本文關(guān)鍵詞：混合Copula函數(shù)在相關(guān)數(shù)據(jù)分析中的應(yīng)用

  更多相關(guān)文章： Copula函數(shù) 相關(guān)性 EM算法 核密度估計

【摘要】：當今,隨著經(jīng)濟全球化以及金融市場的一體化,金融危機和金融波動頻繁發(fā)生,金融市場間的關(guān)系也變得復雜多樣化,因此,對金融市場相關(guān)性的研究越來越受到人們的關(guān)注。金融市場之間的相關(guān)模式多呈現(xiàn)非正態(tài)、非線性、非對稱和尾部相關(guān),而Copula函數(shù)對于解決變量間的相關(guān)性有其獨特的優(yōu)勢,已被廣泛應(yīng)用于金融領(lǐng)域。然而,金融市場是復雜多變的,傳統(tǒng)方法運用單一Copula函數(shù)理論上不能夠全面地刻畫金融市場之間的相關(guān)關(guān)系。而混合Copula模型把不同的Copula函數(shù)結(jié)合在一起,這樣能夠更好的描述變量間的相關(guān)關(guān)系。對于Copula函數(shù)的邊緣分布,往往是假定其服從某一特定分布或者采用某一特定的估計方法,在復雜的金融環(huán)境中,這樣的數(shù)據(jù)擬合會造成擬合失真。針對以上的問題,本文在前人的研究基礎(chǔ)上,對其進行了研究,主要研究內(nèi)容包括以下幾點。第一,為了更好的擬合數(shù)據(jù),本文選擇廣義Pareto分布估計Copula函數(shù)中邊緣分布函數(shù)的尾部分布,中間部分則用非參數(shù)核估計。第二,構(gòu)建單參數(shù)混合Copula模型和雙參數(shù)混合Copula模型,然后將單參數(shù)Copula、雙參數(shù)Copula、單參數(shù)混合Copula和雙參數(shù)混合Copula幾種模型進行對比,從而選擇最優(yōu)Copula函數(shù)模型。其中對于各Copula模型的參數(shù)估計采用極大似然估計,借助EM算法來解決參數(shù)估計問題。第三,將上述方法應(yīng)用于興業(yè)銀行和華夏銀行兩支股票市場,結(jié)果表明混合Copula模型整體比單參數(shù)及雙參數(shù)Copula模型擬合度高,單參數(shù)混合Copula模型擬合最優(yōu),興業(yè)銀行和華夏銀行具有較強的上尾相關(guān)性。
【關(guān)鍵詞】：Copula函數(shù) 相關(guān)性 EM算法 核密度估計
【學位授予單位】：中國石油大學(華東)
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51;O21
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 研究內(nèi)容及結(jié)構(gòu)安排11-13
• 第二章 基礎(chǔ)理論介紹13-26
• 2.1 Copula函數(shù)的定義和性質(zhì)13-15
• 2.1.1 Copula函數(shù)的定義13-14
• 2.1.2 Copula函數(shù)的性質(zhì)14-15
• 2.2 Copula函數(shù)的分類15-21
• 2.2.1 橢圓Copula函數(shù)和阿基米德Copula函數(shù)15-20
• 2.2.2 單參數(shù)Copula函數(shù)和雙參數(shù)Copula函數(shù)20-21
• 2.3 混合Copula模型21
• 2.4 基于Copula函數(shù)的相關(guān)性度量21-23
• 2.4.1 Kendall秩相關(guān)系數(shù)t21-22
• 2.4.2 Spearman秩相關(guān)系數(shù) r22
• 2.4.3 尾部相關(guān)系數(shù)22-23
• 2.5 廣義帕累托分布（GPD）23-24
• 2.6 厚尾分布的判斷24-26
• 第三章 Copula函數(shù)的參數(shù)估計和檢驗26-34
• 3.1 Copula函數(shù)的參數(shù)估計26-30
• 3.1.1 參數(shù)估計方法26-27
• 3.1.2 非參數(shù)估計方法27-30
• 3.2 混合Copula函數(shù)的參數(shù)估計30-32
• 3.2.1 基于秩的極大似然估計30
• 3.2.2 峰度法確定閾值30-31
• 3.2.3 EM算法31-32
• 3.3 模型的檢驗32-34
• 第四章 實證分析34-43
• 4.0 樣本的選取和厚尾分布的診斷34-36
• 4.1 參數(shù)估計36-41
• 4.1.1 邊緣分布估計36-38
• 4.1.2 Copula函數(shù)的參數(shù)估計38-41
• 4.2 模型的檢驗對比41-42
• 4.3 尾部相關(guān)性分析42-43
• 結(jié)論43-44
• 參考文獻44-47
• 致謝47

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李健倫,方兆本,魯煒,李紅星;Copula方法與相依違約研究[J];運籌與管理;2005年03期

2 單國莉,陳東峰;一種確定最優(yōu)Copula的方法及應(yīng)用[J];山東大學學報(理學版);2005年04期

3 羅俊鵬;;基于Copula的金融市場的相關(guān)結(jié)構(gòu)分析[J];統(tǒng)計與決策;2006年16期

4 李霞;曾霞;侯兵;;copula的構(gòu)造以及copula之間關(guān)系的研究[J];商丘師范學院學報;2006年05期

5 孫志賓;;混合Copula模型在中國股市的應(yīng)用[J];數(shù)學的實踐與認識;2007年20期

6 李娟;戴洪德;劉全輝;;幾種Copula函數(shù)在滬深股市相關(guān)性建模中的應(yīng)用[J];數(shù)學的實踐與認識;2007年24期

7 許建國;杜子平;;非參數(shù)Bernstein Copula理論及其相關(guān)性研究[J];工業(yè)技術(shù)經(jīng)濟;2009年04期

8 杜子平;閆鵬;張勇;;基于“藤”結(jié)構(gòu)的高維動態(tài)Copula的構(gòu)建[J];數(shù)學的實踐與認識;2009年10期

9 王s，

本文編號：901980