ｐ（０）?＝?＋〇〇，函数ｗ?为?ｃｏｐｕｌａ?函数的生成??元（ｇｅｎｅｒａｔｏｒ）。生成元ｐ必须满足以下条件：函数ｐ的导数随维数ｎ的增加??－１２－??

?山东大学硕士学位论文???？；??１?：ｄ＾??ｙ?ａ?〇?ｕ?ｃａａｇｒ：—．－“．．．．—???—???—－?????１??ｏ．ｉ?０３?＆４?＆５?ｃｅ?０７?ｏａ?ｓ名??图５二元Ｃｌａｙｔｏｎ?ｃｏｐｕｌａ的密度函数图及密度函数的等高线示意图（ａ＝３）??如图５所示，Ｃｌａｙｔｏｎ?ｃｏｐｕｌａ的密度函数呈现非对称分布，仅存在下尾??显著翘起的情况。因此Ｃｌａｙｔｏｎ?ｃｏｐｕｌａ适用于研宄下尾相关、零上尾相关的??多维风险模型，如资产价格下跌，资产间相关性增加的情形。??（３）?Ｆｒａｎｋ?ｃｏｐｕｌａ?函数??Ｆｒａｎｋ?ｃｏｐｕｌａ?函数的生成元为?＝?－?Ｉｎ?；二与，〇￣?＃?０．?ｎ元?Ｆｒａｎｋ?ｃｏｐｕｌａ??函数可以表示为：??１?Ｆ［ｎ?（ｅ￣ａＶｉ?—?１）??ｃ（ｖｉ，ｖ２，＇－?，ｖｎ＼ａ）?＝?Ｈ?＿?＾ｎ＿ｉ?］?（２．１６）??当ｎ?２?３时，ｃｒ?Ｇ?（０，〇〇）．??，Ａ?一??：’ｉｋｖ?，叙邏??ｖ?Ｍ?０１?０？?ｉｊ?ＯＪ?〇？?ＯＡ?ＣＢ?ａｒ?〇？?Ｑｔ??图６二元ＦＶａｎｋ?ｃｏｐｕｌａ的密度函数图及密度函数的等高线示意图ｈ＝３）??如图６所示，Ｆｒａｎｋ?ｃｏｐｕｌａ函数呈现对称分布，但方差较大。Ｆｒａｎｋ??－１４－??


本文编号：3431654