【摘要】：本文采用非參數(shù)-MLE估計方法估計了四個時變Copula函數(shù)模型,研究了在2008年全球金融危機時期前后中國與美國、英國金融市場之間的金融危機傳染效應(yīng)的存在性問題,通過估計的時變相關(guān)系數(shù)和變點檢測發(fā)現(xiàn),在金融危機時期,中美、中英金融市場之間相關(guān)結(jié)構(gòu)沒有顯著的變化,因此得出結(jié)論在金融危機時期中美、中英金融市場間不存在明顯的危機傳染效應(yīng)。
【圖文】：

如果這些新的時間序列服從(0，1)均勻分布，那么就說明通過非參數(shù)估計得到的核密度函數(shù)能夠充分描述每個收益率序列的邊緣分布，，因此可以用來估計Copula模型的參數(shù)和時變相關(guān)系數(shù)的參數(shù)。(3)相關(guān)系數(shù)時變過程與變點檢測。通過第二步得到相關(guān)系數(shù)的相關(guān)參數(shù)估計，選擇合適的動態(tài)相關(guān)系數(shù)，得到動態(tài)相關(guān)系數(shù)圖和序列，通過動態(tài)圖和變點檢測分析在樣本期內(nèi)相關(guān)系數(shù)是否發(fā)生了顯著變化來確定是否存在金融危機傳染效應(yīng)。2.模型估計實證研究的第一步是非參數(shù)核估計，得到每個資本市場指數(shù)收益率的核密度函數(shù)，先確定核函數(shù)，然后再尋求最優(yōu)窗寬。如果研究對象樣本足夠大，核函數(shù)可以選取正態(tài)核函數(shù)，正態(tài)核函數(shù)具有良好的光滑性。然后再選取合適的窗寬，一般采用Bowman(1997)提出的最優(yōu)窗寬選擇原理來選取最優(yōu)窗寬。表1給出了各個資本市場指數(shù)的最優(yōu)窗寬結(jié)果。表1各資本市場指數(shù)收益率最優(yōu)窗寬LNHS300LNHSILNSP500LNFTSELNKS11LNN225最優(yōu)窗寬0．005620．005050．004070．003790．004150．00457注:采用Bowman(1997)提出的最優(yōu)窗寬選擇原理來選取最優(yōu)窗寬。圖1滬深300、標普500、富時100核密度函數(shù)估計圖圖1給出了三個資本市場指數(shù)收益率的核密度函數(shù)估計圖，通過觀察上述核密度函數(shù)估計圖可以發(fā)現(xiàn)，資本市場指數(shù)收益率序列都具有尖峰厚尾的特征，47第2期李堪:基于時變Copula理論的金融危機傳染效應(yīng)存在性研究

圖2概率積分變換序列Q-Q圖檢驗對概率積分變換后的序列進行經(jīng)驗分布檢驗和獨立性檢驗，表明序列服從U(0，1)分布，并且具有獨立性，可以認為序列是隨機序列，因此可以用來構(gòu)建Copula模型。本文將分別對中國大陸股票市場和各個主要國際股票市場建立四個估計模型，包括兩個橢圓Copula函數(shù)模型和兩個ArchimedeanCopula函數(shù)模型，即:t-DCC(tDCC)模型，Gaussian-DCC(GDCC)模型，time-varyingClayton(tvC)模型和time-varyingSJC(tvSJC)模型。表3滬深300指數(shù)與標普500指數(shù)模型估計結(jié)果tDCCGDCCTvCTvSJCλUλLv200(0．448)ω－0．0555(0．058)－2．8348(5．267)－0．2110(0．016)α0．0371(0．021)0．0377(0．021)－0．3202(0．311)－0．8459(23．025)－0．6784(0．004)β0．8789(0．096)0．8766(0．095)－0．9812(0．023)1．7332(2．120)1．0023(0．006)AIC－26．3982－28．9187－27．5702－20．0660SC－11．1006－18．7203－12．2726－10．5292LL16．19916．45916．78516．033注:表中v為t-DCC模型中的自由度，AIC和SC分別為赤池信息準則和施瓦茨信息準則，LL為在最優(yōu)值處得極大函數(shù)值，括號中為估計系數(shù)的標準差。49第2期李堪:基于時變Copula理論的金融危機傳染效應(yīng)存在性研究

【二級參考文獻】

相關(guān)期刊論文 前10條

1 許小勇;鐘太勇;;三次樣條插值函數(shù)的構(gòu)造與Matlab實現(xiàn)[J];兵工自動化;2006年11期

2 余萍,龔金國;描述金融市場相關(guān)結(jié)構(gòu)的一種新工具——Copula[J];東莞理工學(xué)院學(xué)報;2005年05期

3 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

4 李悅;程希駿;;上證指數(shù)和恒生指數(shù)的copula尾部相關(guān)性分析[J];系統(tǒng)工程;2006年05期

5 張志波,齊中英;基于VAR模型的金融危機傳染效應(yīng)檢驗方法與實證分析[J];管理工程學(xué)報;2005年03期

6 韋艷華,張世英;金融市場非對稱尾部相關(guān)結(jié)構(gòu)的研究[J];管理學(xué)報;2005年05期

7 劉國光,許世剛;基于Copula方法深圳A股、B股投資組合風(fēng)險值實證分析[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2004年04期

8 詹原瑞,羅健宇;基于極值理論和Copula的災(zāi)難風(fēng)險建模研究[J];哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版);2005年01期

9 閻慶民;我國商業(yè)銀行信用風(fēng)險VaR的實證分析[J];金融研究;2004年10期

10 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(xué)學(xué)報(理學(xué)版);2005年04期

【相似文獻】

相關(guān)碩士學(xué)位論文 前3條

1 寧成龍;動態(tài)相關(guān)性研究[D];廈門大學(xué);2009年

2 余喜洋;多元GARCH模型及其在VaR計算中應(yīng)用[D];上海財經(jīng)大學(xué);2006年

3 謝隆亮;滬深300指數(shù)產(chǎn)品VaR研究[D];武漢理工大學(xué);2008年

本文編號：2699678