金融资产相依性的动态Copula建模及应用

发布时间：2017-09-03 21:22

  本文关键词：金融资产相依性的动态Copula建模及应用

  更多相关文章： Copula 相依性 长记忆性 混频数据 高维变量

【摘要】：本文是基于连接函数Copula模型的实证研究。在金融一体化的大背景下,描述各金融市场或资产之间的相依性是现代金融分析中的重要课题,在资产配置、风险管理、衍生品定价中都有广泛应用。金融资产间的相依性不仅表现出非对称的特征,即共同上涨和共同下跌的相关性不同,而且这种相依性还可能随时间变化,并不是固定不变的。为了同时刻画金融资产相依性的这两大特征,本文对已有静态Copula模型加以改进,发展出四类动态形式的Copula模型,用于实证分析金融市场中的特征和现象,为投资者构建资产组合、控制组合风险提供一定的建议。具体来说,文章的主要内容包括以下四个方面:第一,根据引入解释变量的随机Copula模型,研究风格股票指数之间的动态相依性。风格股票指数之间的相依性会受到流动性等随机变量的影响,从而表现出一定的随机性。因此,本文对已有随机Copula模型加以改进,引入换手率作为解释变量,研究了大盘股和小盘股、成长型和价值型股票指数之间的随机相依性,并从组合风险管理的角度讨论了随机动态相依性的经济意义。结果发现,风格指数间的尾部相依性具有随机动态特征,并受到以换手率为代表的市场流动性冲击的影响。对每天、每周和每月调整资产组合的中短期投资者而言,考虑风格指数收益的随机动态相依性,能有效降低组合风险。第二,根据长记忆Copula模型,研究中外铝期货市场间尾部相依性的长记忆效应。现有研究讨论的都是资产间相关系数的长记忆问题,而缺少对更一般的非线性相依性(如尾部相依性)的长记忆性的研究。本文将长记忆特征引入到已有的短记忆动态Copula中,并根据改进后的长记忆Copula模型,从尾部相依性的角度分析了伦敦金属交易所和上海期货交易所铝期货间的长记忆效应。结果表明,两市场不但具有非对称的尾部相依性,即下尾相依性要大于上尾相依性,而且这种非对称的尾部相依性还具有长记忆的动态特征。对投资者来说,长记忆效应的存在,意味着他们能够基于现在的相关性信息预测未来一段时间内两市场收益共同的变化趋势,进而优化配置资产组合。第三,根据混频Copula模型,研究股票和债券市场相依性的影响因素。宏观基本面、市场不确定性、流动性等因素都会影响股票和债券市场的相依性,但这些变量的抽样频率不同。已有研究都是将高频变量转化为低频变量,统一使用同频数据分析股债市相依性问题。但这种做法损失大量样本信息,不适用于样本容量十分有限的中国市场。为克服数据频率不一致的问题,本文用混频Copula模型同时研究低频月度变量(宏观基本面、市场不确定性)和高频日度变量(股债市流动性)对股票和债券市场相依性的影响。结果发现,两市场相关性变化的根本原因在于宏观层面的基本面因素和市场不确定性因素,而微观层面的流动性因素并不是决定两市场相依性的主要原因。第四,根据多元动态偏t Copula模型,研究以多个资产为代表的高维变量相依结构。现有的偏t Copula模型只有一个常数形式的偏度系数,对相依结构的假设过于严格,无法及时捕捉到相依结构的变化特征。本文对该模型加以改进,不仅允许各变量具有不同的偏度系数,而且将自回归形式的演变机制引入到偏度系数的动态过程中。通过对股票、黄金、原油、债券、房地产等50种资产相依性的实证分析,文章指出,动态的偏度系数设定形式能够灵活准确地捕捉到资产间相依性的动态变化,特别是市场暴涨和暴跌阶段不同的尾部相依性。和已有模型相比,改进后的多元动态偏t Copula模型具有更高的样本内拟合和样本外预测能力,根据该模型构建的投资策略也能为投资者在保证收益的前提下有效控制风险。
【关键词】：Copula 相依性 长记忆性 混频数据 高维变量
【学位授予单位】：上海交通大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F224;F832.51
【目录】：

• 摘要3-6
• ABSTRACT6-12
• 第一章 引言12-20
• 1.1 选题背景与意义12-16
• 1.2 研究内容16-17
• 1.3 论文结构17-18
• 1.4 主要创新点18-20
• 第二章 COPULA理论和动态COPULA模型文献综述20-46
• 2.1 COPULA理论20-32
• 2.1.1 Copula函数的定义20-22
• 2.1.2 Copula函数的性质22-23
• 2.1.3 几种常见的Copula函数23-29
• 2.1.4 Copula模型的估计方法29-32
• 2.2 动态COPULA模型的相关文献综述32-45
• 2.2.1 动态Copula模型的分类及相关文献33-38
• 2.2.2 长记忆Copula模型的相关文献综述38-39
• 2.2.3 混频Copula模型的相关文献综述39-41
• 2.2.4 高维Copula模型的相关文献综述41-45
• 2.3 本章小结45-46
• 第三章 基于随机COPULA模型的风格股票指数相依性研究46-70
• 3.1 问题的提出47-48
• 3.2 随机COPULA模型48-52
• 3.2.1 随机Copula模型设定及其改进形式48-50
• 3.2.2 改进的随机Copula模型估计方法50-52
• 3.3 实证分析：风格股票指数间的相依性研究52-68
• 3.3.1 数据说明及描述性统计53-54
• 3.3.2 边际分布模型的估计结果54-56
• 3.3.3 Copula模型的估计结果56-61
• 3.3.4 样本外分析：风格股票指数随机动态相依性的经济意义61-68
• 3.4 本章小结68-70
• 第四章 基于长记忆COPULA模型的铝期货市场相依性研究70-98
• 4.1 长记忆性的定义和问题的提出71-73
• 4.2 长记忆COPULA模型73-77
• 4.2.1 长记忆Copula模型设定73-75
• 4.2.2 长记忆Copula模型估计方法75-77
• 4.3 蒙特卡洛模拟研究77-83
• 4.3.1 模拟研究设计78-80
• 4.3.2 Monte Carlo模拟结果分析80-83
• 4.4 实证分析：中外铝期货市场尾部相依性的长记忆效应研究83-95
• 4.4.1 数据说明及描述性统计84-85
• 4.4.2 边际分布模型的估计结果85-88
• 4.4.3 Copula模型的估计结果88-94
• 4.4.4 模型样本外预测能力比较分析94-95
• 4.5 本章小结95-98
• 第五章 基于混频COPULA模型的股票债券市场相依性影响因素研究98-128
• 5.1 问题的提出98-101
• 5.2 混频COPULA模型101-104
• 5.2.1 混频Copula模型设定101-104
• 5.2.2 混频Copula模型估计方法104
• 5.3 实证分析：股票和债券市场相依性的影响因素研究104-127
• 5.3.1 变量选取和数据说明105-106
• 5.3.2 描述性统计106-107
• 5.3.3 边际分布模型的估计结果107-109
• 5.3.4 Copula模型的估计结果：股债市相依性影响因素分析109-119
• 5.3.5 各经济变量在解释股债市相依性的贡献度分析119-121
• 5.3.6 样本外分析：混频Copula模型研究股债市相依性的经济意义121-127
• 5.4 本章小结127-128
• 第六章 基于多元动态偏T COPULA模型的高维变量相依性研究128-162
• 6.1 问题的提出129-133
• 6.2 多元动态偏T COPULA模型133-136
• 6.2.1 多元动态偏t Copula模型及其改进形式133-135
• 6.2.2 偏t Copula模型估计方法135-136
• 6.3 蒙特卡洛模拟研究136-139
• 6.4 实证分析：多个金融资产的相依性研究139-160
• 6.4.1 数据说明及描述性统计139-143
• 6.4.2 边际分布模型的估计结果143-146
• 6.4.3 Copula模型的估计结果146-155
• 6.4.4 样本外分析：模型预测能力和投资组合表现比较155-160
• 6.5 本章小结160-162
• 第七章 总结与展望162-168
• 7.1 文章主要结论162-166
• 7.1.1 基于随机Copula模型的风格股票指数相依性研究162-163
• 7.1.2 基于长记忆Copula模型的铝期货市场相依性研究163-164
• 7.1.3 基于混频Copula模型的股票债券市场相依性影响因素研究164-165
• 7.1.4 基于多元动态偏t Copula模型的高维变量相依性研究165-166
• 7.2 未来研究展望166-168
• 7.2.1 关于动态Copula模型设定的假设检验166
• 7.2.2 关于混频数据相依性的研究166-167
• 7.2.3 关于时间序列相依性的研究167-168
• 参考文献168-179
• 附录179-187
• 附录1 超位相关系数的定义179-180
• 附录2 OHANISSIAN等（2008）检验“伪长记忆”过程的统计量180-182
• 附录3 预测似然函数、RC检验及SPA检验的计算方法182-185
• 附录4 50个ETF的名称和代码185-187
• 致谢187-189
• 攻读博士学位期间已发表或录用的论文189-191

【参考文献】

中国期刊全文数据库 前1条

1 袁超;张兵;汪慧建;;债券市场与股票市场的动态相关性研究[J];金融研究;2008年01期

，

本文编号：787397