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。     

基于多维t-Copula函数的投资组合的CVaR分析

文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文提出的模型度量资产的风险,可以使投资者选择的资产更加稳健;同时也有利于投资者对投资组合整体风险进行分散和监管.     

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。     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管.     

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断.C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性.采用Czado等提出的选择准则决定C-Vine模型的具体分解形式.利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族.利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数.最后,通过实例来研究序列间的相关性和相互影响.     

基于SV-Copula模型的相关性分析

内容提要: 本文结合SV模型和Copula技术,建立两变量金融时间序列的Copula-SV模型,并以上海综合指数和深圳成分指数为例利用建立的模型进行分析,根据采用不同的Archimedean Copula函数,通过使用K-S检验说明用Clayton Copula研究上证综指和深圳成指的下尾相关性,用Gumbel Copula研究上证综指和深圳成指的上尾相关性是合适的,从而风险管理者就可以根据尾部相关性,定量的研究两个市场的相关性及预测市场的变化。     

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.     

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.     

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。     

Improving The Efficiency of The Case-Crossover Design

The case-crossover design has been used by many researchers to study the transient effect of an exposure on the risk of a rare outcome. In a case-crossover design, only cases are sampled and each case will act as his/her own control. The time of failure acts as the case and non failure times act as the controls. Case-crossover designs have frequently been used to study the effect of environmental exposures on rare diseases or mortality. Time trends and seasonal confounding may be present in environmental studies and thus need to be controlled for by the sampling design. Several sampling methods are available for this purpose. In time-stratified sampling, disjoint strata of equal size are formed and the control times within the case stratum are used for comparison. The random semi-symmetric sampling design randomly selects a control time for comparison from two possible control times. The fixed semi-symmetric sampling design is a modified version of the random semi-symmetric sampling design that removes the random selection. Simulations show that the fixed semi-symmetric sampling design improves the variance of the random semi-symmetric sampling estimator by at least 35% for the exposures we studied. We derive expressions for the asymptotic variance of risk estimators for these designs, and show, that while the designs are not theoretically equivalent, in many realistic situations, the random semi-symmetric sampling design has similar efficiency to a time-stratified sampling design of size two and the fixed semi-symmetric sampling design has similar efficiency to a time-stratified sampling design of size three.