【摘要】：金融資產(chǎn)之間的尾部相依關(guān)系,即大幅同漲同跌行為是投資者關(guān)注的對(duì)象。本文運(yùn)用雙參數(shù)Copula函數(shù)來描述金融資產(chǎn)的尾部相依行為,并應(yīng)用到實(shí)際中去,研究中美貿(mào)易爭(zhēng)端前、后上證指數(shù)和中興通訊收益率之間的尾部相依關(guān)系�？朔藛螀�(shù)Copula描述金融尾部相依關(guān)系的不足,更好地刻畫了貿(mào)易爭(zhēng)端前、后中興通訊與上證指數(shù)的尾部相依關(guān)系。第一,本文選擇了雙參數(shù)BB1和BB7 Copula函數(shù)進(jìn)行研究。我們導(dǎo)出這兩個(gè)雙參數(shù)對(duì)數(shù)似然函數(shù)估計(jì)式,運(yùn)用極大似然方法估計(jì)模型的參數(shù),求出上尾、下尾相依系數(shù)的表達(dá)式;作出它們的密度函數(shù)圖像和等高線圖像,可以看出這兩個(gè)雙參數(shù)Copula函數(shù)適合對(duì)尾部數(shù)據(jù)進(jìn)行描述;我們?cè)诓煌瑓?shù)情況下產(chǎn)生隨機(jī)數(shù),模擬極大似然估計(jì),發(fā)現(xiàn)最大似然估計(jì)能有效的估計(jì)參數(shù),增大樣本量發(fā)現(xiàn)參數(shù)的估計(jì)精度進(jìn)一步提高。第二,雙參數(shù)Copula函數(shù)的應(yīng)用。中美貿(mào)易爭(zhēng)端不僅影響我國證券市場(chǎng)的走勢(shì),而且導(dǎo)致了與貿(mào)易爭(zhēng)端關(guān)系較大的股票出現(xiàn)了嚴(yán)重?fù)p失。本文運(yùn)用雙參數(shù)Copula函數(shù)描述中興通訊與上證指數(shù)在貿(mào)易爭(zhēng)端前、后的尾部相依行為。(1)我們收集了2015年7月28日到2019年01月04日中興通訊和上證指數(shù)的收盤價(jià)數(shù)據(jù),剔除非交易日和停牌日,選擇兩者都有的交易日數(shù)據(jù),統(tǒng)計(jì)它們的對(duì)數(shù)收益率特征,作出它們收益率的時(shí)序圖,發(fā)現(xiàn)收益率序列有聚集現(xiàn)象;以2018年3月23日作為中美貿(mào)易爭(zhēng)端的節(jié)點(diǎn),統(tǒng)計(jì)貿(mào)易爭(zhēng)端前、后收益率的統(tǒng)計(jì)特征。(2)構(gòu)建時(shí)間序列模型描述回報(bào)序列,從風(fēng)險(xiǎn)價(jià)值VaR角度描述風(fēng)險(xiǎn)特征。對(duì)收益率序列進(jìn)行了平穩(wěn)性檢驗(yàn)、ARCH效應(yīng)檢驗(yàn),結(jié)果都表明序列平穩(wěn)且存在條件異方差,適合建立GARCH模型;在假設(shè)殘差服從正態(tài)分布、t-分布和廣義誤差分布的情況下對(duì)序列建立GARCH類模型,經(jīng)過反復(fù)的對(duì)比分析,選擇最優(yōu)的模型計(jì)算出置信水平在95%和99%的VaR,作出了VaR的圖像,對(duì)VaR進(jìn)行了失敗率檢驗(yàn),結(jié)果表明模型能有效估計(jì)風(fēng)險(xiǎn)價(jià)值。(3)構(gòu)建雙參數(shù)Copula函數(shù),描述中興通訊與上證指數(shù)的尾部相依行為。我們對(duì)貿(mào)易爭(zhēng)端前、后的上證指數(shù)和中興通訊的分布做了非參數(shù)估計(jì),估計(jì)結(jié)果顯示貿(mào)易爭(zhēng)端對(duì)它們的影響都較大。用傳統(tǒng)的線性的Pearson相關(guān)系數(shù)對(duì)貿(mào)易爭(zhēng)端前、后做相關(guān)性分析,結(jié)果表明上證指數(shù)和中興通訊在貿(mào)易爭(zhēng)端前具有較大的相關(guān)性而貿(mào)易爭(zhēng)端后兩者之間相關(guān)性變小了。用非線性的尾部相關(guān)系數(shù)描述,我們對(duì)雙參數(shù)BB1和BB7 Copula的參數(shù)進(jìn)行了估計(jì),并用AIC準(zhǔn)則判斷擬合的效果,結(jié)果表明雙參數(shù)BB7函數(shù)的擬合效果都要好于雙參數(shù)BB1函數(shù)的擬合效果,選擇雙參數(shù)BB7 Copula函數(shù)作為刻畫上證指數(shù)和中興通訊相依關(guān)系的函數(shù),根據(jù)尾部相依系數(shù)的計(jì)算公式,計(jì)算出貿(mào)易爭(zhēng)端前、后的上尾和下尾的相依系數(shù),得到的結(jié)果依然是貿(mào)易爭(zhēng)端后上證指數(shù)和中興通信有著更小相依系數(shù),這說明中興通訊的風(fēng)險(xiǎn)不是上證指數(shù)造成的,而是貿(mào)易爭(zhēng)端對(duì)中興通訊的影響,其影響程度要大于上證指數(shù)對(duì)中興通訊的影響。因此,尾部相依系數(shù)較好地反映了金融資產(chǎn)風(fēng)險(xiǎn)行為。本文研究為投資者分析金融資產(chǎn)尾部相依行為提供了新方法。
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F224;F832.51
【圖文】：

廣西師范大學(xué)碩士學(xué)位論文：雙參數(shù) Copula 函數(shù)在金融風(fēng)險(xiǎn)尾部相依分析中應(yīng)用4 章 實(shí)證分析 中美貿(mào)易爭(zhēng)端背景下電子類股票和上證指數(shù)的統(tǒng)計(jì)特征本文選取了 2015 年 7 月 28 日到 2019 年 01 月 04 日電子類龍頭股中興通訊（000證指數(shù)（999999）的數(shù)據(jù)（數(shù)據(jù)來源：通達(dá)信軟件），剔除停牌和非交易日，共通信的 770 個(gè)日交易數(shù)據(jù)，為了和中興通信數(shù)據(jù)保持一致，上證指數(shù)也只取有中易日的數(shù)據(jù)，共 770 個(gè)日交易數(shù)據(jù)。收益率采用對(duì)數(shù)收益率，其計(jì)算公式為：11ln ln ln , 1, , 769tt t ttPr P P tP （4.1tr 為 t 日的對(duì)數(shù)收益率，tP 為 日的收盤價(jià)，t1P 為 日的前一日的收盤價(jià)。根據(jù)這以得到 769 個(gè)對(duì)數(shù)收益率的數(shù)據(jù)。下文所提到的收益率均是對(duì)數(shù)收益率。對(duì)中興通訊和上證指數(shù)的 769 個(gè)收益率數(shù)據(jù)分別作時(shí)序圖，得到時(shí)序圖 4.1 和 4

17圖 4.2 上證指數(shù)的對(duì)數(shù)收益率時(shí)序圖從圖 4.1 和圖 4.2 可以看出在研究時(shí)期的前期和后期兩者收益率的波動(dòng)都很大，前期波動(dòng)大是因?yàn)?2015 年的股災(zāi)，后期是因?yàn)橹忻蕾Q(mào)易爭(zhēng)端引起的波動(dòng)；不管是中興通訊還是上證指數(shù)股災(zāi)影響要大于貿(mào)易爭(zhēng)端的影響，但貿(mào)易爭(zhēng)端對(duì)中興通訊影響要大于上證指數(shù)，在貿(mào)易爭(zhēng)端中上證指數(shù)沒有表現(xiàn)像中興通訊那樣的大跌，較為穩(wěn)健。為了便于分析比較中美貿(mào)易爭(zhēng)端前、后收益率統(tǒng)計(jì)特征和貿(mào)易爭(zhēng)端前、后的尾部相依關(guān)系，需要對(duì)貿(mào)易爭(zhēng)端前、后收益率數(shù)據(jù)分別進(jìn)行研究。北京時(shí)間 2018 年 3 月 23 日 0 時(shí)50 分左右，美國總統(tǒng)特朗普在白宮正式簽署對(duì)華貿(mào)易備忘錄，并當(dāng)場(chǎng)宣布將有可能對(duì)從中國進(jìn)口的 600 億美元的商品加征關(guān)稅，限制中國企業(yè)對(duì)美國的投資和并購。本文以 2018年 3 月 23 日作為中美貿(mào)易爭(zhēng)端的開始時(shí)間。首先我們先來看貿(mào)易爭(zhēng)端前、后中興通訊和上證指數(shù)收益率的統(tǒng)計(jì)特性

比較表 4-11 和 4-12 可以得到在中美貿(mào)易爭(zhēng)端后，在 95%和 99%置信水平下，中票面臨的風(fēng)險(xiǎn)比爭(zhēng)端前的風(fēng)險(xiǎn)大。因此，核心技術(shù)依賴于美國的中興通訊公司在上其股票價(jià)格受到的影響很大。而貿(mào)易爭(zhēng)端前、后上證指數(shù)風(fēng)險(xiǎn)價(jià)值并無多大變分別作出貿(mào)易爭(zhēng)端前、后中興通訊和上證指數(shù)在置信水平為 95%和 99%的回報(bào)率與，得到圖 4.3、4.4、4.5 和 4.6。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭云康;吳鑫育;侯信盟;;基于RGARCH-Copula模型的中美股市尾部相關(guān)性研究[J];武漢商學(xué)院學(xué)報(bào);2019年03期

2 韓超;周兵;;高維動(dòng)態(tài)藤Copula函數(shù)建模、仿真及在金融風(fēng)險(xiǎn)研究中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2019年12期

3 劉文雷;;動(dòng)態(tài)Copula模型在金融相關(guān)領(lǐng)域運(yùn)用的文獻(xiàn)綜述[J];中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào);2017年01期

4 黃康迪;陳璐;郭生練;周建中;楊振瑩;;基于Copula熵方法的河流之間的相關(guān)性研究[J];水資源研究;2017年05期

5 王保華;王占海;月永昌;;Copula函數(shù)在洪潮遭遇分析中的應(yīng)用研究[J];珠江現(xiàn)代建設(shè);2017年06期

6 杜懿;麻榮永;;不同Copula函數(shù)在洪水峰量聯(lián)合分布中的應(yīng)用比較[J];水力發(fā)電;2018年12期

7 周全;陳振龍;;基于C藤Copula模型的混業(yè)經(jīng)營下聚合風(fēng)險(xiǎn)的度量[J];湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年04期

8 李亞威;徐付霞;;一種新型雙參數(shù)復(fù)合擾動(dòng)Copula的相關(guān)性質(zhì)[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年02期

9 李曉康;;基于Copula函數(shù)的滬深股市相關(guān)性分析[J];陜西理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年06期

10 杜夢(mèng)穎;章溢;溫利民;;基于Copula相依模型的指數(shù)保費(fèi)預(yù)測(cè)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年01期

相關(guān)會(huì)議論文 前10條

1 張偉;黃銳;康良國;;基于Copula理論的地域性事故發(fā)生規(guī)律機(jī)理研究[A];第30屆全國高校安全科學(xué)與工程學(xué)術(shù)年會(huì)暨第12屆全國安全工程領(lǐng)域?qū)I(yè)學(xué)位研究生教育研討會(huì)論文集[C];2018年

2 應(yīng)益榮;王穎;;The Inner Product Type Method of Generating Copula and Its Applications[A];第三屆中國智能計(jì)算大會(huì)論文集[C];2009年

3 李永奎;周宗放;彭選華;;Copula模型在金融風(fēng)險(xiǎn)管理應(yīng)用中的評(píng)述[A];Proceedings of the Third Symposium of Risk Analysis and Risk Management in Western China[C];2013年

4 葉萍華;唐湘晉;;基于Copula方法的股票相關(guān)性分析[A];第十屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2008年

5 王作春;甘仞初;;基于copula函數(shù)的相關(guān)異類風(fēng)險(xiǎn)的綜合風(fēng)險(xiǎn)測(cè)度方法研究[A];全國第九屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會(huì)議論文集[C];2005年

6 許啟發(fā);劉少杰;;基于Copula技術(shù)的動(dòng)態(tài)組合投資選擇新方法[A];第四屆（2009）中國管理學(xué)年會(huì)——金融分會(huì)場(chǎng)論文集[C];2009年

7 杜紅軍;王宗軍;;基于時(shí)變Copula模型的金融市場(chǎng)風(fēng)險(xiǎn)度量與分配[A];第八屆（2013）中國管理學(xué)年會(huì)——金融分會(huì)場(chǎng)論文集[C];2013年

8 張綠原;林明裕;稂冠平;;基于GAS動(dòng)態(tài)藤copula的國際指數(shù)組合風(fēng)險(xiǎn)分析[A];2017年（第五屆）全國大學(xué)生統(tǒng)計(jì)建模大賽獲獎(jiǎng)?wù)撐倪x[C];2017年

9 安宗文;高建雄;劉波;;基于嵌套混合Copula函數(shù)的機(jī)械系統(tǒng)失效相關(guān)性建模[A];2014年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨可靠性工程分會(huì)第五屆委員會(huì)成立大會(huì)論文集[C];2014年

10 周金宇;韓文欽;孫奎洲;朱福先;;基于高斯Copula的冗余結(jié)構(gòu)系統(tǒng)疲勞失效概率分析[A];2010年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第二次全體委員大會(huì)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

1 廣發(fā)期貨投資研究部 楊威 王翔 謝貞聯(lián);多維Copula樹及其在機(jī)構(gòu)投資組合風(fēng)險(xiǎn)管理中的運(yùn)用[N];期貨日?qǐng)?bào);2008年

2 海通證券研究所 陳露;從A股與H股相關(guān)性看股指期貨推出后的跨市場(chǎng)操作[N];期貨日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 周全;基于copula的混業(yè)經(jīng)營下市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)的度量[D];浙江工商大學(xué);2016年

2 申敏;國民經(jīng)濟(jì)行業(yè)系統(tǒng)信用風(fēng)險(xiǎn)相依研究[D];南京航空航天大學(xué);2017年

3 崔琪;基于Copula模型的相依現(xiàn)狀數(shù)據(jù)的回歸分析[D];吉林大學(xué);2018年

4 韓超;高維動(dòng)態(tài)藤Copula結(jié)構(gòu)在金融風(fēng)險(xiǎn)研究中的應(yīng)用[D];重慶大學(xué);2017年

5 李浩鑫;基于水勢(shì)調(diào)控的復(fù)雜灌溉系統(tǒng)水量分配理論與方法[D];武漢大學(xué);2017年

6 龔玉婷;金融資產(chǎn)相依性的動(dòng)態(tài)Copula建模及應(yīng)用[D];上海交通大學(xué);2015年

7 趙寧;基于Copula熵的資本資產(chǎn)定價(jià)研究[D];大連理工大學(xué);2012年

8 徐付霞;Copula理論與極值統(tǒng)計(jì)的應(yīng)用[D];天津大學(xué);2008年

9 胡心瀚;Copula方法在投資組合以及金融市場(chǎng)風(fēng)險(xiǎn)管理中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2011年

10 吳娟;Copula理論與相關(guān)性分析[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張倩;基于Copula函數(shù)的黃河中下游干支流多庫來水豐枯遭遇分析[D];鄭州大學(xué);2019年

2 馮繼國;基于Vine Copula模型的國際股市風(fēng)險(xiǎn)傳染研究[D];北方工業(yè)大學(xué);2019年

3 王鵬;基于混合Copula的VaR和CVaR的計(jì)算及其實(shí)證分析[D];廈門大學(xué);2017年

4 祁泓達(dá);Mixture-Copula方法在統(tǒng)計(jì)套利中的應(yīng)用研究[D];天津財(cái)經(jīng)大學(xué);2018年

5 李佳藝;基于協(xié)整理論的陸渾灌區(qū)供需水極值事件分析[D];鄭州大學(xué);2019年

6 柯玉琴;我國商業(yè)銀行系統(tǒng)風(fēng)險(xiǎn)的實(shí)證研究[D];廈門大學(xué);2017年

7 陳迪;基于Copula的供應(yīng)鏈金融質(zhì)物組合價(jià)格風(fēng)險(xiǎn)測(cè)度研究[D];西安理工大學(xué);2017年

8 何霞;Copula理論在金融相依風(fēng)險(xiǎn)中的應(yīng)用[D];重慶理工大學(xué);2019年

9 程亞麗;基于Copula理論和場(chǎng)景分析的風(fēng)電場(chǎng)功率爬坡風(fēng)險(xiǎn)評(píng)估研究[D];上海電機(jī)學(xué)院;2019年

10 張猛猛;多元混合型縱向數(shù)據(jù)中基于copula的廣義線性混合模型[D];中國科學(xué)技術(shù)大學(xué);2019年

本文編號(hào)：2783173