本文關(guān)鍵詞：基于Copula模型的金融風(fēng)險(xiǎn)傳染測(cè)度及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目前,經(jīng)濟(jì)全球化與金融自由化正在日益加深,在這樣的背景下全球各國(guó)（地區(qū)）之間的經(jīng)濟(jì)與金融聯(lián)系正在變得更加緊密。已經(jīng)不存在著這么一個(gè)國(guó)家（地區(qū)）,其經(jīng)濟(jì)金融能夠完全脫離整個(gè)世界。同時(shí)信息技術(shù)的飛速發(fā)展,使得一個(gè)市場(chǎng)的交易信息幾乎同步傳到遠(yuǎn)在萬(wàn)里之遙的其他金融市場(chǎng)。當(dāng)一個(gè)金融市場(chǎng)發(fā)生風(fēng)險(xiǎn)危機(jī)事件時(shí),那么在極短時(shí)間內(nèi),與之聯(lián)系緊密的國(guó)家或地區(qū)金融市場(chǎng)均可能受到其傳染而發(fā)生風(fēng)險(xiǎn)危機(jī)事件。而當(dāng)某一國(guó)發(fā)生金融危機(jī)時(shí),金融危機(jī)發(fā)生范圍也能夠迅速由某一國(guó)家與地區(qū)蔓延至更多的國(guó)家或者地區(qū),致使當(dāng)?shù)氐慕鹑谑袌?chǎng)發(fā)生劇烈震蕩,甚至還可能升級(jí)為全球性金融危機(jī)。因此,在這樣的背景下,對(duì)準(zhǔn)確測(cè)度金融風(fēng)險(xiǎn)傳染提出了更高的要求,研究金融風(fēng)險(xiǎn)傳染成為金融學(xué)術(shù)界的研究熱點(diǎn)問(wèn)題之一。測(cè)度風(fēng)險(xiǎn)傳染不僅能夠?yàn)榻鹑陲L(fēng)險(xiǎn)管理部門建立極端風(fēng)險(xiǎn)防火墻提供決策建議,而且還能夠?yàn)橥顿Y者跨市場(chǎng)進(jìn)行投資提供幫助,因而進(jìn)行風(fēng)險(xiǎn)傳染測(cè)度研究具有十分重要的理論與現(xiàn)實(shí)價(jià)值。獲得能夠反映金融市場(chǎng)實(shí)際運(yùn)行特征的標(biāo)準(zhǔn)收益率序列是進(jìn)行風(fēng)險(xiǎn)傳染測(cè)度的重要基礎(chǔ)之一。在金融收益序列中普遍存在著許多典型事實(shí)特征,而這些典型事實(shí)特征的存在將會(huì)使金融市場(chǎng)表現(xiàn)出更加復(fù)雜的風(fēng)險(xiǎn)特征,而且會(huì)加大風(fēng)險(xiǎn)管理的難度。在現(xiàn)有金融風(fēng)險(xiǎn)傳染測(cè)度研究的研究中,大多數(shù)學(xué)者未能夠?qū)⒀芯考{入典型事實(shí)特征約束下,那么其研究結(jié)果可能存在著誤差�；诖�,本文將在典型事實(shí)特征的約束下,展開風(fēng)險(xiǎn)傳染測(cè)度研究工作。我們首先運(yùn)用基本的統(tǒng)計(jì)檢驗(yàn)方法,檢驗(yàn)金融收益率序列存在的何種典型事實(shí)特征,然后采用ARFIMA-FIAPARCH-SKST模型對(duì)金融收益進(jìn)行建模,剔除金融收益中存在著的典型事實(shí)特征,最終獲得反映金融市場(chǎng)本質(zhì)運(yùn)行特征的標(biāo)準(zhǔn)收益序列。實(shí)證研究結(jié)果表明,本文研究的四個(gè)股市收益率中均存在著諸如自相關(guān)性、長(zhǎng)記憶性、波動(dòng)聚集性以及杠桿效應(yīng)等重要典型事實(shí)特征,通過(guò)本文采用的ARFIMA-FIAPARCH-SKST模型獲得了不包含典型事實(shí)特征的標(biāo)準(zhǔn)收益率序列,在對(duì)標(biāo)準(zhǔn)收益率序列進(jìn)行概率積分變換后,使用K-S檢驗(yàn)其是否服從[0,1]均勻分布,檢驗(yàn)結(jié)果證實(shí)標(biāo)準(zhǔn)收益序列服從[0,1]均勻分布,因此采用ARFIMA-FIAPARCH-SKST模型對(duì)于股市收益率建模是合適的,能夠很好地描述金融收益序列中重要的典型事實(shí)特征。在現(xiàn)有的研究中,學(xué)者大多關(guān)注于金融市場(chǎng)是否發(fā)生了風(fēng)險(xiǎn)傳染,而并沒有對(duì)風(fēng)險(xiǎn)傳染強(qiáng)度進(jìn)行研究。同時(shí)這些學(xué)者在展開相關(guān)研究時(shí)還忽略了對(duì)金融市場(chǎng)存在的非線性以及尾部相關(guān)結(jié)構(gòu)進(jìn)行刻畫,其中非線性以及尾部相關(guān)結(jié)構(gòu)才是風(fēng)成都理工大學(xué)碩士學(xué)位論文險(xiǎn)傳染測(cè)度應(yīng)該關(guān)注的重點(diǎn)。而最近興起的Copula函數(shù)恰恰能夠刻畫上述兩種相關(guān)結(jié)構(gòu)。因此,本文運(yùn)用Copula函數(shù)測(cè)度次貸危機(jī)期間美國(guó)股市與亞洲股市特別是中國(guó)股市之間的金融風(fēng)險(xiǎn)關(guān)系。我們通過(guò)理論上的比較,最終選擇了由Gumbel、Frank以及Clayton組成的混合Copula函數(shù)和SJC-Copula函數(shù),然后分別對(duì)次貸危機(jī)發(fā)生前后的中國(guó)內(nèi)地、香港、日本與美國(guó)股市進(jìn)行建模,測(cè)度出相應(yīng)的尾部相依系數(shù),經(jīng)過(guò)比較危機(jī)前后的尾部相依系數(shù),得到了次貸危機(jī)發(fā)生后亞洲股市與美國(guó)股市之間的風(fēng)險(xiǎn)傳染特征。實(shí)證結(jié)果表明:在次貸危機(jī)爆發(fā)后,美國(guó)并沒有向中國(guó)內(nèi)地直接傳導(dǎo)金融風(fēng)險(xiǎn),而日本股市、香港股市與美國(guó)股市之間發(fā)生了風(fēng)險(xiǎn)傳染,美國(guó)股市在次貸危機(jī)中通過(guò)日本、香港這兩個(gè)中轉(zhuǎn)站間接向中國(guó)內(nèi)地股市傳染風(fēng)險(xiǎn)。在金融自由化不斷加深的背景下,全球金融市場(chǎng)逐漸形成一個(gè)統(tǒng)一的整體,金融市場(chǎng)之間相互聯(lián)系相互影響。在前面我們采用基于Copula函數(shù)構(gòu)建的模型對(duì)風(fēng)險(xiǎn)傳染進(jìn)行了測(cè)度,但是該模型僅能夠?qū)蓚�(gè)金融市場(chǎng)進(jìn)行分析,而在構(gòu)建全球化投資組合時(shí)需要對(duì)多個(gè)金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染特征進(jìn)行分析,因而需要將上面的研究進(jìn)行進(jìn)一步拓展,測(cè)度多個(gè)市場(chǎng)條件下更加復(fù)雜的相依結(jié)構(gòu)乃至金融風(fēng)險(xiǎn)傳染關(guān)系。對(duì)于多個(gè)金融市場(chǎng)之間相依結(jié)構(gòu),目前學(xué)者常常采用多元Copula函數(shù),但是由于Copula函數(shù)類型比較單一而且不能夠根據(jù)研究對(duì)象靈活改變,因而在理論上存在著不足之處。在Copula函數(shù)基礎(chǔ)上發(fā)展起來(lái)的Copula藤理論正好解決了上述模型的不足之處,Copula藤函數(shù)在投資組合領(lǐng)域得到了廣泛的應(yīng)用,取得了大量的研究成果。為數(shù)眾多的相關(guān)研究為本文測(cè)度多個(gè)市場(chǎng)條件下的風(fēng)險(xiǎn)傳染研究提供了理論與技術(shù)支持。因此,本文將風(fēng)險(xiǎn)傳染研究進(jìn)行了進(jìn)一步的拓展,將Copula藤函數(shù)引入風(fēng)險(xiǎn)傳染測(cè)度模型中,研究多個(gè)金融市場(chǎng)之間風(fēng)險(xiǎn)傳染效應(yīng)。Pair Copula分解模型中的組成函數(shù)選擇的是SJC-Copula,而分解結(jié)構(gòu)采用的是C藤。實(shí)證研究結(jié)果表明:次貸危機(jī)發(fā)生后,中國(guó)內(nèi)地與美國(guó)股市的下尾部相依系數(shù)有一定程度減小,而中國(guó)內(nèi)地與香港股市的下尾部相依系數(shù)則增加明顯,此外香港、日本與美國(guó)之間的上下尾部相依系數(shù)也有一定程度增加。與二元Copula函數(shù)相比,我們還發(fā)現(xiàn)在多個(gè)金融市場(chǎng)背景下,股市相依系數(shù)更大,因而我們初步認(rèn)為二元Copula函數(shù)可能會(huì)低估金融市場(chǎng)之間的相依關(guān)系。
【關(guān)鍵詞】：次貸危機(jī) 風(fēng)險(xiǎn)傳染 典型事實(shí) Copula
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F224;F832.5
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-20
• 1.1 本文研究背景11-13
• 1.2 本文研究意義13-14
• 1.3 國(guó)內(nèi)外金融市場(chǎng)風(fēng)險(xiǎn)傳染的研究現(xiàn)狀14-18
• 1.4 本文的邏輯結(jié)構(gòu)安排18
• 1.5 本文的主要?jiǎng)?chuàng)新點(diǎn)18-20
• 第2章 金融市場(chǎng)典型事實(shí)特征檢驗(yàn)與計(jì)量方法20-24
• 2.1 典型事實(shí)特征簡(jiǎn)介20
• 2.2 金融收益率典型事實(shí)特征檢驗(yàn)與計(jì)量方法20-22
• 2.2.1 收益率典型事實(shí)相關(guān)檢驗(yàn)方法20-21
• 2.2.2 收益率基本典型事實(shí)特征的建模方法21-22
• 2.3 金融波動(dòng)率典型事實(shí)計(jì)量方法22-23
• 2.4 本章小結(jié)23-24
• 第3章 Copula函數(shù)風(fēng)險(xiǎn)傳染測(cè)度模型構(gòu)建24-34
• 3.1 問(wèn)題的提出24
• 3.2 Copula函數(shù)的定義與性質(zhì)24-25
• 3.3 常見Copula函數(shù)簡(jiǎn)介25-28
• 3.4 基于Copula函數(shù)的相關(guān)性測(cè)度方法28-30
• 3.4.1 整體相關(guān)性測(cè)度方法28-29
• 3.4.2 尾部相關(guān)性測(cè)度方法29-30
• 3.5 Copula函數(shù)的參數(shù)估計(jì)方法30-31
• 3.5.1 極大似然估計(jì)法30
• 3.5.2 IFM估計(jì)法30-31
• 3.5.3 CML估計(jì)法31
• 3.6 Copula函數(shù)的擬合優(yōu)度檢驗(yàn)31-33
• 3.7 構(gòu)建基于Copula函數(shù)風(fēng)險(xiǎn)傳染模型過(guò)程33
• 3.8 本章小結(jié)33-34
• 第4章 基于Pair Copula風(fēng)險(xiǎn)傳染測(cè)度模型構(gòu)建34-40
• 4.1 問(wèn)題的提出34-35
• 4.2 Pair Copula分解35-36
• 4.3 藤結(jié)構(gòu)36-37
• 4.4 Pair Copula模型的參數(shù)估計(jì)37-38
• 4.5 Pair Copula風(fēng)險(xiǎn)傳染測(cè)度模型構(gòu)建過(guò)程38-39
• 4.6 本章小結(jié)39-40
• 第5章 實(shí)證研究及結(jié)果40-59
• 5.1 研究樣本數(shù)據(jù)的選取40-41
• 5.2 金融收益主要典型事實(shí)特征的檢驗(yàn)41-45
• 5.3 邊緣分布模型構(gòu)建45-47
• 5.4 基于二維Copula函數(shù)金融風(fēng)險(xiǎn)傳染測(cè)度47-54
• 5.4.1 Copula函數(shù)選擇與參數(shù)估計(jì)49-52
• 5.4.2 尾部相依性分析52-54
• 5.5 基于藤Copula函數(shù)金融風(fēng)險(xiǎn)傳染實(shí)證研究54-58
• 5.5.1 Pair Copula分解結(jié)構(gòu)55-56
• 5.5.2 Pair Copula參數(shù)估計(jì)結(jié)果56-58
• 5.6 本章小結(jié)58-59
• 結(jié)論59-61
• 致謝61-62
• 參考文獻(xiàn)62-65
• 攻讀學(xué)位期間取得學(xué)術(shù)成果65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 韋艷華;張世英;;多元Copula-GARCH模型及其在金融風(fēng)險(xiǎn)分析上的應(yīng)用[J];數(shù)理統(tǒng)計(jì)與管理;2007年03期

  本文關(guān)鍵詞：基于Copula模型的金融風(fēng)險(xiǎn)傳染測(cè)度及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：291282