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.     

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。     

基于Copula函数的二维时间序列条件相依性研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,研究二维时间序列的相依结构,要考虑时间序列之间的相互影响与时间上的记忆效应。文章先从时间序列之间的相依关系出发,结合条件概率的理论建立基于Copula函数短期相依关系模型,提出了模型参数的三阶段极大似然估计方法。     

基于Copula函数风险控制的贷款组合优化模型

文章运用Copula函数拟合贷款收益率联合分布函数,通过K-S检验选择最优Copula函数度量贷款间的违约相关性,建立基于Copula函数风险控制的贷款组合优化模型。优化模型避免了由极端事件发生引起贷款同时违约的高风险;解决了现有研究基于收益率服从正态分布假设存在低估风险的问题;解决了采用联合违约概率度量违约相关性时由于违约数据稀少而影响模型精度的问题。     

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.     

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.     

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…     

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.     

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.     

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.     

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.     

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.     

Copula函数在本科课程设置中的应用

为了分析统计学专业本科课程设置情况,文章应用Copula函数对温州大学统计学专业的学生成绩为例进行了分析,分析了专业必修课、专业选修课、公共基础课、方向模块课与总成绩之间的关系,从而根据统计学专业的培养目标对课程建设及改革提出方向.     

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。