本文關(guān)鍵詞： 幾何加權(quán)平均混合Copula 最小二乘估計 Gibbs抽樣 GARCH　出處：《華南理工大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著金融全球化和金融創(chuàng)新步伐的加快，金融市場的風(fēng)險分析發(fā)展很快，Copula函數(shù)成為一種新興的金融分析工具。由于Copula可以捕捉變量間非線性、非對稱及尾部相關(guān)性，為投資者提供競爭優(yōu)勢和可觀收益，故在國內(nèi)外得到廣泛應(yīng)用。但簡單的Copula函數(shù)適合特殊情形的金融市場，與現(xiàn)實(shí)復(fù)雜的金融市場仍存在較大差別�；旌螩opula函數(shù)不僅可以用來描述股票市場之間上尾相關(guān)、下尾相關(guān)和對稱相關(guān)三種模式，還可以描述金融市場之間上尾、下尾相關(guān)并存的非對稱相關(guān)模式，與具有復(fù)雜相關(guān)關(guān)系的金融市場更加接近。而我們常見的是線性Copula混合模型，本文提出一種新的Copula混合模型-幾何加權(quán)平均混合模型。 本文的重點(diǎn)是要驗(yàn)證該混合模型在實(shí)證中的有效性。本文以2007年1月4日到2012年12月31日金融和地產(chǎn)日收盤價指數(shù)收益共1460組數(shù)據(jù)為例，從以下方面進(jìn)行模型構(gòu)建： (1)邊緣分布的確定。由于邊緣分布不是本文考察的重點(diǎn)，故選取常用的GARCH(1,1)-t模型。但作為異方差模型必須首先進(jìn)行ARCH效應(yīng)檢驗(yàn)，本文選取殘差平方的相關(guān)圖檢驗(yàn)法。 (2)Copula函數(shù)參數(shù)的確定。為了采用Genest and Rivest非參數(shù)估計單一Copula模型的參數(shù)，本文總結(jié)出阿基米德Copula函數(shù)中kendall’s秩相關(guān)與參數(shù)的關(guān)系式。而混合模型中未知參數(shù)較多，，包括單一Copula函數(shù)中的參數(shù)和權(quán)重兩大類。針對參數(shù)的研究，本文提出了最小二乘估計法與Gibbs抽樣，有效地解決模型中參數(shù)確定問題。 (3)模型的有效性檢驗(yàn)。通過聯(lián)合分布直接求VaR相對比較復(fù)雜，本文結(jié)合MonteCarlo模擬近似估計幾種模型的聯(lián)合分布VaR，并對它們分別進(jìn)行后驗(yàn)測試。 通過分析后驗(yàn)測試結(jié)果，我們發(fā)現(xiàn)相對單一Copula模型而言，該混合Copula模型的失效天數(shù)相對較少。作為一種新型的混合模型，它提高了風(fēng)險預(yù)測的精度，從而比較真實(shí)地描述投資組合的風(fēng)險，具有一定的經(jīng)濟(jì)價值。
[Abstract]:With the acceleration of financial globalization and financial innovation, the risk analysis of financial markets has developed rapidly. Copula function has become a new financial analysis tool. Because Copula can capture the nonlinear, asymmetric and tail correlation between variables. It is widely used at home and abroad because it provides investors with competitive advantage and considerable income. But the simple Copula function is suitable for special financial market. The mixed Copula function can be used not only to describe the upper tail correlation, lower tail correlation and symmetric correlation among stock markets, but also to describe the upper tail of financial markets. The asymmetric correlation model with coexisting lower tail correlation is closer to the financial market with complex correlation, but we often use the linear Copula mixed model. In this paper, a new Copula hybrid model, geometric weighted average hybrid model, is proposed. The focus of this paper is to verify the validity of the hybrid model. This paper takes 1460 groups of financial and real estate daily closing index returns from January 4th 2007 to December 31st 2012 as an example to build the model from the following aspects:. (1) the determination of edge distribution. Because the edge distribution is not the focus of this paper, we select the commonly used GARCHN 1GARCHN 1T model. However, as a heteroscedasticity model, we must first test the ARCH effect, and select the correlation graph test method of the residual square in this paper. In order to use Genest and Rivest to estimate the parameters of a single Copula model, the relationship between kendall's rank correlation and parameters in Archimedes Copula function is summarized in this paper. There are two kinds of parameters and weights in a single Copula function. In this paper, the least square estimation method and Gibbs sampling are proposed to solve the problem of parameter determination in the model. It is relatively complex to obtain VaR directly by joint distribution. In this paper, the joint distribution of several models is estimated by using MonteCarlo simulation approximation, and a posteriori test is carried out on each model. By analyzing the results of a posteriori test, we find that the failure days of the hybrid Copula model are relatively small compared with a single Copula model. As a new hybrid model, it improves the accuracy of risk prediction. Therefore, it is of certain economic value to describe the risk of the investment portfolio more truthfully.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F830.91;O212.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘波;張鵬;;Copula選擇方法[J];重慶工學(xué)院學(xué)報(自然科學(xué)版);2009年05期

2 韋艷華,張世英;金融市場的相關(guān)性分析——Copula-GARCH模型及其應(yīng)用[J];系統(tǒng)工程;2004年04期

3 謝福座;;基于GARCH-Copula-CoVaR模型的風(fēng)險溢出測度研究[J];金融發(fā)展研究;2010年12期

4 龔金國;李竹渝;;非參數(shù)核密度估計與Copula[J];數(shù)理統(tǒng)計與管理;2009年01期

5 高岳;朱憲辰;;時變t-copula蒙特卡羅模擬的亞洲股指組合風(fēng)險研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2010年03期

6 張堯庭;我們應(yīng)該選用什么樣的相關(guān)性指標(biāo)?[J];統(tǒng)計研究;2002年09期

7 歐陽資生;王非;;基于Copula方法的國債市場相依風(fēng)險度量[J];統(tǒng)計研究;2008年07期

8 韋艷華;張世英;;金融市場動態(tài)相關(guān)結(jié)構(gòu)的研究[J];系統(tǒng)工程學(xué)報;2006年03期

9 劉志東;;基于Copula-GARCH-EVT的資產(chǎn)組合選擇模型及其混合遺傳算法[J];系統(tǒng)工程理論方法應(yīng)用;2006年02期

10 史道濟(jì),姚慶祝;改進(jìn)Copula對數(shù)據(jù)擬合的方法[J];系統(tǒng)工程理論與實(shí)踐;2004年04期

相關(guān)碩士學(xué)位論文 前4條

1 肖璨;基于Copula方法的二元組合風(fēng)險模型與應(yīng)用研究[D];電子科技大學(xué);2007年

2 尤芳;混合模型的參數(shù)估計[D];蘇州大學(xué);2006年

3 周心蓮;基于Copula理論的投資組合VaR研究[D];武漢理工大學(xué);2007年

4 錢小瑞;一種構(gòu)造二元Copula的新方法[D];西南交通大學(xué);2008年

本文編號：1532662