Copula模型的选择及其在风险管理中的应用
发布时间：2021-01-20 06:24
金融市场的不断发展变化,使得金融资产间的相关关系越来越复杂,所体现出来的非线性相依性、非对称性和尾部相依性等特征也愈加明显。基于传统的线性相关分析已不能再准确、全面地反映出金融市场的相关性。而Sklar理论（1959）为度量这种复杂的相依关系提供了一个很好的平台,该理论指出随机变量间相关性可通过Copula函数模型进行刻画,从而很好地描述金融资产的联动性和相依性。本文主要研究Copula函数模型的相关选择和参数的估计以及其在经济、金融领域的应用。论文在深入研究Copula理论的基础上,比较分析了Copula函数的参数、半参数和非参数的三种形式的特点以及各自在经济、金融领域的应用,同时结合线性规划的思想提出了一种新的估计混合Copula模型参数的方法,并实际验证了其可行性。论文的主要内容和创新点如下：1、以Copula函数模型的构建方法为基础,系统地分析了参数Copula函数的参数估计方法,并在此基础上论述了Copula理论在度量经济、金融相关性上的应用。2、以基金市场与股票市场的相关性为背景,结合非参数估计方法中的核密度估计法,构建合适的半参数Copula函数模型以说明金融危机时期我国...
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
1由图2.3.1可以发现，对于正态copula函数来说，它较好的体现了变量间的对称相关关系，而t一C叩ula函数不仅体现了对称性，而且相对于正态
图3.3.1GDP变化率和金融市场收益率正态QQ图通过图3.3.1可以很明显发现，我国GDP变化率存现有明显的厚尾情况而相应市场收益率则体现出了良好的正态性。因此，分别以学生一t分布正态分布对二者进行相应拟合，则利用极大似然方法可得估计参数如下(表3.3.1):表3.3.1边际分布参数估计值模型学生一t分布(g)参数估计值自由度p=2.83386正态分布(r)均值户二0.0195，方差d=0.巧依据以上估计结果所得密度函数图像以及对应的直方图具体如图3.3.2所(其中x表示GDP季度变化率;y表示上证综合指数的季度收益率):
表3.3.2可见，因两边际分布估计值的K一S检验的P值都大于0.05，则说在可容忍程度下不能拒绝其拟合值服从均匀分布的原价设，即可以利用Pufa函数利用sklar定理来度量联合关系。于是利用极大似然估计，经过具体比较分别选择正态、BBI、BBS和ank四种Copula函数对联合变化关系进行拟合，相应参数估计值如下:表3.3.3copula参数估计结果模模型型BBIIIBBSSSNof们nalllFfaflkkk参参数估计值值0=0.21，占=1.154448=l，占二0.54777占二0.36888占=1.85444而以此比较相应Copula分布和实际经验分布的等高线图如下(其中“，、分表示边际值):F袱edbyd一什erentmode{
【参考文献】：
期刊论文
[1]基于动态Copula方法的股票组合VaR估计[J]. 贺学强,易丹辉. 统计与决策. 2010(17)
[2]Modeling dependence based on mixture copulas and its application in risk management[J]. OUYANG Zi-sheng1 LIAO Hui2 YANG Xiang-qun21 School of Information,Hunan University of Commerce,Changsha 410205,China 2 School of Mathematics,Hunan Normal University,Changsha 410081,China. Applied Mathematics:A Journal of Chinese Universities（Series B）. 2009(04)
[3]Copula函数模型的选择[J]. 于波. 统计与决策. 2009(14)
[4]基于Copula变点检测的美国次级债金融危机传染分析[J]. 叶五一,缪柏其. 中国管理科学. 2009(03)
[5]非参数Bernstein Copula理论及其相关性研究[J]. 许建国,杜子平. 工业技术经济. 2009(04)
[6]基于Copula的资产组合风险价值模拟方法[J]. 刘志东,徐淼. 统计与决策. 2009(03)
[7]非参数核密度估计与Copula[J]. 龚金国,李竹渝. 数理统计与管理. 2009(01)
[8]Copula函数的选择：方法与应用[J]. 于波,陈希镇,杜江. 数理统计与管理. 2008(06)
[9]多项式Copula方法对市场相关结构的分析[J]. 镇磊,尹留志,方兆本. 中国管理科学. 2008(03)
[10]基于Gaussian Copula与t-Copula的沪深股指相关性分析[J]. 杨兴民,刘保东,李娟. 山东大学学报(理学版). 2007(12)
本文编号：2988556
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
1由图2.3.1可以发现，对于正态copula函数来说，它较好的体现了变量间的对称相关关系，而t一C叩ula函数不仅体现了对称性，而且相对于正态
图3.3.1GDP变化率和金融市场收益率正态QQ图通过图3.3.1可以很明显发现，我国GDP变化率存现有明显的厚尾情况而相应市场收益率则体现出了良好的正态性。因此，分别以学生一t分布正态分布对二者进行相应拟合，则利用极大似然方法可得估计参数如下(表3.3.1):表3.3.1边际分布参数估计值模型学生一t分布(g)参数估计值自由度p=2.83386正态分布(r)均值户二0.0195，方差d=0.巧依据以上估计结果所得密度函数图像以及对应的直方图具体如图3.3.2所(其中x表示GDP季度变化率;y表示上证综合指数的季度收益率):
表3.3.2可见，因两边际分布估计值的K一S检验的P值都大于0.05，则说在可容忍程度下不能拒绝其拟合值服从均匀分布的原价设，即可以利用Pufa函数利用sklar定理来度量联合关系。于是利用极大似然估计，经过具体比较分别选择正态、BBI、BBS和ank四种Copula函数对联合变化关系进行拟合，相应参数估计值如下:表3.3.3copula参数估计结果模模型型BBIIIBBSSSNof们nalllFfaflkkk参参数估计值值0=0.21，占=1.154448=l，占二0.54777占二0.36888占=1.85444而以此比较相应Copula分布和实际经验分布的等高线图如下(其中“，、分表示边际值):F袱edbyd一什erentmode{
【参考文献】：
期刊论文
[1]基于动态Copula方法的股票组合VaR估计[J]. 贺学强,易丹辉. 统计与决策. 2010(17)
[2]Modeling dependence based on mixture copulas and its application in risk management[J]. OUYANG Zi-sheng1 LIAO Hui2 YANG Xiang-qun21 School of Information,Hunan University of Commerce,Changsha 410205,China 2 School of Mathematics,Hunan Normal University,Changsha 410081,China. Applied Mathematics:A Journal of Chinese Universities（Series B）. 2009(04)
[3]Copula函数模型的选择[J]. 于波. 统计与决策. 2009(14)
[4]基于Copula变点检测的美国次级债金融危机传染分析[J]. 叶五一,缪柏其. 中国管理科学. 2009(03)
[5]非参数Bernstein Copula理论及其相关性研究[J]. 许建国,杜子平. 工业技术经济. 2009(04)
[6]基于Copula的资产组合风险价值模拟方法[J]. 刘志东,徐淼. 统计与决策. 2009(03)
[7]非参数核密度估计与Copula[J]. 龚金国,李竹渝. 数理统计与管理. 2009(01)
[8]Copula函数的选择：方法与应用[J]. 于波,陈希镇,杜江. 数理统计与管理. 2008(06)
[9]多项式Copula方法对市场相关结构的分析[J]. 镇磊,尹留志,方兆本. 中国管理科学. 2008(03)
[10]基于Gaussian Copula与t-Copula的沪深股指相关性分析[J]. 杨兴民,刘保东,李娟. 山东大学学报(理学版). 2007(12)
本文编号：2988556
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/2988556.html
最近更新
教材专著
