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.     

回归检验在Copula函数选择中的应用

基于均匀分布的回归检验,文章从定量的角度出发给出Copula函数的一种检验方法,从而可以根据此方法在给定的copula函数中确定最优Copula函数.最后将此方法应用于国内的深证综指和上证A股指数进行了实证分析,结果证明此方法是有效的.     

已知Gini相关系数对Copula函数上界的改进

如果已知Copula函数的某些信息,通常其Frechet-Hoeffding上下界则可以进一步收窄。R.B.Nelson分别在已知Kendall相关系数tau、Spearman相关系数rho、Blomqvist相关系数beta的条件下,给出了Copula函数的上下确界。鉴此,在给定Gini相关系数gamma的条件下,证明Copula函数的上界也可以进一步变窄,并给出上确界的表达式。     

Archimedean Copula函数中参数的Bootstrap估计

文章给出Archimedean Copula函数中参数的Bootstrap估计.Bootstrap估计能对所有的Archimedean Copula函数中的参数进行估计,通过计算机模拟,把Bootstrap估计方法与和的非参数法进行了比较,说明Bootstrap估计的优越性.最后对上证基金和上证B股进行了实证分析,体现了Bootstrap估计的实用性.     

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。     

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.     

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.     

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.     

相关系数与连接函数

相关系数在统计及金融分析中有着广泛的应用,基于马克维茨的均值-方差理论以及现代衡量风险水平广泛应用的VaR方法等,相关系数都担当了一个重要的角色.本文对目前普遍存在的相关系数进行概括并分类,分析各类相关系数的特点,并在此基础上结合连接函数(Copula)进行分析,阐述Copula的概念、优点及其在相关分析中的应用.     

相关性分析中Copula函数的选择

Copula函数在金融分析和风险管理中有广泛的应用,利用Copula函数可以构建组合风险资产的联合收益分布和资产之间的相关性.在构建Copula模型时,一个关键的问题就是如何选择最佳的Copula来拟合实际的金融数据.文章分析了Copula函数选择困难的原因,指出了现有的似然准则选择方法的不足,提出了基于参数Bootstrap技术的对数似然准则检验方法,考虑了更大范围的Copula函数族群,利用模拟实验检验了该方法的选择能力,模拟结果表明对于没有尾部相关性的Copula函数和具有较小的尾部相关性的Copula函数可以较好地进行区分,而且也能区分大部分的具有较大尾部相关系数的Copula函数.同现有的只能区分常见的几类Copula的似然准则选择方法相比,文章提出的方法可以在更大范围内识别不同的Copula函数.     

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.     

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.     

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Copula函数度量违约相关性

一、问题的提出在现代信用分析中 ,信用风险计量模型可按其计量的风险层次分为三种类型 :一是单个交易对手或发行人的计量模型 ,二是信用资产组合层次的计量模型 ,三是信用衍生产品的计量模型。对于第一类模型 ,主要有基于期权定价技术的风险计量模型 ,基于风险价值 (VaR)的信用度量模型 ,基于保险思想的CSFP信用风险附加模型 ,以及麦肯锡公司的宏观模型。目前这一类模型的研究者较多 ,思想也较为成熟。而对于后两类模型 ,研究起来则相对复杂和困难的多。现代资产组合理论 (MPT)表明 :适当地利用资产之间的相关关系 ,可以有效地降低风险…     

基于Copula函数的金融时间序列模型述评

结合当前Copula函数及其应用的热点问题,着重评述了基于Copula函数的金融时间序列模型的应用。鉴于利用Copula可以将边际分布和变量间的相依结构分开来研究这一优良性质,在设定和估计模型时便显得极为方便和灵活。从模型的构造、Copula函数的选择、模型的估计以及拟合优度检验等几方面展开阐述和评价,介绍了Copula模型在金融领域中的几类应用,并对Copula理论和应用的新视角进行了展望。     

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.     

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。     

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。     

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.