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。     

基于阿基米德Copula度量VaR的蒙特卡罗法

文章以混合正态分布的形式拟合单个金融资产收益分布,采用阿基米德Copula结构度量投资组合的相关关系,改进了传统的蒙特卡罗法并给出了相应算法.利用上证综指和深证成指进行实证研究的结果表明,较之传统方法,用阿基米德Copula结构的蒙特卡罗法度量投资组合的风险值更为有效.     

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。     

Copula回归模型与应用

文章探讨Copula回归模型应用于具有相关关系的指标时的优势,通过示例分析,揭示了用Copula回归模型与普通回归模型对数据拟合的不同,表明了当不同指标间存在相关关系时,Copula回归模型能更加客观准确地反映数据背后的关系.     

阿基米德Copula函数的拟合检验

文章在介绍了Archimedean Copula函数拟合检验的已有两种方法的基础上建立了两个新的检验方法--基于一种函数变换的K-S检验法与基于随机向量变换的χ2拟合优度检验法,并进行了模拟检验,从模拟检验的过程及结果可以看出,所建立的两个新检验法具有良好的效果,基于随机向量变换的χ2拟合优度检验法更严格且符合实际。     

基于动态Copula方法的股票组合VaR估计

已有的使用动态时变Copula估计VaR的研究都仅限于考虑两个资产,对两个资产以上,Copula函数的参数过多,逐一设定参数的动态过程,将使模型复杂化,在计算上也不可行.为解决这一问题,文章使用条件Copula的概念,结合Engle的DCC方法,将椭球Copula的相关系数矩阵动态化,并将t-Copula的自由度设定为一动态过程的Logistic变换,由此得到的动态正态Copula和t-Copula可用于刻画两个以上资产相关结构的动态关系,进而可估计两个以上资产组合的VaR.文章还给出了一个经验应用.     

Copula函数模型的选择

Copula理论在统计及金融分析中有着广泛的应用.目前Copula函数在实际应用中的一个关键问题是函数模型的选择.文章通过实例对Copula函数模型的选择问题进行了探讨,验证了各种方法的有效性.     

股票组合VaR估计：基于动态Copula方法

已有的使用动态时变Copula估计VaR的研究都仅限于考虑两个资产,对两个资产以上,Copula函数的参数过多,逐一设定参数的动态过程,将使模型复杂化,在计算上也不可行。为解决这一问题,文中使用条件Copula的概念,结合Engle的DCC方法,将椭球Copula的相关系数矩阵动态化,并将t-Copula的自由度设定为一动态过程的Logistic变换,由此得到的动态正态Copula和t-Copula可用于刻画两个以上资产相关结构的动态关系,进而可估计两个以上资产组合的VaR。最后,文章给出了一个经验应用。     

基于动态Copula的社保基金投资风险测度

考虑到现阶段社保基金主要投资于股票和债券,以“社保重仓”和国债指数构建投资组合代表社保基金投资组合,基于GARCH-时变copula模型测度社保基金投资组合的动态风险。实证研究发现：“社保重仓”和国债指数间的相关性具有较强的持续性,两者间相关性的变化与股市的波动具有一致性;时变Copula模型的VaR预测效果优于非时变模型,时变t-Copula的建模效果最好;以经风险调整的收益率（R-vaR）为判断标准,若4％的社保基金投资于股票,96％的投资于债券,社保基金投资达到了最优组合。     

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。     

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函数的随机性期望赔付法

未决赔款准备金评估的随机性方法逐渐得到重视,而考虑赔款数据的相关性可提高准备金评估的精确性。在确定性期望赔付法的基础上,提出一种基于阿基米德Copula函数的随机性期望赔付法;在准备金评估中利用核密度估计实现进展因子的随机化,并在此基础上应用阿基米德Copula函数分析两类赔款数据相关性的问题;利用R软件模拟总损失准备金的分布,研究表明该方法相比传统的期望赔付法具有更强的灵活性,其结果也更符合实际。     

极值Copula在商业银行操作风险度量中的应用

本文主要内容是针对新巴塞尔协议把商业银行操作风险纳入风险量化和监管领域,应用极值Copula函数分析我国商业银行各类操作风险之间的相依结构,将操作风险度量从一维拓展到多维。目前对所有的事件类型值简单加总求得操作风险的总资本要求,没有考虑事件类型之间的相关性,这与实际情况是不符合的。为此本文在分析我国商业银行各类操作风险之间的相依性的基础上,运用极值Copula函数建立实际操作风险的相依结构,构建计算操作风险总VaR值的极值Copula模型。     

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.     

基于混合Copula模型的水稻保险费率厘定

模拟产量风险和价格风险的联合分布是农业收入保险费率厘定的重点和难点。借助核密度估计方法和混合Copula模型研究了水稻产量和价格风险因子的联合分布并厘定了产量、价格和收入三种保险的纯费率。研究表明:(1)与单一Copula函数相比,混合Copula模型更适合拟合多风险因子的联合分布。(2)早稻价格风险导致的收入损失高于产量风险导致的收入损失,中稻和晚稻产量风险导致的收入损失高于价格风险导致的收入损失。(3)由于产量风险和价格风险的对冲,江苏、安徽、江西、河南、贵州和广西具备了在中稻、晚稻主产区试点收入保险的客观条件。(4)在100%的保障水平下,中国水稻产区早稻收入险纯费率为8.60%～12.84%、中稻收入险纯费率为5.89%～12.07%、晚稻收入险纯费率为4.59%～7.94%。     

基于加权自回归隐马尔科夫模型的语音识别

对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从而获得隐状态输出。这种方法可以充分利用已有的观察数据,适合于实际随机性较强的语音信号的识别。实验结果证明了提出方法的有效性。     

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Copula函数的动态投资组合研究

文章以传统的投资组合理论为基础,将Copula理论引入到均值一方差模型中来,用Copula函数导出的时变Kendall的tau相关性测度代替线性相关系数,求解投资组合最小方差模型,得到最优投资比例和投资收益,并在此基础上与线性相关下求解的结果进行比较.     

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MSGARCH-Mixture Copula模型的离、在岸人民币利率风险溢出研究

人民币国际化进程不断推进,沪港通等相关举措的实施对提高中国金融市场开放程度和完善离、在岸利率传导机制等做出了贡献,因此,探究两岸人民币利率市场间的风险溢出效应对促进利率市场化和维护金融稳定具有重要意义。以沪港通正式启动为节点,将研究样本划分为资本单向开放和资本双向开放两个阶段,运用单(双)状态结合的马尔科夫状态转换GARCH(MSGARCH)模型对收益率序列进行边缘拟合,在此基础上构建混合Copula模型分析离、在岸人民币同业拆借利率之间的相关性,最后通过CoES和CoVaR实现两者之间风险溢出的有效测度。实证结果表明：人民币在岸与离岸利率间整体呈正相关性,其中对于短期期限品种两者相关性较弱,且其在资本双向开放阶段相关性小幅增强,中长期期限的利率与之相反;各利率对的ΔCoVaR绝对值均低于ΔCoES绝对值,传统的CoVaR模型相较于CoES模型可能会低估各利率对之间的风险溢出;分析%CoES和%CoVaR发现,各期限的Shibor与CNH Hibor间在两个资本开放阶段均具有双向的风险溢出效应,对于两岸短期利率市场间的风险溢出而言,在岸较离岸在资本单向开放时期具有明显优势;资本的双向开...