基于状态转换动态Copula模型的外汇套期保值研究

汇改以来,人民币汇率波动的不确定性增大,外汇风险加剧,在此形势下加强外汇风险管理势在必行。考虑到利用外汇期货合约进行套期保值是管理外汇风险的一个重要方法,因此可建立一个状态转换动态 Gaussian Copula套期保值模型来对外汇风险进行管理。首先采用GJR-t模型描述欧元、日元、英镑、澳元和加元的现货和期货收益率的边际分布;然后引入状态转换动态 Copula 函数描述上述五种货币的现货和期货收益率之间的相关性;最后将状态转换动态Gaussian Copula模型与OLS,DCC GARCH,DCC Gaussian Copula等模型的套期保值效率进行比较。实证结果表明,所构建的模型优于其他模型,利用该策略模型能有效规避外汇风险。     

我国创业板市场与中小板市场动态相关性实证研究——基于方法比较视角

DCC—GARCH模型能较好地刻画金融市场间的线性动态相关性,而时变相关的正态Copula模型主要用于考察金融市场间的非线性动态相关性,选取创业板指数（399006）和中小板指数（399005）,通过对两大指数收益率序列进行建模,基于DCC—GARCH模型和Copula模型分别计算两市场间的动态相关系数,以考察两市场间的动态相关性。研究结果表明：①创业板市场与中小板市场存在正相关关系,且相关性很强;②时变Copula模型因捕捉了市场收益率随时间变化的特性,在刻画金融市场问的相关性方面,效果要优于常相关Copula模型;③除个别时点外,DCC—GARCH模型计算的动态相关系数处于稳定的区间,而Copula模型计算的动态相关系数会表现出异常值的出现,这是由于其考虑了市场间的非线性因素所致,效果优于前者。     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。     

金融市场相关性分析及其度量方法改进

介绍了目前测量金融市场相关性的几种分析方法,尤其是定性方法和对线性相关性的刻画。引入连接函数(Copula)分析技术,将随机变量的边缘分布借助于一个恰当的Copula函数得到其联合分布,用以研究随机变量间的非线性相关结构。国内外实证研究结果表明,与常见的相关性度量相比,基于Copula相关性的分析方法适用范围更广,对变量相关性的刻画更充分。介绍了目前常用的几种基于Copula相关性的度量方法,并指出了其应用的领域和进一步研究的方向。     

Copula理论在金融上的应用

Copula理论与面向均值、方差和线性相关的建模方法不同,copula模型是对整个联合分布建模,因此可以提供更多有用信息,特别是可以捕捉到非正态、非对称分布的尾部信息。运用copula理论建立的多变量金融时间序列模型可以替代向量GARCH模型,用以描述随机变量间时变的条件相关关系,并可广泛应用于金融市场的相关性分析、资产定价和风险管理等金融领域。     

基于混合相关竞争失效的多性能退化数据可靠性模型

针对包含多种相关退化模式的产品可靠性评估问题,提出了一种基于Copula函数选择的混合随机过程可靠性建模方法。采用时间尺度变换——混合效应的Wiener过程和非线性混合效应Gamma过程分别对两组性能退化数据进行建模,并利用MCMC方法进行参数估计;其次,通过散点图、相关系数检验和AIC准则进行Copula选择,利用极大似然法估计Copula参数,建立系统可靠度评估模型;最后,分别考虑多退化过程独立和相关,通过算例计算系统可靠度并进行对比,验证了模型的有效性。     

基于时变Copula的La-VaR测度研究

目前关于流动性调整的市场风险测度研究,主要是静态模型。针对此,文章提出经流动性风险调整的市场风险动态测度的时变Copula方法。该方法使用连接函数构建流动性风险和市场风险的联合分布,能够兼顾这两种风险的非正态特征和它们之间的动态相关结构。基于该方法度量了中国股市经流动性调整的市场风险La-VaR,Kupiec检验表明,基于时变Copula模型预测La-VaR的效果优于基于常相关Copula模型的预测效果,并且时变T-Copula模型优于时变N-Copula模型。     

混合Copula模型选择策略及其在风电功率中的应用

本文提出了混合Copula模型中Copula函数的选择策略,针对目前多数文献集中于阿基米德族进行选择,导致性质相似、共性较强的局限,扩大了选择范围,增加椭圆族作为备选,利用频率直方图,结合单一Copula函数的AIC值从中筛选,进而确定出引入混合Copula模型的函数,并将此方法应用于风电功率相关性分析中,得出由椭圆族和阿基米德族中的t-Copula、Clayton Copula、Frank Copula组成的混合Copula模型相较于阿基米德族混合Copula模型AIC值更小,拟合效果更优的结论,证明了该方法的有效性。     

股指期货与现货指数收益率序列相关性研究——基于Copula函数的实证分析

沪深300股指期货推出后,其与沪深300指数的关系就引起投资者和研究者的关注。以沪深300指数和沪深300股指期货的日收益率数据为基础,运用Copula函数建立Copula-GARCH(1,1)-GED模型对两者进行相关性分析,结果表明:沪深300指数与股指期货收益率序列之间相关程度非常高,而通过比较秩相关系数的拟合情况,二元正态Copula函数更接近实际情况;在平方欧式距离的标准下,二元t-Copula模型能够更好地描述沪深300指数与沪深300股指期货日收益率序列的相关结构;两序列的尾部相关程度非常高,表明当股票市场大幅度波动时,沪深300指数与沪深300股指期货的相关程度显著提高。     

基于M Copula GJRSK M模型的沪深两市的相依性分析

金融资产不但存在方差风险，还存在时变偏度风险和时变峰度风险，这使得仅从金融资产的前两阶矩出发来研究风险变化显得十分局限。GJRSK M模型是描述金融资产的高阶矩风险的有效工具，可对单个金融资产的分布进行拟合，而M Copula函数能连接组合金融资产的边缘分布，因此本文建立了M Copula GJRSK M模型来研究沪深两股票市场的相依性。实证表明，上证综指和深圳成指对数收益率存在高阶矩风险和风险的非对称性，即指数下跌时，条件方差风险和条件高阶矩风险会增大，且在极端情况下，两市上涨的概率要大于下跌的概率。     

中国股票市场行业组合风险研究——基于高维动态C-Vine Copula模型

股市是经济的晴雨表,股市中不同行业风险的组合计量对于金融市场和实体经济投资意义重大.文章采用高维动态C-Vine Copula前沿技术计量多维行业组合风险,并且与静态C-Vine Copula作比较.结论显示:高维动态C-Vine Copula计量的VaR每次都能通过UC检验和稳定性测试,而静态C-VineCopula方法每次都不能通过回溯检验,表明高维动态C-Vine Copula优于静态C-Vine Copula,可以作为股市行业风险组合计量的一种新方法.     

沪港通背景下沪港股市联动性研究

利用Beta-skew-t-EGARCH模型对沪港股市收益率序列进行波动建模,然后采用Copula函数分析“沪港通”实施前后沪港股市联动性变化情况。结果表明:“沪港通”的实施增强了沪港两市之间的联系,加快了两市之间的融合与一体化进程。从尾部相关系数均值来看,“沪港通”实施后,两市同步下跌的概率大于同步上涨的概率。而且,“沪港通”实施后两市场对波动冲击的响应在增强。     

市场风险与流动性风险整合风险度量研究

整合市场风险与流动性风险有利于投资者全面管理风险,度量交易时所面临的风险。针对市场风险与流动性风险的时变性、异方差性和尾部特点,利用GARCH-EVT 方法进行建模。在此基础上利用三类二元阿基米德Copula 函数对两类风险的相关结构进行考察。结果表明:中国股票市场中个股的市场风险与流动性风险在上尾与下尾相关性加强,并具有对称性。基于上述相关结构特点对两类风险进行整合并利用VaR 模型进行度量,结果显示:该度量模型优于传统VaR 模型和不考虑两类风险相关结构的VaR 模型。     

中国沪深300指数期货的最优套期保值率

通过回顾最优套期保值比率的概念和相关计算方法,针对金融市场的数据尖峰厚尾的特点,采用EGARCH模型对股指期货和现货收益率进行估计;考虑到数据的条件异方差性,指出了传统的线性相关系数对期、现货的关系的估计存在弊端,因此使用Copula函数与秩相关系数Kendalls＇τ对最优套期保值比率进行估计。结果显示：目前中国股票期货的最优套期保值比率为0.852。     

基于R_Vine Copula方法的上证行业指数相关性研究

以中国上海证券交易所的金融地产、原材料、工业、可选消费、主要消费、公用事业、能源、电信业务、医药卫生和信息技术十大行业指数为研究对象,运用能够同时考察多市场相关关系的Vine Copula方法,对这十大行业指数间的净相关关系进行实证分析。主要结果表明: 中国上证行业指数之间具有显著的非对称和厚尾相关特征;非条件下两个行业指数之间以及条件下一些3个或者4个行业指数之间有较强的相关性;而5个或5个以上行业指数之间的条件相关性表现出相互独立,因而在熊市时选择5个及以上不同行业同时投资,能够达到有效分散风险的目的;与D_Vine Copula及C_Vine Copula模型相比,R_Vine Copula模型更适合于刻画中国行业指数之间的相关关系。     

基于变结构Copula模型的金融危机传染效应实证分析——以中关股票市场为例

为检验美国金融危机的传染效应，根据中关股市指数日收益率，进行Granger因果检验，并运用变结构Copula模型实证分析金融危机前后美国股市和中国股市的相关性变化。结果表明：美国金融危机加大了中关两国股市的相关性，但影响程度呈现出阶段性变化。在危机发生后的第一阶段美国金融危机对中国股市存在传染效应，在金融危机发生后的第二和第三阶段传染效应没有证实。