Copula函数的非参数核密度估计

Copula函数包含了变量的边际分布和变量间的相关结构两方面的信息.用Copula函数可以很灵活地构造相关结构和边际分布不同的联合分布函数.Archimedean Copula函数在金融市场分析中很有用.在用Copula理论建模的过程中有一个很重要的环节是参数估计.文章采用对边际分布不作具体假设的非参数核密度方法来估计Archimedean Copula的参数,并用实证说明方法的有效性.     

基于小波分析的上证综指预测

小波分析是一种将数据从时域转换到不同层次的频域的数学方法.它的许多方法能够很好地应用于实证经济学和金融学.本文利用小波分析中的多尺度分析方法,通过分层预测的思想较准确地预测了上证综指日收盘指数.     

基于小波分析的我国股票市场趋势探测

小波分析是一种将数据从时域转换到不同层次的频域的数学方法.它的很多方法能够很好地应用于实证经济学和金融学.本文利用小波分析的方法排除了上证指数中的大量噪声,成功地探测了其运动趋势.     

Copula函数的非参数核密度估计方法

文章运用非参数核密度估计技术并结合极大似然估计方法来估计Copula函数中的参数,克服了传统方法在估计Copula函数参数时的不足.并通过计算机仿真分析,证实了此方法的可行性与准确性.     

基于小波变换的风险传染测度研究

以次贷危机前后的中美股票市场为研究对象,以小波多尺度相关系数为研究工具,分析中美股市间的市场同步现象,检验两种不同渠道的风险传染模式对我国资本市场的影响.研究表明,中美资本市场之间存在市场同步现象,但变化幅度较大,牛市期间同步性强于熊市期间同步性;美国次贷危机并未通过纯变化传染和基于基本面的变化传染这两种途径对中国资本市场产生影响.     

向量小波和正交小波尺度函数的设计及证明

文章通过多分辨分析理论和仿酋矢量滤波器组理论,讨论正交小波的存在,提出了组建一系列正交小波数据包的算法,得到了利用小波包组建L2(R,Cμ)(2≤μ∈Z)空间的多种标准正交基的一些方法.     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

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.     

基于Copula理论的最优边缘分布模型构建

基于Copula理论,文章以Kolmogorov-Smirnov、Ljung-Box Q检验结果为择优标准,综合利用ARMA-GARCH族模型、极值理论以及非参数核密度函数构建四类常用边缘分布模型,以确定刻画全球重要股指收益率边缘分布的最优模型。结果表明,非参数ARMA-GARCH族-EVT模型对样本边缘分布的刻画最为准确。     

Copula函数的比较及其在风险度量中的应用问题

本文在明确Copula函数基本概念的基础上,对几种常用的Copula函数进行对比分析,概括出了不同Copula函数的特点。最后对于Copula函数在实际金融风险度量中的应用问题进行了深入的探讨。     

动态分层阿基米德Copula模型的构建与应用

Copula函数在金融中的应用大多限于二元情形,而对高维Copula函数及其动态模型的研究相对不足.文章在隐马尔科夫模型的框架下,构建了动态分层阿基米德Copula模型,并使用EM算法估计了模型的参数;然后将协变量引入到隐马尔科夫模型的转移概率中,以考虑其他因素对所考虑变量的相关性动态的影响;最后,将模型用于股票组合动态相关性的研究.     

基于Copula的投资组合均值-CVaR有效前沿分析

文章构建了基于Copula的投资组合均值-CVaR模型,并使用蒙特卡罗技术对模型进行了实证分析。在将该模型下的投资组合与多元正态假设下的组合进行了比较后,得出两点结论:其一,与Copula模型相比,传统多元正态分布假设下的投资组合会在收益一定情况下低估风险或在风险一定的情况下高估收益;其二,基于Copula模型下的投资组合的动态表现要优于多元正态假设的投资组合,在牛市,投资组合的总价值可以充分上涨;而在熊市则可以大大降低组合价值的下降幅度。     

基于时变Copula模型的沪深股市相依分析

文章针对沪深股市的波动性以及非正态分布的非线性相依机制,以t-Garch模型描述了沪深指数收益率的边缘分布,以Kendall的tau出发构建的时变Copula模型描述了沪深股市的相依机制.结果表明,以Kendall的tau为基点的时变Copula模型相对于以线性相关系数为基点的时变Copula模型,更能捕捉非线性的、非正态的时变相依机制,具有一定的优越性.     

基于Copula函数的金融市场尾部相关性分析

在常规极大似然估计法中,Copula函数的参数估计受边缘分布函数拟和的影响较大,鉴于此,用基于秩的极大似然法估计Copula函数的参数,并结合常见的4类双参数非对称BBx—Copula函数,对民生银行和浦发银行这两只股票的尾部相关性进行实证分析,结果表明股票市场在低迷时期的尾部相关性高于活跃时期的尾部相关性。     

基于Copula的金融市场的相关结构分析

本文用Copula描述金融市场间的相关结构,分析了一些Copula相关性方面的特点,构造比较灵活的M-Copula.结合GARCH模型和GPD来描述金融序列的边缘分布,运用Copula对SHFE和LME期铝市场进行实证研究发现,椭球Copula只能反映某些类型的相关性,M-Copula对金融市场相关性的描述更全面.     

基于Copula函数的深市行业间的尾部相关性分析

采用Copula函数进行相关分析,能够测度到变量间的非线性、非对称的相关关系,特别是容易捕捉到变量分布的尾部相关关系。基于此分别采用Clayton Copula函数和Gumbel Copula函数对深市各行业间的尾部相关性进行分析。结果表明,除了服务行业外,其他行业之间均具有显著的非对称的尾部相关性。     

基于Copula方法的极值洪水频率与风险分析

洪灾风险分析中的一项重要内容是关于洪水发生概率(频率)的估计。以湖南省四大水系中的四个站点50多年的年最高水位数据为基础,结合常用于灾害分析中的分布模型估计出每个站点的洪水频率分布,再利用Copula函数模型得到两两水系间水位协同变化的联合分布函数,进而估计每两条河流同时发生洪水灾害的概率。     

基于Copula的最优投资组合探讨

文章以马克维茨的投资组合理论为基础,在均值-方差模型中引入Copula理论,使用Copula函数导出的时变KendallΥ 来代替传统的线性相关系数对相关性进行测度,求解基于Υ的最优投资组合模型,得到最优投资组合对应的方差,并且在此基础上与均值一方差模型下求解的结果进行比较.     

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Copula函数的空间统计模型估计与应用

在空间数据分析中,由于空间预测在很大程度上依赖于对空间变化的现象分布的假设,因此建立空间数据分布模型是非常重要的问题.Stein(1999)指出,传统的方法利用变差函数描述插值的空间依赖性结构和基于似然方法的模型相比是相当不精确的.对于非正态分布的空间数据而言,Copula函数提供了一种可以分别指定相关结构和边缘分布而建立联合分布的可能性.文章基于Copula函数的非正态分布数据的空间插值方法,讨论模型参数的极大似然估计并运用生态环境数据进行实证研究.