基于EGAROH-Gopula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布.对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理.采用条件正态copula函数建立两者的联合分布.结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息.     

基于EGARCH-Copula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布。对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理,采用条件正态copula函数建立两者的联合分布。结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息。     

基于copula回归模型的损失预测

在非寿险损失预测的广义线性模型中,通常假设损失次数与损失强度相互独立,事实上二者之间往往存在一定的相依关系,可通过copula函数来刻画.在损失已经发生的条件下,假设损失次数服从零截断泊松分布,损失强度服从伽玛分布,可以建立损失次数与损失强度相互依赖的copula回归模型.把损失强度的分布扩展到逆高斯分布,并将此模型应用于一组车险保单数据进行实证研究.结果表明:该模型不但在损失预测方面优于独立假设下的广义线性模型,而且也优于损失强度服从伽马分布假设下的copula回归模型.     

基于copula函数的行业平均收益相关结构的实证分析

针对现有信用风险组合模型中在违约相关结构建模中存在的问题,文章提出了以行业平均收益为系统风险因素、基于copula函数的信用风险组合建模框架.在此框架基础上,利用由我国资本市场数据构造的行业平均收益序列,对行业平均收益的边际分布和相关结构进行了实证分析;并在现有偏分布的基础上,提出了一种新的偏分布构造方式来为GARCH(1,1)模型中的残差建模.     

回归检验在Copula函数选择中的应用

基于均匀分布的回归检验,文章从定量的角度出发给出Copula函数的一种检验方法,从而可以根据此方法在给定的copula函数中确定最优Copula函数.最后将此方法应用于国内的深证综指和上证A股指数进行了实证分析,结果证明此方法是有效的.     

基于分层阿基米德Copula的金融时间序列的相关性分析

与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前,运用ARMA-GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则,认为完全嵌套的Gumbel型HAC能更好地刻画这种相关性。     

一种新的Copula函数的参数估计方法

Copula理论在随机变量的相关性分析中有着重要的作用,它的出现使得随机变量的之间的刻画更加精细.在利用Copula函数对随机变量进行相关性分析时,其中一个关键的问题是Copula函数的参数估计.在系统总结目前存在的几种Copula函教的参数估计方法及它们各自使用范围基础上,文章将非线性规划理论中的BFGS思想引入到copula函数的估计方法中来,并给出了一种利用BFGS的思想及经验分布函数估计的算法.     

上证指数收益率的尾部相关性研究

对上证指数收益率与成交量之间的尾部相关性进行了研究,利用Gumbel-H copula函数、极大似然估计法、二元极值Logistic模型等多种方法研究收益率与成交量之间的相关强度.结果表明:两序列尾部渐近相关,但相关度不是很强.     

最大熵原理与假设检验方法探讨

文章给出了二维随机向量的经验分布函数的定义,在此基础上给出了二维连续型分布密度函数的Shannon熵的估计量,并证明了一些有关性质。类似地,可以得到多维时的平行结论。文章还利用最大熵原理给出了关于正态分布等指数分布族中一些连续型随机向量的判别检验的方法。     

三维随机变量和谐指标与二维边缘和谐指标的关系探讨

文章从和谐的角度讨论了三维随机变量之间的相依关系,给出了三维随机变量和谐度量指标的定义:借助于copula函数得到三维和谐度量指标的计算公式;最后讨论了三维随机变量和谐度量指标和二维边缘和谐度量指标的关系.得到它们之间关系的表达式.     

基于累积前景理论和随机加权法的随机多准则决策方法

针对准则权重完全未知、准则值部分缺失的随机多准则决策问题,文章提出了一种基于累积前景理论和随机加权法的决策方法。该方法引入决策者的风险偏好态度,首先通过随机加权法模拟准则值的经验分布函数,根据分布函数计算前景值。然后由信息熵确定准则权重,并根据集结算子计算备选方案的综合前景值并排序。最后通过一个可靠性评估实例验证了该方法的有效性。     

R-vine copula模型与PCBN模型的比较

文章对比了两类刻画高维变量相依结构模型——R-vine copula模型和PCBN模型,并将其应用于国民经济九大行业信用风险相依结构分析,结果表明,与R-vine copula模型相比,PCBN模型能更好地兼顾模型的准确性和简洁性目标.通过PCBN模型可以发现:国民经济整个系统内行业间存在条件独立关系,其中七个行业构成的子系统是整个系统内风险传染的关键媒介,而在子系统内部,水电燃气、批发零售、信息软件及金融业是信用风险传染的关键媒介.     

一类多元响应降维子空间的估计及其应用

在高维空间中进行统计建模通常会碰到"维数祸根"问题,解决办法之一是降维,充分降维是一种有效的降维方法。针对多维响应降维子空间提出一类矩生成函数估计方法及其改进估计量,并给出该类方法估计量的大样本性质:相合性、渐近正态性。通过随机模拟与实例分析,表明改进估计量估计效果有较大幅度提高。     

二元可交换分布函数的估计

文章给出二元可交换分布函数的估计及其一些性质,并通过计算模拟说明此估计能改进经验分布函数和二元的K-S统计量。     

上证指数与恒生指数的copula尾部相关性研究

文章结合多分辨率小波分析方法和Copula技术对上证指数与恒生指数的尾部相关性进行了分析.重点利用Archimedean copula函数族中的Gumbel copula,探讨了上证指数与恒生指数收益率在不同尺度上分解后的数据的上尾部相关性.通过量化的尾部相关性揭示了股票市场的变化.     

基于自适应迭代更新的函数型数据聚类方法研究

函数型数据的稀疏性和无穷维特性使得传统聚类分析失效。针对此问题,本文在界定函数型数据概念与内涵的基础上提出了一种自适应迭代更新聚类分析。首先,基于数据参数信息实现无穷维函数空间向有限维多元空间的过渡;在此基础上,依据变量信息含量的差异构建了自适应赋权聚类统计量,并依此为函数型数据的相似性测度进行初始类别划分;进一步地,在给定阈值限制下,对所有函数的初始类别归属进行自适应迭代更新,将收敛的优化结果作为最终的类别划分。随机模拟和实证检验表明,与现有的同类函数型聚类分析相比,文中方法的分类正确率显著提高,体现了新方法的相对优良性和实际问题应用中的有效性。     

基于时变相关的混合Copula模型的投资组合风险分析

由于金融时序数据具有时变非对称相关的特征,文章通过构建时变相关的混合Copula函数对金融时序数据的尾部相关和对称相关性进行捕捉,并以此为基础估计投资组合的VaR值,通过对比,发现基于时变混合Copula的函数能够更准确地捕捉投资组合的风险。     

总索赔量分布的Panjer递推算法的多维推广

本文在前人工作基础上,对索赔次数的分布类Panjer(a,b.k)类进行了推广,得到一个新的分布类以及此分布类的母函数所满足的微分方程;在索赔次数满足此类分布,索赔量为m维向量的情形下得到了总索赔量分布满足的多维递推公式,并给出了此递推公式在一个停止-损失再保险合同的净保费计算中的应用例子。     

金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究

运用股指高频数据,首先构建基于一般已实现波动率与双幂次变差的RV-regular vine copula模型,比较分析两个模型在刻画资本市场之间的波动跳跃结构的差异;然后,考虑股票价格存在跳跃的情形,分析离散跳跃的统计特征,研究资本市场之间跳跃相依结构,并通过模拟计算市场在险价值来探讨市场之间的跳跃相依风险。研究发现:由于跳跃的存在,采用双幂次变差所构建的RV-regular vine copula模型在参数估计结果方面表现更佳;跳跃序列存在尖峰厚尾的特征以及跳跃聚集的现象,而跳跃相依风险可以通过构建合适的资产组合来降低。     

以时间为自变量的多参数GERT网络模型的解析求解

文章在GERT网络中只有时间参数的分布给定的情况下,考虑网络中流动的其他价值参数均为时间变量的函数,首先求解了其他价值参数的分布和确定矩母函数;然后构建出了一种以时间为自变量的多参数的GERT网络模型,并研究这种多参数GERT网络的传递函数的拓扑等价特性;给出了利用梅森公式和矩母函数对多参数的GERT网络进行解析求解的方法。