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.     

基于多种Copula函数的沪新股市尾部相关性比较分析

投资组合理论要求在尽可能多的市场上进行投资组合,因而研究两个股票市场之间的尾部相关关系对全球投资组合和风险管理具有重要的意义.采用基于秩的极大似然估计法,分别采用静态和动态Copula函数对比研究上证综指和新加坡海峡时报指数收益序列的尾部相关关系,结果发现时变的SJC Copula函数较其他3种静态Copula函数的拟合效果好;两市股指收益序列的尾部相关关系不对称,存在显著的下尾相关,而上尾相关不明显,而且上证综指和海峡时报指数收益序列的下尾相关系数是不断变化的,并呈现出日益上升的趋势.     

沪深股市的互动关系

在已有研究的基础上,通过GARCH模型的实证分析后认为上证综指的历史信息可以反映出深圳综指当前走势,但上证综指的历史信息对于深圳成指的走势的预测不起作用;上证综指的非预期波动率对于深成指和深综指的波动率均有显著性的影响,两市表现出整体波动持续性.结合这两个结论,本文进一步认为出现联动现象是由政策造成的.     

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.     

金融时间序列间的条件相关性分析与Copula函数的选择原则

类似于通常的非线性相关性度量,文章建立了时间序列间的几个条件相关性度量;提出了相关性分析中Copula函数选择的两个原则;通过构建Copula-EGARCH模型,将两个金融资产间的条件相关性分析转化为标准化残差间的相关性分析。通过沪深股市之间的条件相关性实证研究发现,在常见的几种Archimedean Copula中GS Copula与BB1 Copula对金融市场相关性的描述具有良好的效果,能够较全面地反映两个市场之间各种非线性条件相关性,并且沪市与深市之间的条件相关性很强。     

基于Copula-GARCH模型的新兴产业与上证指数相依性研究

文章利用Copula-GARCH模型对2005年1月1日至2014年4月30日上证交易所新兴产业指数和上证综合指数进行建模,然后运用ARMA(1,1)-GARCH(1,1)-t模型,将边缘分布概率积分变化后的2个服从均匀分布的序列作为Copula模型的边缘分布,得到了较好的拟合效果.通过建立正态Normal Copula函数、t-Copula函数、Gumbel Copula函数、Clayton Copula函数和Frank Copula函数的5个二元Copula模型,并采用AIC法、BIC法、切比雪夫距离和欧式距离4种检验拟合优度的方法选择最优的t-Copula模型.同时利用GPD法对2个指数做了尾部相关性分析,发现下尾比上尾具有更好的相依性,说明极端情形(如金融危机)下两指数的涨跌幅度较大.     

基于Copula的金融市场的相关结构分析

本文用Copula描述金融市场间的相关结构,分析了一些Copula相关性方面的特点,构造比较灵活的M-Copula.结合GARCH模型和GPD来描述金融序列的边缘分布,运用Copula对SHFE和LME期铝市场进行实证研究发现,椭球Copula只能反映某些类型的相关性,M-Copula对金融市场相关性的描述更全面.     

VaR模型在我国沪、深股市风险度量中的实证

文章以上海和深圳证券交易市场为研究对象,选择2007年1月4日到2008年12月31日的上证综指和深证成指的每日收盘价共976个数据为样本,分别采用历史模拟法和方差-协方差法这两种常用的VaR模型对中国股票市场风险进行实证分析,并得出沪、深股市整体风险较大但深市又大于沪市及投资于证券市场组合可以分散投资风险的重要结论.     

基于Copula方法的干散货运费子市场尾部相关性分析

通过分析Copula函数的尾部相关性来揭示干散货巴拿马运费市场和好望角运费市场的相关性。实证结果表明,基于时变相关的二元对称Joe-Clayton(SJC)Copula对干散货运费子市场尾部相关性的拟合效果最好,而且当市场下降时,两个子市场表现出强而剧烈的相关性;市场上升时,二者表现出弱而平稳的相关性,因此基于不同船型的航线组合投资在市场上升时的效果优于市场下降。     

我国保险投资组合的模拟和金融风险测量研究

 本文利用Copula函数的概念研究了保险投资组合多元金融数据的统计模拟。根据我国保险投资的特殊性，我们选用沪深300指数、基金指数、企债指数和国债指数四种风险资产来模拟保险投资组合中的股票、基金、企债和国债收益。基于模拟的结果分别利用传统近似方法（Add-VaR、N-VaR和H-VaR）和Copula方法计算了投资组合的总风险；相对于Copula-VaR方法，Add-VaR显著高估了风险，N-VaR显著低估了风险，H-VaR对于Copula-VaR的近似效果比较好，但其也高估了风险，即H-VaR相对于Copula-VaR是一种比较保守的方法。另外，我们分析了投资组合权重变化和Copula函数的选择对投资组合总风险的影响。     

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。     

基于极值Copula的投资组合集成风险度量方法

 应用极值的阈值与峰值模型来度量单个资产的风险价值,用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构,比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值,结果说明：Gauss Copula函数对沪深指数收益率的相关结构拟合较好,阈值模型的极值Copula能较好的度量投资组合的集成风险值,在高置信度下（0.99以上）,基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近。直接加权的方法会高估投资组合的风险,假设沪深指数的收益率服从二元正态分布会低估风险。峰值法的集成风险值误差较大。     

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。     

基于Copula逼近法的股指相依结构研究

Copula在相依结构的研究中具有广泛的应用价值。对传统的Copula模型和Kallenberg提出的Copula逼近法进行了比较,并将其应用于中国股票指数数据的实证分析。结果表明：Copula逼近法可以较大程度地降低模型误差,从而改善Copula模型对中国股指相依结构的拟合效果。     

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。     

Using copulas for rating weather index insurance contracts

This study develops a methodology for a copula-based weather index insurance design. Because the copula approach is better suited for modeling tail dependence than the standard linear correlation approach, its use may increase the effectiveness of weather insurance contracts designed to provide protection against extreme weather events. In our study, we employ three selected Archimedean copulas to capture the left-tail dependence in the joint distribution of the farm yield and a specific weather index. A hierarchical Bayesian model is applied to obtain consistent estimates of tail dependence using relatively short time series. Our empirical results for 47 large grain-producing farms from Kazakhstan indicate that, given the choice of an appropriate weather index to signal catastrophic events, such as a severe drought, copula-based weather insurance contracts may provide significantly higher risk reductions than regression-based indemnification schemes.     

Semi‐Parametric Models for the Multivariate Tail Dependence Function – the Asymptotically Dependent Case

Abstract. In general, the risk of joint extreme outcomes in financial markets can be expressed as a function of the tail dependence function of a high‐dimensional vector after standardizing marginals. Hence, it is of importance to model and estimate tail dependence functions. Even for moderate dimension, non‐parametrically estimating a tail dependence function is very inefficient and fitting a parametric model to tail dependence functions is not robust. In this paper, we propose a semi‐parametric model for (asymptotically dependent) tail dependence functions via an elliptical copula. Under this model assumption, we propose a novel estimator for the tail dependence function, which proves favourable compared to the empirical tail dependence function estimator, both theoretically and empirically.     

相依结构、动态系统性风险测度与后验分析

本文利用Copula相依结构理论扩展和求解了现有的系统性风险测度CoVaR,以得到适用于不同类型常参数和时变参数Copula函数及不同分布假设的动态系统性风险测度。为了验证和评估模型设定的准确性与应用价值,我们构建了适用于该动态系统性风险测度CoVaR的严谨后验分析工具。除“无条件覆盖性”、“独立性”和“条件覆盖性”外,我们首次提出了“混合独立性”检验。基于中国14家上市商业银行的实证分析表明：中国上市商业银行与中国银行业之间的相依结构呈现多样化特征;无论是样本内还是样本外预测区间,我们的动态Copula-CoVaR模型能够有效地捕捉典型系统性风险事件;严谨的后验分析不仅需要检验系统性风险测度CoVaR,也需要检验条件事件的临界值VaR。