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。     

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。     

运用Copula方法对债市相关性的测度

本文引入一种新的相关性分析工具——Copula方法对交易所债市相关性进行分析,探讨协整关系、传统线性相关关系与Copula理论中尾部相关性之间的联系。通过对交易所债市和股市进行实证,得出了具有协整关系及线性相关程度较大的市场不一定具有较大的尾部相关性的结论,为组合投资风险管理提供了重要参考依据。     

系统性风险度量CoES的建模和检验

本文结合极值理论(Extreme Value Theory,EVT)和新的动态混合Copula(Dynamic Mixture Copula,DM-Copula)函数,提出了一种新的CoES估计方法DM-Copula-EVT。在EVT建模中,本文改进了阈值的选取方法以避免选择的主观性,并提出了一系列新的动态混合Copula以更好地刻画金融市场日益复杂的尾部关联性。此外,本文首次提出了检验CoES模型设定正确性的后验分析方法,包括无条件覆盖性检验和条件覆盖性检验。将本文建模和检验方法应用于我国金融市场,研究发现:相对于传统使用的t分布,EVT能更好地拟合指数的尾部分布;新的动态混合Copula函数能更好地刻画金融部门与系统之间的复杂关联性。     

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。     

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.     

上证指数收益率的尾部相关性研究

对上证指数收益率与成交量之间的尾部相关性进行了研究,利用Gumbel-H copula函数、极大似然估计法、二元极值Logistic模型等多种方法研究收益率与成交量之间的相关强度.结果表明:两序列尾部渐近相关,但相关度不是很强.     

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。     

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.     

上证指数与恒生指数的copula尾部相关性研究

文章结合多分辨率小波分析方法和Copula技术对上证指数与恒生指数的尾部相关性进行了分析.重点利用Archimedean copula函数族中的Gumbel copula,探讨了上证指数与恒生指数收益率在不同尺度上分解后的数据的上尾部相关性.通过量化的尾部相关性揭示了股票市场的变化.     

Nonparametric Tail Copula Estimation: An Application to Stock and Volatility Index Returns

In this study, we measure asymmetric negative tail dependence and discuss their statistical properties. In a simulation study, we show the reliability of nonparametric estimators of tail copula to measure not only the common positive lower and upper tail dependence, but also the negative “lower–upper” and “upper–lower” tail dependence. The use of this new framework is illustrated in an application to financial data. We detect the existence of asymmetric negative tail dependence between stock and volatility indices. Many common parametric copula models used in finance fail to capture this characteristic.     

Modeling Dependence in High Dimensions With Factor Copulas

This article presents flexible new models for the dependence structure, or copula, of economic variables based on a latent factor structure. The proposed models are particularly attractive for relatively high-dimensional applications, involving 50 or more variables, and can be combined with semiparametric marginal distributions to obtain flexible multivariate distributions. Factor copulas generally lack a closed-form density, but we obtain analytical results for the implied tail dependence using extreme value theory, and we verify that simulation-based estimation using rank statistics is reliable even in high dimensions. We consider “scree” plots to aid the choice of the number of factors in the model. The model is applied to daily returns on all 100 constituents of the S&P 100 index, and we find significant evidence of tail dependence, heterogeneous dependence, and asymmetric dependence, with dependence being stronger in crashes than in booms. We also show that factor copula models provide superior estimates of some measures of systemic risk. Supplementary materials for this article are available online.     

基于Copula方法的国债市场相依风险度量

本文讨论了如何利用Copula连接函数对多元金融数据的相依结构进行统计建模,首先对几种常用的Copula连接函数进行了介绍,分析了不同边际分布和不同Copula函数的选取对联合分布产生的影响,然后讨论了Copula函数的选取和其参数的估计问题,最后利用我国国债数据进行实证分析,得到了不同组合的风险值。     

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。     

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。     

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。     

Bivariate Tail Dependence and the Generation of Multivariate Extreme Value Distributions

We define, in a probabilistic way, a parametric family of multivariate extreme value distributions. We derive its copula, which is a mixture of several complete dependent copulas and total independent copulas, and the bivariate tail dependence and extremal coefficients. Based on the obtained results for these coefficients, we propose a method to build multivariate extreme value distributions with prescribed tail/extremal coefficients. We illustrate the results with examples.     

Second order tail behaviour of randomly weighted heavy-tailed sums and their maxima

Abstract

In this paper the second order asymptotics of the tail probabilities of randomly weighted sums and their maxima are established in the case that the underlying primary random variables are subexponential. No any assumption is made on the dependence structure between the random weights, but we assume these weights are bounded away from zero and infinity.     

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。