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.     

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。     

主要股票指数的联动分析

  股票指数作为一种统计指数,其本质功能是用平均值的变化来描述股票市场的动态 变化,这是任何一种股票指数都 必须具备的基本功能。在现实中经常发现的几大股票市场的指数是先行的指数,存在着某种互相影响的关系,市场参与者都努力寻求如何通过股票市场的指数的变化去建立各国股票市场波动关系模型。本文通过对几个主要股票市场间的影响关系研究,做出一些实证分析。 本文所使用的数据都取自复旦大学的路透信息系统。使用1998-9-29到2000-10-23的道琼斯指数、恒生指数、纳斯达克指数、日经指数与上证指数数据,其中截掉了各个市场未同时开市的数据留下423个日数据用于分析。用LnDJ、LnHs、LnNs、LnRJ、LnSZ分别代表道琼斯指数、恒生指数、纳斯达克指数、日经指数、上证指数取完自然对数的序列。     

极端事件下尾部风险度量的比较分析

金融市场极端事件的接连发生使人们不得不试图对这些极端事件,即对尾部风险做出精确的判断和预测.本文采用广义Pareto方法,对风险价值(VaR),预期损失(ES)进行的估计,并引进Omega新风险指标计算其分布的尾部特性.将这些方法应用到上证指数的实证分析中进行比较研究.     

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。     

基于STAR-Copula模型的大数据指数风险相关性测度

文章采用平滑转移连接模型,在大数据条件下,对大数据i100、大数据i300、上证指数和深证指数的风险相关性进行分析研究.结果表明大数据i300和上证指数间具有较为紧密的相关关系,大数据指数和沪深指数的下尾相关系数均高于上尾相关系数,利益相关者和政策决策者需要充分关注股票市场连续下跌的风险.     

多维copula函数的一种随机变量模拟生成方法

在对Archimedean copula函数性质分析的基础上,文章给出了多维copula函数的分布函数的一种计算方法,此方法的给出为多维copula函数的模型选择提供了方便,另外,基于多维copula函数的分布函数的表达式又引出了一种三维随机变量模拟生成的方法,并且通过实证分析显示此方法给出的模拟值和真实值较为接近.     

金融市场异方差模型及实证研究

文章介绍了两类异方差模型并对上证指数进行实证研究,通过研究表明上证指数日收益率序列具有明显的高峰厚尾特性和非对称性,且收益率平方具有自相关性.对两类模型进行了比较分析,结果显示:无论是从日收益率的峰度来看,还是从平方收益率序列的自相关函数的描述采看,SV模型都优于GARCH模型.     

均值尾部相关系数及其在金融领域的应用

传统尾部相关系数用于刻画变量之间的极值相关性,但这种相关系数存在对相关性信息刻画不完全的问题。为能够捕获更多的非极值相关性信息,本文提出均值尾部相关系数的概念,研究了均值尾部系数同Copula理论之间的关系,并以t Copula为例分析了四种均值尾部相关系数的变化特征。通过将均值尾部相关系数和传统尾部相关系数分别应用于沪深股市的相关性研究,从实证角度验证了这种相关系数的实用价值。     

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理论的尾部相关性分析

根据沪深股市非线性的特征,文章利用Kendall秩相关系数与Copula函数之间的关系．对Copula函数的参数进行估计。通过P—P图和K—S检验选择最优的Clayton Copula函数来度量上证A股、深证A股和沪深300指数之间的尾部相关性。由实证结果验证表明,Clayton Copula函数在度量尾部相关性上有所侧重,上尾相关系数趋近于1,下尾相关系数趋近于0;且沪深300指数对组合的尾部风险影响较大。     

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的沪、深、港股票市场的组合风险度量

文章在"推出股指期货和融资融券"的新政策下,结合t-EGARCH模型和Copula方法,利用上证综指、深证成指以及恒生指数对沪、深、港股票市场进行了分析.该模型能更好地捕捉资产间的非线性相关性,更符合现实市场.在此基础上,利用蒙特卡洛模拟计算股指投资组合的VaR及CVaR,从而验证了模型的有效性.     

运用Copula方法对债市相关性的测度

本文引入一种新的相关性分析工具——Copula方法对交易所债市相关性进行分析,探讨协整关系、传统线性相关关系与Copula理论中尾部相关性之间的联系。通过对交易所债市和股市进行实证,得出了具有协整关系及线性相关程度较大的市场不一定具有较大的尾部相关性的结论,为组合投资风险管理提供了重要参考依据。     

我国行业间尾部风险溢出的测度及时空驱动因素研究

基于经济金融的共生共荣关系,本文采用LASSO分位数回归构建我国金融与实体行业间的尾部风险网络,利用复杂网络分析法对行业间尾部风险溢出进行测度分析,并从时空两个维度探讨行业尾部风险溢出的驱动因素。研究结果显示,第一,我国经济金融系统中的31个行业形成了“牵一发而动全身”的尾部关联网络,金融行业间、实体行业间以及金融与实体行业之间均存在密切的尾部关联,而且在与实体行业的互动中,金融行业内部存在结构性不平衡。第二,经济金融系统中的风险传染源既可能来自金融行业,也有可能来自实体行业,银行、医药生物、计算机和建筑装饰是经济金融系统中重要的“风险驱动者”。第三,在空间维度上,行业间投入产出关联越密切,其尾部风险溢出水平越高,且相比前向关联,后向关联对行业间尾部风险溢出的解释力更强,即尾部风险主要沿产业链从下游向上游行业进行逆向传导;两两行业间的收益相关性和波动相关性越高,尾部风险溢出越强;行业自身风险水平越高,其接收其他行业的尾部风险溢出越强。在时间维度上,宏观经济环境和融资环境是行业尾部风险溢出动态变化的主要驱动因素。     

货币政策、通货膨胀与股票资产价格波动研究

文章以2006年1月至2011年12月为样本区间,以上证指数的收盘价为因变量、狭义货币供给(M1)增长率、汇率、消费价格指数及滞后一期上证指数为自变量建立回归方程,结果显示,模型拟合良好,平均而言上证指数89.7％的变动能被自变量的变动所解释,且残差不存在自相关和异方差.其中,消费价格指数与上证指数成负相关,而狭义货币供给(M1)增长率、汇率和滞后一期的上证指数与上证指数成正相关,结论符合预期且有现实意义.     

宏观经济景气指数与上证指数的互动性研究

文章选取2004年3月至2015年5月的月度数据,分析股市与宏观经济之间的动态关系.在对股票指数与相应影响因素的描述性分析基础上,选择上证指数、宏观景气指数和CPI指标,进行了计量分析并建立向量误差修正模型.结果显示,CPI对上证指数影响较大,且不断增加,宏观景气指数对上证指数产生正的冲击,但作用较小.     

基于Copula函数的CPI与GDP相关性研究

GDP与CPI分别作为衡量经济发展与通货膨胀的重要指标,其相关性分析直接影响宏观经济政策的制定.文章利用阿基米德Copula函数对1992-2015年CPI与GDP的季度同比增长率进行研究,分析了CPI与GDP之间的相关性与尾部特征.研究表明,CPI与GDP增长率的变化是一致的,即CPI与GDP之间存在正向相关关系.