相关性失效主导变量判定的可靠性统计模型

文章基于相关性失效可靠性特征量的样本数据,拟合相依变量之间的相关关系.分别对符合线性回归特征,具有非对称型、对称型Copula相关结构下的失效相关性,采用偏度系数,Copula回归、边缘回归离差度量方法,建立对应的主导相依方向判定统计模型,并给出判定的量化指标系数.算例验证了该类模型的可行性和有效性.     

基于RT-GAS Copula模型的经济金融行业非对称相依性及风险溢出研究

考虑到实体经济行业与金融行业间的相依关系存在杠杆效应，本文采用GJR门限结构将杠杆效应纳入包含高频信息的广义已实现自回归得分Copula(GRAS Copula)模型中，构建广义已实现门限自回归得分Copula(RT-GAS Copula)模型。利用RT-GAS Copula模型揭示实体经济行业与金融行业间时变相依关系对行业收益的非对称响应，并进一步分析经济金融行业间风险溢出的非对称性和时变特征。研究发现：各行业间的相依关系存在显著的杠杆效应，某一行业收益的上涨和下跌对该行业与其他行业间时变相依关系的影响是非对称的；行业间的相依关系会受到国家调控政策和各类市场风险事件的影响；行业间的系统性风险溢出存在非对称性，且会受到严重风险事件的影响。此外，有效性检验结果表明，当行业间相依关系存在显著杠杆效应时，RT-GAS Copula模型的拟合和预测能力优于现有时变Copula模型。     

阿基米德Copula分位数回归曲线推导与模拟

文章把分位数回归理论和相关结构函数Copula结合起来,介绍了分位数回归和相关结构函数Copula,给出了阿基米德Copula和Copula分位数回归曲线的定义,推导出了阿基米德Copu-la分位数回归曲线。最后,通过模拟研究表明Copula分位数回归估计方法的精确性。     

短面板随机效应模型的分位数回归方法及模拟

对于随机效应面板数据的分位数回归研究的难点在于如何处理截面内存在的相关性,文章借助分位数回归与ALD分布之间的关系,提出了带有Copula相关结构的分位数回归的极大似然估计法,其中Copula函数可用来表示短面板中的截面内相关性.通过数值优化算法迭代求解目标函数可得参数估计值,蒙特卡洛模拟结果显示该方法的均方误差更小,因此更为精确可靠.     

基于Copula函数的行业信用风险相关关系研究

文章首先分析了当前进行信贷组合中的相关关系的研究,主要包括指标和测度的方法.然后介绍了Copula函数理论及其常用的函数形式.最后借助KMV方法将上市公司财务数据转化为信用风险指标,以此测度行业的信用风险相关性,并以房地产和制造业为例研究了信用风险模型的Copula函数选择.     

房地产业与银行业股票的相关性研究

在给定概率水平下,为了描述具有尖峰、肥尾、有偏等特性的金融变量之间的非线性相依结构,给出了能够准确刻画金融变量上述特性的非对称Laplace分布,首次推导出了以该分布为边际分布,联合分布由高斯Copula建立的非线性分位数回归模型.实证表明:高斯Copula非线性分位数回归模型能够更全面准确的描述房地产业与银行业股票收益率之间的风险相关关系,对于预测收益率和防范金融风险具有十分重要的意义.     

基于时变参数Copula-FIGARCH模型的套期保值率比较

文章运用FIGARCH模型进行残差波动性的拟合,并将FIGARCH模型与时变Copula模型联合构建时变Copula-FIGARCH模型来计算动态套期保值率,同时运用VaR、ES风险管理指标进行评价.结果发现,长、短记忆Copula模型在不同风险情况下的套保效果各有优劣,但长记忆边缘分布的Copula模型有一定比较优势.     

股市、房市与GDP的相关性研究

在宏观经济分析中引入相关性分析工具Copula函数,能有效的捕捉变量间的非线性,非对称及尾部相关性指标等相关关系。文章通过分析Kendall秩相关系数和Copula的尾部相关性研究了GDP与股市、房市的相关性。实证表明,阿基米德族Copula函数中的Gumbel Copula准确度量了GDP与股市、房市的尾部相关性。     

多品种期货组合的套期保值模型

文者针对多品种套期保值出现的期货和现货以及期货和期货之间的相依关系,提出藤结构Copula——GARCH理论模型。藤结构Copula分解方法很好的解决了两两资产之间的相关关系。通过对模型的实证分析,证明了该模型的有效性和可行性。     

Copula方法在投资组合选择与VaR计量中的应用

基于多元正态分布的投资组合理论认为,投资者可以通过投资于低相关性的不同资产来获得收益,资产间的相关性(dependence)可以通过线性相关性来度量.然而现实金融市场中经常会发生这种情况,即不同的金融市场之间具有完全不同的线性相关性,但却发生几乎相同数量的极端损失事件.为了克服线性相关性的上述弊端,我们将通过连接(Copula)函数建模来克服这个问题.由Copula函数导出的一致性和相关性测度就可以更广泛、更有效地捕获各种金融资产的相关信息.另外,采用时变的Copula函数还可以捕捉到变量间动态的、非对称的相关关系,而采用极值Copula函数则可以捕捉到分布尾部的相关关系.由Copula函数导出的相关性度量在随机变量发生单调变换(可以是非线性变换)的情况下是不变的.一种常用的、可以通过Copula函数导出的相关性度量是Kendall的τ(tau),它具备一个好的相关性指标所应具有的所有性质(Nelsen 1998),可以克服线性相关性的上述不足.     

相关性分析中Copula函数的选择

Copula函数在金融分析和风险管理中有广泛的应用,利用Copula函数可以构建组合风险资产的联合收益分布和资产之间的相关性.在构建Copula模型时,一个关键的问题就是如何选择最佳的Copula来拟合实际的金融数据.文章分析了Copula函数选择困难的原因,指出了现有的似然准则选择方法的不足,提出了基于参数Bootstrap技术的对数似然准则检验方法,考虑了更大范围的Copula函数族群,利用模拟实验检验了该方法的选择能力,模拟结果表明对于没有尾部相关性的Copula函数和具有较小的尾部相关性的Copula函数可以较好地进行区分,而且也能区分大部分的具有较大尾部相关系数的Copula函数.同现有的只能区分常见的几类Copula的似然准则选择方法相比,文章提出的方法可以在更大范围内识别不同的Copula函数.     

基于Copula的企业整体风险测度

企业不同部门间由于资金流动和业务交叉,其部门间风险存在着显著的相关性,Copula函数适于测度由于风险相关性而引致的组合风险.利用Copula函数测度组合风险,在选择各部门收益率的边际分布时,考虑到金融数据的条件异方差、波动聚集性等特点,选取GARCH类模型用以描述边际分布.     

基于Copula逼近法的股指相依结构研究

Copula在相依结构的研究中具有广泛的应用价值。对传统的Copula模型和Kallenberg提出的Copula逼近法进行了比较,并将其应用于中国股票指数数据的实证分析。结果表明：Copula逼近法可以较大程度地降低模型误差,从而改善Copula模型对中国股指相依结构的拟合效果。     

基于极值Copula的投资组合集成风险度量方法

 应用极值的阈值与峰值模型来度量单个资产的风险价值,用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构,比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值,结果说明：Gauss Copula函数对沪深指数收益率的相关结构拟合较好,阈值模型的极值Copula能较好的度量投资组合的集成风险值,在高置信度下（0.99以上）,基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近。直接加权的方法会高估投资组合的风险,假设沪深指数的收益率服从二元正态分布会低估风险。峰值法的集成风险值误差较大。     

基于Copula函数风险控制的贷款组合优化模型

文章运用Copula函数拟合贷款收益率联合分布函数,通过K-S检验选择最优Copula函数度量贷款间的违约相关性,建立基于Copula函数风险控制的贷款组合优化模型。优化模型避免了由极端事件发生引起贷款同时违约的高风险;解决了现有研究基于收益率服从正态分布假设存在低估风险的问题;解决了采用联合违约概率度量违约相关性时由于违约数据稀少而影响模型精度的问题。     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

尾相关Copula在操作风险计量中的应用

新巴塞尔协议明确地提出,把商业银行操作风险纳入风险量化和监管领域.针对操作风险损失数据所具有的厚尾性及不同损失类型之间的相关性,文章应用尾相关Copula函数分析我国商业银行各类操作风险之间的相关性结构,运用极值理论的POT模型有效地捕捉损失的厚尾性,进而构建计算操作风险总体VaR值的尾相关Copula模型.研究表明,与传统计量模型对所有损失的VaR值进行简单加总相比,该模型能够有效地降低VaR,且降幅为1O％以上,这让银行有效地降低了计提的监管资本,增加了资金的流动性.     

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断.C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性.采用Czado等提出的选择准则决定C-Vine模型的具体分解形式.利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族.利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数.最后,通过实例来研究序列间的相关性和相互影响.     

基于藤Copula分组模型的金融市场风险度量研究

传统未分组的藤Copula模型可用于刻画金融资产间的相依性,但其存在将所有不同行业资产视为一个整体的问题。本文在充分考虑金融市场中各机构所属行业不同的基础上,提出了藤Copula分组模型,给出了该模型算法的具体步骤,并证明了算法的收敛性。最后通过返回检验方法,对比研究了藤Copula分组模型和未分组的藤Copula模型对银行业、证券业和保险业间VAR估计的精度差异,结果表明藤Copula分组模型的预测效果更准确且更有效。     

基于Copula方法的国债市场相依风险度量

本文讨论了如何利用Copula连接函数对多元金融数据的相依结构进行统计建模,首先对几种常用的Copula连接函数进行了介绍,分析了不同边际分布和不同Copula函数的选取对联合分布产生的影响,然后讨论了Copula函数的选取和其参数的估计问题,最后利用我国国债数据进行实证分析,得到了不同组合的风险值。