基于金融波动模型的Copula函数建模与应用研究
发布时间：2021-12-10 04:06
随着金融市场的不断发展与创新,对全面、准确地刻画金融资产之间复杂的波动特征和相依结构提出了更高的要求,这是金融资产组合构建、风险管理和资产定价等的核心任务。传统的多元统计模型在描述多元变量的联合分布方面往往存在着一定的缺陷:一方面随着维数的增加将有可能导致严重的“维数灾难”问题,另一方面常用的多元正态分布或其它分布假设往往无法全面、准确地刻画多元金融资产复杂的相依结构特征,如厚尾相依性、非对称、非线性和非正态等统计特征。近年来,Copula函数的理论性质与应用研究逐步受到重视。Copula函数可以将多元变量的联合分布函数分解为各变量的边缘分布函数和一个Copula函数。从统计建模的角度上看,Copula函数的引入使得对多元变量的联合分布建模可以分为如下两个方面:第一方面是准确地选择边缘分布模型以更好地拟合各变量的边缘分布统计特征,第二方面是选择合适的Copula函数刻画变量之间的相依结构。由于具备优良的统计性质,Copula函数近年来在金融市场各领域如市场风险和信用风险计量、金融市场相依结构分析、金融衍生商品和结构型金融商品等的定价和风险管理等均得到了广泛地应用。本文的主要思路是以统计...
【文章来源】：西南财经大学四川省 211工程院校 教育部直属院校
【文章页数】：237 页
【学位级别】：博士
【部分图文】：
－20各Copula函数拟合优度检验的QQ散点图
其结果与对应的静态 Copula函数结果非常接近。从动态 Copula 函数估计得到的线性相关系数变化图（图6－4 和 6－5）中我们也可以看出，这两种动态 Copula 函数估计得到的线性相关系数变化幅度都非常小。(6)马尔可夫转换 Copula 函数马尔可夫转换正态 Copula 和 t Copula 函数的结果见下表：表 6－7 马尔可夫转换 Copula 函数估计结果低相关状态 高相关状态 logL AIC BIC11Pρ22Pρv正态Copula0.6255(0.1075)0.8911(0.0126)0.8500(0.0556)0.9696(0.0043)1418.36 -2.3019 -2.2869t Copula 0.6388(0.1247)0.8938(0.0210)0.8514(0.0526)0.9692(0.0048)62.3989(1.0162)1418.38 -2.3019 -2.2811从表中我们可以看出：（1）马尔可夫转换正态和 t Copula 函数的对数似然函数值均显著高于对应的静态和动态 Copula 函数，AIC 值和 BIC 值也显著低于对应的静态和动态 Copula 函数；（2）马尔可夫转换正态和 t Copula 函数的似然函数和 AIC 值、BIC 值都非常接近。马尔可夫转换 t Copula 函数估计得到的自由度为 62.3839，其尾部特征与正态 Copula 函数非常接近；（3）在低相关状态和高相关状态，马尔可夫转换正态 Copula 函数两种状态的持续时间分别只有 2.67 天和 6.67 天，持续时间非常短，马尔可夫转换 t Copula 函数的结论与之相似。下面两图给出了这两种 Copula 函数处于高相关状态的平滑概率图，从中可以看出 Copula 函数在低相关状态和高相关状态之间的转换是相当频繁的。00.250.50.7512001年1月 2002年1月 2003年1月 2004年1月 2005年1月图 6－6 马尔可夫转换 正态 Copula 函数处于高相关状态的平滑概率图第11期 李伟：基于金融波动模型的Copula函数建模与应用研究 J145-16-183
【参考文献】：
期刊论文
[1]资产组合ES风险测度的Copula-EVT算法[J]. 应益荣,詹炜. 系统管理学报. 2007(06)
[2]Copula方法及函数估计在企业风险分析中的应用[J]. 王春峰,葛龙,卢志永. 天津大学学报(社会科学版). 2007(05)
[3]基于Copula-SV模型的金融投资组合风险分析[J]. 战雪丽,张世英. 系统管理学报. 2007(03)
[4]多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 韦艳华,张世英. 数理统计与管理. 2007(03)
[5]基于DIC准则的ASV模型和SV模型的实证比较[J]. 王泽锋,史代敏. 数量经济技术经济研究. 2007(05)
[6]经济周期与证券市场波动关联性——基于向量SWARCH模型的新证据[J]. 丁志国,苏治,杜晓宇. 数量经济技术经济研究. 2007(03)
[7]三种Copula-VaR计算方法与传统VaR方法的比较[J]. 柏满迎,孙禄杰. 数量经济技术经济研究. 2007(02)
[8]利率期限结构的马尔科夫区制转移模型与实证分析[J]. 刘金全,郑挺国. 经济研究. 2006(11)
[9]担保债权凭证定价——Copula函数的非参数估计与应用[J]. 冯谦,杨朝军. 运筹与管理. 2006(05)
[10]沪、深、港股市信息溢出效应与动态相关性——基于DCC-（BV）EGARCH-VAR的检验[J]. 谷耀,陆丽娜. 数量经济技术经济研究. 2006(08)
博士论文
[1]Copula理论及其在金融分析中的应用研究[D]. 罗俊鹏.天津大学 2005
[2]Copula理论及其在多变量金融时间序列分析上的应用研究[D]. 韦艳华.天津大学 2004
[3]随机波动模型及其建模方法研究[D]. 孟利锋.天津大学 2004
[4]金融波动模型及其在中国股市的应用[D]. 苏卫东.天津大学 2002
硕士论文
[1]金融市场中的随机波动率模型[D]. 孙旭东.华中师范大学 2007
[2]基于GARCH-EVT方法和Copula函数的组合风险分析[D]. 张进滔.四川大学 2007
[3]最优套期保值比率确定模型研究[D]. 杜承栎.西南财经大学 2007
[4]抵押债务证券（CDO）的信用风险分析[D]. 刘冬.西南财经大学 2007
[5]Copula函数在团体寿险精算中的应用探讨[D]. 朱莲琴.浙江工商大学 2007
[6]股票市场收益率波动长记忆性实证研究[D]. 罗来东.西南财经大学 2005
[7]Copula与非参数核密度估计[D]. 龚金国.四川大学 2005
本文编号：3531874
【文章来源】：西南财经大学四川省 211工程院校 教育部直属院校
【文章页数】：237 页
【学位级别】：博士
【部分图文】：
－20各Copula函数拟合优度检验的QQ散点图
其结果与对应的静态 Copula函数结果非常接近。从动态 Copula 函数估计得到的线性相关系数变化图（图6－4 和 6－5）中我们也可以看出，这两种动态 Copula 函数估计得到的线性相关系数变化幅度都非常小。(6)马尔可夫转换 Copula 函数马尔可夫转换正态 Copula 和 t Copula 函数的结果见下表：表 6－7 马尔可夫转换 Copula 函数估计结果低相关状态 高相关状态 logL AIC BIC11Pρ22Pρv正态Copula0.6255(0.1075)0.8911(0.0126)0.8500(0.0556)0.9696(0.0043)1418.36 -2.3019 -2.2869t Copula 0.6388(0.1247)0.8938(0.0210)0.8514(0.0526)0.9692(0.0048)62.3989(1.0162)1418.38 -2.3019 -2.2811从表中我们可以看出：（1）马尔可夫转换正态和 t Copula 函数的对数似然函数值均显著高于对应的静态和动态 Copula 函数，AIC 值和 BIC 值也显著低于对应的静态和动态 Copula 函数；（2）马尔可夫转换正态和 t Copula 函数的似然函数和 AIC 值、BIC 值都非常接近。马尔可夫转换 t Copula 函数估计得到的自由度为 62.3839，其尾部特征与正态 Copula 函数非常接近；（3）在低相关状态和高相关状态，马尔可夫转换正态 Copula 函数两种状态的持续时间分别只有 2.67 天和 6.67 天，持续时间非常短，马尔可夫转换 t Copula 函数的结论与之相似。下面两图给出了这两种 Copula 函数处于高相关状态的平滑概率图，从中可以看出 Copula 函数在低相关状态和高相关状态之间的转换是相当频繁的。00.250.50.7512001年1月 2002年1月 2003年1月 2004年1月 2005年1月图 6－6 马尔可夫转换 正态 Copula 函数处于高相关状态的平滑概率图第11期 李伟：基于金融波动模型的Copula函数建模与应用研究 J145-16-183
【参考文献】：
期刊论文
[1]资产组合ES风险测度的Copula-EVT算法[J]. 应益荣,詹炜. 系统管理学报. 2007(06)
[2]Copula方法及函数估计在企业风险分析中的应用[J]. 王春峰,葛龙,卢志永. 天津大学学报(社会科学版). 2007(05)
[3]基于Copula-SV模型的金融投资组合风险分析[J]. 战雪丽,张世英. 系统管理学报. 2007(03)
[4]多元Copula-GARCH模型及其在金融风险分析上的应用[J]. 韦艳华,张世英. 数理统计与管理. 2007(03)
[5]基于DIC准则的ASV模型和SV模型的实证比较[J]. 王泽锋,史代敏. 数量经济技术经济研究. 2007(05)
[6]经济周期与证券市场波动关联性——基于向量SWARCH模型的新证据[J]. 丁志国,苏治,杜晓宇. 数量经济技术经济研究. 2007(03)
[7]三种Copula-VaR计算方法与传统VaR方法的比较[J]. 柏满迎,孙禄杰. 数量经济技术经济研究. 2007(02)
[8]利率期限结构的马尔科夫区制转移模型与实证分析[J]. 刘金全,郑挺国. 经济研究. 2006(11)
[9]担保债权凭证定价——Copula函数的非参数估计与应用[J]. 冯谦,杨朝军. 运筹与管理. 2006(05)
[10]沪、深、港股市信息溢出效应与动态相关性——基于DCC-（BV）EGARCH-VAR的检验[J]. 谷耀,陆丽娜. 数量经济技术经济研究. 2006(08)
博士论文
[1]Copula理论及其在金融分析中的应用研究[D]. 罗俊鹏.天津大学 2005
[2]Copula理论及其在多变量金融时间序列分析上的应用研究[D]. 韦艳华.天津大学 2004
[3]随机波动模型及其建模方法研究[D]. 孟利锋.天津大学 2004
[4]金融波动模型及其在中国股市的应用[D]. 苏卫东.天津大学 2002
硕士论文
[1]金融市场中的随机波动率模型[D]. 孙旭东.华中师范大学 2007
[2]基于GARCH-EVT方法和Copula函数的组合风险分析[D]. 张进滔.四川大学 2007
[3]最优套期保值比率确定模型研究[D]. 杜承栎.西南财经大学 2007
[4]抵押债务证券（CDO）的信用风险分析[D]. 刘冬.西南财经大学 2007
[5]Copula函数在团体寿险精算中的应用探讨[D]. 朱莲琴.浙江工商大学 2007
[6]股票市场收益率波动长记忆性实证研究[D]. 罗来东.西南财经大学 2005
[7]Copula与非参数核密度估计[D]. 龚金国.四川大学 2005
本文编号：3531874
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3531874.html
