基于平滑转换混合Copula模型的跨市场风险传染研究

发布时间：2017-09-24 11:32

  本文关键词：基于平滑转换混合Copula模型的跨市场风险传染研究

  更多相关文章： 混合Copula 平滑转换模型 非对称演化 风险传染

【摘要】：随着我国金融一体化进程的加快,金融市场之间的相依结构日益复杂,相依关系也呈现出非线性、非对称的尾部相关。金融市场之间的相依性日益增强,金融风险的传播形式更加多样化,影响效果也更为深远。在此背景下,风险传染和波动溢出效应问题已经成为金融风险管理的研究焦点,缺乏对极端情况下金融市场间相依关系的度量,会使得市场风险被低估。因此,如何有效测度金融市场之间的相依结构和风险传染效应是当下有待解决的问题。相依性度量是分析金融问题的必要前提,传统的计量模型只适用于线性相关关系的描述,在解决复杂的、非线性、非对称的金融市场相依关系时,就需要一种新的测度方法。作为多元统计和相依性分析的工具,Copula函数在刻画变量之间的相依关系方面具有优势,但是单一Copula函数只能刻画单一结构。鉴于金融时间序列相依结构的复杂性,这时就有必要构造一种更为灵活的Copula函数——混合Copula函数。混合Copula函数在涵盖单一Copula函数优良特性的基础上,还能根据混合权重的不同调整相依模式。为了充分发挥Gumbel Copula函数和Clayton Copula函数在刻画尾部相依关系上的优势,克服单一Copula函数在描绘非对称尾部相依关系上的不足,本文以Gumbel Copula函数、Clayton Copula函数以及它们各自的生存函数为基础,构建三种不同的混合Copula函数。包括：Clayton Copula和Gumbel Copula的组合(CCG),Clayton Copula和其自身的生存函数的组合(CCSC),Gumbel Copula和其自身的生存函数的组合(CDSG)。在混合Copula函数的基础上,将多机制平滑转换模型应用到Copula参数的动态化中,构造一种新型时变Copula模型,来探讨我国四个股票市场之间尾部相依关系的非对称演化趋势及风险传染情况。该模型的优势在于,可根据金融时间序列的不同选择Copula参数变动的最佳模式,而且还能调整拐点的位置,也就是说该模型能够捕捉到相依关系发生结构性突变的时间。以上证综合指数、深证综合指数、香港恒生指数和台湾加权指数为样本,运用多机制平滑转换混合Copula模型分析两两股市之间的尾部相依关系的变化趋势及风险传染效应。实证结果表明：各个股市组合之间的尾部相依关系的变动情况不尽相同,其发生结构性变化的位置、程度均有所不同；同一组合中上尾和下尾相依性的演化趋势也存在差异,除上证股市和深证股市外,其他组合的尾部相依关系存在一定的非对称性,在样本初期尤为显著；样本周期内的几大事件如QFⅡ、 QDⅡ制度的引入,股权分置改革,次贷危机,QFⅡ与RQFⅡ额度扩容等对股市之间的尾部相依关系产生了不同程度的影响。然而迥异的变动趋势中却有着共性的地方,即极端危机事件的发生使得下尾相依性急剧上升,说明危机的爆发会引发风险的跨市场传染,这就使得监管当局要密切关注大陆股市、香港股市与台湾股市之间的风险溢出效应,预防跨市场风险感染连锁效应的发生。另外,由于两两股市之间尾部相依关系的动态变化特征明显,而且某些市场组合之间的相依性在极端危机时期变化尤为剧烈,所以投资者应当将危机期间相依关系的结构性突变纳入考虑范围,适时调整投资组合策略,以降低风险。
【关键词】：混合Copula 平滑转换模型 非对称演化 风险传染
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F832.51
【目录】：

• 摘要2-5
• ABSTRACT5-10
• 第—章 引言10-22
• 第一节 选题背景及意义10-12
• 第二节 国内外研究现状综述12-18
• 第三节 研究内容与框架结构18-21
• 第四节 本文的创新点和不足之处21-22
• 第二章 Copula理论概述22-36
• 第一节 Copula函数的定义及性质22-23
• 第二节 Copula函数的分类23-28
• 第三节 时变Copula方法28-29
• 第四节 Copula函数的相依性测度指标29-32
• 第五节 Copula函数的参数估计方法32-34
• 第六节 Copula模型的检验34-36
• 第三章 多机制平滑转换混合时变Copula模型36-41
• 第一节 混合Copula方法36-37
• 第二节 多机制平滑转换模型37-39
• 第三节 Copula模型的构建和估计39-41
• 第四章 实证研究41-56
• 第一节 数据分析及相关检验41-44
• 第二节 边缘分布模型的选择及参数估计44-46
• 第三节 静态Copula模型的估计46-49
• 第四节 时变Copula模型的估计49-51
• 第五节 假设检验51-53
• 第六节 动态尾部相依关系53-56
• 第五章 总结与展望56-58
• 第一节 总结56-57
• 第二节 政策建议57
• 第三节 研究展望57-58
• 参考文献58-62
• 攻读硕士学位期间主要研究成果62-63
• 致谢63-64

【相似文献】

中国期刊全文数据库 前10条

1 孙志宾;;混合Copula模型在中国股市的应用[J];数学的实践与认识;2007年20期

2 李娟;戴洪德;刘全辉;;几种Copula函数在沪深股市相关性建模中的应用[J];数学的实践与认识;2007年24期

3 李军;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 许建国;杜子平;;非参数Bernstein Copula理论及其相关性研究[J];工业技术经济;2009年04期

5 王s，

本文编号：911171