基于TailCoR模型的尾部相关性度量和实证分析

发布时间：2020-09-03 21:54

　　金融市场在飞速发展,人们越来越离不开金融市场,投资者希望通过金融市场获得回报,企业想要从金融市场融资来扩大生产,政府通过金融市场来促进经济平稳发展。然而金融危机却不断发生,随着各地区、各行业联系越来越紧密,金融危机影响将会越来越大。2008年金融危机,2010年到2012年的欧债危机,对金融市场产生了巨大的破坏力。人们越来越关注尾部相关性的度量。尾部相关性可能是由线性相关性引起的,可以用皮尔逊相关系数表示,也可能是由非线性相关性引起的。在模型构建阶段,本文借鉴了Riccietal.(2015)提出的TailCoR模型,一种新颖的度量尾部相关的模型。原模型有小样本稳健、不依赖特定的分布、可以研究非对称尾部相关性等优点。但是原模型得到的TailCoR是一个数,在应用方面有很多局限。本文将TailCoR模型进行改进,在计算TailCoR的过程中,用分位数回归的形式代替了分位数离差的计算,得到了动态的TailCoR模型。在椭圆分布的假定下,TailCoR可以分解成线性和非线性两部分,本文通过用DCC-GARCH模型计算出动态的线性相关系数,最后通过动态TailCoR和动态线性相关系数,得到动态的非线性相关系数。在实证研究阶段,选取了工商银行、中国银行、建设银行和招商银行在2008年1月至2018年6月的日收益率数据,通过全样本TailCoR模型、分段TailCoR模型和动态TailCoR模型,分析了四家银行尾部相关性的性质和变化规律。有以下几点结论:第一,TailCoR在牛市启动和市场开始崩溃时,会快速上升,其余时间保持稳定;第二,尾部相关性主要由非线性部分贡献;第三,三家大型国有商业银行,即工商银行、中国银行和建设银行,它们之间的尾部相关性一致性很高,且在极端行情下,尾部相关系数上升幅度大,而招商银行和三家大型国有商业银行之间的TailCoR相对平稳。
【学位单位】：中国科学技术大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F224;F832.33
【部分图文】：

图形表示,计算公式,分位数,随机变量

型是ＴａｉｌＣｏＲ模型，Ｒｉｃｃｉ邋ｅｔ邋ａｌ＿邋（２０１５）提尾部相关性，ＴａｉｌＣｏＲ有以下优点：在任何任何特定的分布假设，也不需要优化。在成线性相关（皮尔逊相关系数）和非线性相模型。逡逑Ｒ具体计算公式之前，我们可以先直观地和Ａｔ（在标准化后）是正相关的，那么大。放在一个直角坐标系中，则点更条直线０邋＝邋Ｗ４，并将所有的观察点投影到机变量由于两个随机变量是正相关的果两个随机变量相关性不强，则投影点会分位数和下分位数的差来刻画这种分散程弱；分散程度小，说明相关性强。我们又注计算的，那么靠近0附近的数据对于分位于分位数的差是有影响的。所以，某种程度

收益率分布,收益率分布,工商银行,中国银行

逦０．０５逦０．１０逡逑图３．１工商银行收益率概率分布图逡逑８邋－逡逑ｔ邋！？－逡逑２逡逑２邋－逡逑－逡逑逦逦Ｉ邋ｒ￣ｕ＾逦逡逑Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逡逑－０．１０逦－０．０６逦０．００逦０．０５逦０．１０逡逑图３．２中国银行收益率分布图逡逑＾邋－逡逑！逡逑0邋0邋．逡逑１Ｃ邋－逡逑Ｏ邋－Ｊ逦■邋■逦■邋Ｉ邋」逦逦逦逦邋ｔ邋■逦％逡逑Ｉ逦Ｉ逦

散点图,银行收益,工商银行,散点图

逦０．０５逦０．１０逡逑图３．４招商银行收益率分布图逡逑由四家银行收益率的概率分布直方图，我们可以看到四家银行的收益率集逡逑中在［－０．０２，＋０．０２］之间，序列有尖峰厚尾的特征。直观上看，三家大型国有商业逡逑银行的收益率更加集中，招商银行收益率相对分散。为了具体描述它们的分布，逡逑我们计算出四家银行收益率的均值、方差、峰度和偏度，并使用ＳＷ检验来判断逡逑其是否服从正态分布。逡逑表３．１四家银行收益率的描述性统计量和ＳＷ检验结果逡逑指数收益率逦均值邋标准差峰度偏度ＳＷ检验ｐ值逡逑工商银行逦０．０００１６逦０．０００２７逦７．７３逦０．０６９逦＜０．０１逡逑中国银行逦０．００００９逦０．０００２８逦８．７１逦０．５８０逦＜０．０１逡逑建设银行逦０．０００１９逦０．０００３３逦６．４４逦０．２１９逦＜０．０１逡逑招商银行逦０．０００３４逦０．０００４９逦４．０９逦０．２３５逦＜０．０１逡逑从表４．１可以看出，四家银行的收益率均值都较低，接近０，其中中国银行逡逑低于万分之一，工商银行和建设银行的均值在万分之一到万分之二之间，招商逡逑银行的均值在万分之三左右。可以看出在样本１０年半的时间内，如果一直持有，逡逑招商银行的股票回报率高于国有商业银行。招商银行标准差明显大于大型国有逡逑银行

【参考文献】