基于Copula模型的棉花收入保险费率测算研究

推行棉花收入保险有助于维护我国棉花产业的稳定发展.本文以新疆棉花为研究对象,设定棉花期货市场为有效市场,采用棉花单产及11月棉花期货合约价格,测算了棉花单位面积产量风险及价格风险,运用ClaytonCopula模型模拟了两变量的联合风险分布,测算了4种不同保障收入及其不同保障水平下的收入保险费率.研究发现:模拟的每亩棉花期望收入具有合理性,在棉花总成本75％的保障水平以下试行收入保险具有可行性,测算结果具有一定的实践指导价值.     

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.     

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.     

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.     

基于广义线性混合模型的经验费率厘定

信度模型是非寿险精算学中最为重要的成果.从20世纪初至今,信度理论先后经历了两个发展阶段:一是早期的有限波动信度模型;二是目前的最大精确信度模型.有限波动信度模型强调结果的稳定性,而最大精确信度模型强调结果的精确性.因此建立信度模型与广义线性混合模型之间的联系,通过对信度模型的分解可以看到:传统的信度理论对风险的刻画方法与广义线性混合模型的结构有极其相似的地方,故可以用广义线性混合模型来厘定经验费率.     

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。     

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.     

基于贝叶斯偏态线性混合模型的费率厘定

线性混合模型是非寿险费率厘定的主要方法之一。通常的线性混合模型假设随机误差项服从正态分布,而保险损失数据往往具有右偏特征,这使得该模型在非寿险费率厘定中的应用受到一定影响。在通常的线性混合模型基础上,假设随机误差项服从偏态分布,即可建立偏态线性混合模型,从而改善费率厘定结果的合理性。基于一组实际的保险损失数据,应用贝叶斯MCMC方法建立几个不同的偏态线性混合模型,并与正态分布假设下的线性混合模型进行对比,实证检验偏态线性混合模型在非寿险费率厘定中的优越性。     

引入所得税的Merton模型存款保险定价研究

存款保险定价是存款保险制度建设中的核心内容,合理的保费厘定关乎存款保险制度的建立和存款机构的参与程度。从传统的Merton模型入手,在模型中引入了存款机构和保险公司所得税因素,将税盾效应应用于存款保险的定价中,建立了拓展的Merton模型。选取国内10家上市银行为样本,测算存款保险的保费费率,通过费率间的比较分析,得出引入所得税的拓展的存款保险定价模型能够明显降低保费费率,税盾效应显著。从风险测算和分阶段建立存款保险制度两个方面提出相关建议。     

Mixed Marginal Copula Modeling

ABSTRACT

This article extends the literature on copulas with discrete or continuous marginals to the case where some of the marginals are a mixture of discrete and continuous components. We do so by carefully defining the likelihood as the density of the observations with respect to a mixed measure. The treatment is quite general, although we focus on mixtures of Gaussian and Archimedean copulas. The inference is Bayesian with the estimation carried out by Markov chain Monte Carlo. We illustrate the methodology and algorithms by applying them to estimate a multivariate income dynamics model. Supplementary materials for this article are available online.     

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Copula-EVT模型的巨灾再保险定价

基于巨灾损失具有厚尾分布的特征,采用POT极值模型分别估计两个保险标的的边缘分布,并用二元Copula函数刻画这两个标的的关联性,同时应用Monte Carlo模拟方法估算巨灾再保险的纯保费。通过对洪水损失数据的实证分析表明:Clayton Copula函数能较好地反映两标的间的相关结构;起赔点的设定是影响纯保费的重要因素,且起赔点按条件分位点取值更优更合理。研究结果对保险人开发多元保险标的的巨灾再保险具有重要的参考价值。     

MCMC方法下最优Copula的估计及选取

针对目前Copula函数在实际中的应用问题,介绍了一种基于马尔科夫链蒙特卡罗方法（MCMC）的Copula函数估计及选取方法,并将该方法与目前常用方法进行系统比较,最后对上证综合指数和深证成分指数进行了实证分析,结果体现了该法的有效性。     

基于极值理论与藤式Copula模型的多市场投组合选择

文章选取能源类资产、股票、黄金以及美元等六种资产作为研究对象,借助藤式Copula模型,结合极值理论,通过研究不同类型市场的金融资产间的相依性和组合波动风险,以检验藤式Copula模型对投资组合在险价值预测的效果.     

基于连续混合正态分布的期货定价偏差研究

挖掘期货理论价格和实际价格之间的关系有助于提高期货市场定价效率、发挥期货价格发现功能。基于持有成本定价模型计算期货定价偏差,利用连续混合正态分布模型对定价偏差的分布进行拟合,先采用基于牛顿迭代的极大似然估计法对未知参数进行估计,再进一步利用模拟退火算法对牛顿迭代的结果进行优化。结果发现,模拟退火算法可以有效提高估计精度,连续混合正态分布模型能够更好地拟合期货定价偏差分布。     

基于Copula方法处理随机前沿模型的正偏度问题

随机前沿模型在小样本情形下容易出现正偏度问题,无法给出厂商技术效率的合理估计值。放松经典模型中关于复合扰动项的相互独立假设后,基于Copula方法刻画白噪声项与技术无效率项之间的相关性,采用数值模拟方法计算模型参数与厂商技术效率的估计值。蒙特卡洛实验表明,此估计策略具有良好的大样本性质,较之经典模型拥有更高的估计精度,能够在出现正偏度问题时给出合理的技术效率估计值,且估计结果在不同的Copula函数选择下保持着较好的稳健性。