本文關(guān)鍵詞：金融資產(chǎn)相依性的動(dòng)態(tài)Copula建模及應(yīng)用

  更多相關(guān)文章： Copula 相依性 長記憶性 混頻數(shù)據(jù) 高維變量

【摘要】：本文是基于連接函數(shù)Copula模型的實(shí)證研究。在金融一體化的大背景下,描述各金融市場或資產(chǎn)之間的相依性是現(xiàn)代金融分析中的重要課題,在資產(chǎn)配置、風(fēng)險(xiǎn)管理、衍生品定價(jià)中都有廣泛應(yīng)用。金融資產(chǎn)間的相依性不僅表現(xiàn)出非對稱的特征,即共同上漲和共同下跌的相關(guān)性不同,而且這種相依性還可能隨時(shí)間變化,并不是固定不變的。為了同時(shí)刻畫金融資產(chǎn)相依性的這兩大特征,本文對已有靜態(tài)Copula模型加以改進(jìn),發(fā)展出四類動(dòng)態(tài)形式的Copula模型,用于實(shí)證分析金融市場中的特征和現(xiàn)象,為投資者構(gòu)建資產(chǎn)組合、控制組合風(fēng)險(xiǎn)提供一定的建議。具體來說,文章的主要內(nèi)容包括以下四個(gè)方面:第一,根據(jù)引入解釋變量的隨機(jī)Copula模型,研究風(fēng)格股票指數(shù)之間的動(dòng)態(tài)相依性。風(fēng)格股票指數(shù)之間的相依性會(huì)受到流動(dòng)性等隨機(jī)變量的影響,從而表現(xiàn)出一定的隨機(jī)性。因此,本文對已有隨機(jī)Copula模型加以改進(jìn),引入換手率作為解釋變量,研究了大盤股和小盤股、成長型和價(jià)值型股票指數(shù)之間的隨機(jī)相依性,并從組合風(fēng)險(xiǎn)管理的角度討論了隨機(jī)動(dòng)態(tài)相依性的經(jīng)濟(jì)意義。結(jié)果發(fā)現(xiàn),風(fēng)格指數(shù)間的尾部相依性具有隨機(jī)動(dòng)態(tài)特征,并受到以換手率為代表的市場流動(dòng)性沖擊的影響。對每天、每周和每月調(diào)整資產(chǎn)組合的中短期投資者而言,考慮風(fēng)格指數(shù)收益的隨機(jī)動(dòng)態(tài)相依性,能有效降低組合風(fēng)險(xiǎn)。第二,根據(jù)長記憶Copula模型,研究中外鋁期貨市場間尾部相依性的長記憶效應(yīng)�，F(xiàn)有研究討論的都是資產(chǎn)間相關(guān)系數(shù)的長記憶問題,而缺少對更一般的非線性相依性(如尾部相依性)的長記憶性的研究。本文將長記憶特征引入到已有的短記憶動(dòng)態(tài)Copula中,并根據(jù)改進(jìn)后的長記憶Copula模型,從尾部相依性的角度分析了倫敦金屬交易所和上海期貨交易所鋁期貨間的長記憶效應(yīng)。結(jié)果表明,兩市場不但具有非對稱的尾部相依性,即下尾相依性要大于上尾相依性,而且這種非對稱的尾部相依性還具有長記憶的動(dòng)態(tài)特征。對投資者來說,長記憶效應(yīng)的存在,意味著他們能夠基于現(xiàn)在的相關(guān)性信息預(yù)測未來一段時(shí)間內(nèi)兩市場收益共同的變化趨勢,進(jìn)而優(yōu)化配置資產(chǎn)組合。第三,根據(jù)混頻Copula模型,研究股票和債券市場相依性的影響因素。宏觀基本面、市場不確定性、流動(dòng)性等因素都會(huì)影響股票和債券市場的相依性,但這些變量的抽樣頻率不同。已有研究都是將高頻變量轉(zhuǎn)化為低頻變量,統(tǒng)一使用同頻數(shù)據(jù)分析股債市相依性問題。但這種做法損失大量樣本信息,不適用于樣本容量十分有限的中國市場。為克服數(shù)據(jù)頻率不一致的問題,本文用混頻Copula模型同時(shí)研究低頻月度變量(宏觀基本面、市場不確定性)和高頻日度變量(股債市流動(dòng)性)對股票和債券市場相依性的影響。結(jié)果發(fā)現(xiàn),兩市場相關(guān)性變化的根本原因在于宏觀層面的基本面因素和市場不確定性因素,而微觀層面的流動(dòng)性因素并不是決定兩市場相依性的主要原因。第四,根據(jù)多元?jiǎng)討B(tài)偏t Copula模型,研究以多個(gè)資產(chǎn)為代表的高維變量相依結(jié)構(gòu)。現(xiàn)有的偏t Copula模型只有一個(gè)常數(shù)形式的偏度系數(shù),對相依結(jié)構(gòu)的假設(shè)過于嚴(yán)格,無法及時(shí)捕捉到相依結(jié)構(gòu)的變化特征。本文對該模型加以改進(jìn),不僅允許各變量具有不同的偏度系數(shù),而且將自回歸形式的演變機(jī)制引入到偏度系數(shù)的動(dòng)態(tài)過程中。通過對股票、黃金、原油、債券、房地產(chǎn)等50種資產(chǎn)相依性的實(shí)證分析,文章指出,動(dòng)態(tài)的偏度系數(shù)設(shè)定形式能夠靈活準(zhǔn)確地捕捉到資產(chǎn)間相依性的動(dòng)態(tài)變化,特別是市場暴漲和暴跌階段不同的尾部相依性。和已有模型相比,改進(jìn)后的多元?jiǎng)討B(tài)偏t Copula模型具有更高的樣本內(nèi)擬合和樣本外預(yù)測能力,根據(jù)該模型構(gòu)建的投資策略也能為投資者在保證收益的前提下有效控制風(fēng)險(xiǎn)。
【關(guān)鍵詞】：Copula 相依性 長記憶性 混頻數(shù)據(jù) 高維變量
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：F224;F832.51
【目錄】：

• 摘要3-6
• ABSTRACT6-12
• 第一章 引言12-20
• 1.1 選題背景與意義12-16
• 1.2 研究內(nèi)容16-17
• 1.3 論文結(jié)構(gòu)17-18
• 1.4 主要?jiǎng)?chuàng)新點(diǎn)18-20
• 第二章 COPULA理論和動(dòng)態(tài)COPULA模型文獻(xiàn)綜述20-46
• 2.1 COPULA理論20-32
• 2.1.1 Copula函數(shù)的定義20-22
• 2.1.2 Copula函數(shù)的性質(zhì)22-23
• 2.1.3 幾種常見的Copula函數(shù)23-29
• 2.1.4 Copula模型的估計(jì)方法29-32
• 2.2 動(dòng)態(tài)COPULA模型的相關(guān)文獻(xiàn)綜述32-45
• 2.2.1 動(dòng)態(tài)Copula模型的分類及相關(guān)文獻(xiàn)33-38
• 2.2.2 長記憶Copula模型的相關(guān)文獻(xiàn)綜述38-39
• 2.2.3 混頻Copula模型的相關(guān)文獻(xiàn)綜述39-41
• 2.2.4 高維Copula模型的相關(guān)文獻(xiàn)綜述41-45
• 2.3 本章小結(jié)45-46
• 第三章 基于隨機(jī)COPULA模型的風(fēng)格股票指數(shù)相依性研究46-70
• 3.1 問題的提出47-48
• 3.2 隨機(jī)COPULA模型48-52
• 3.2.1 隨機(jī)Copula模型設(shè)定及其改進(jìn)形式48-50
• 3.2.2 改進(jìn)的隨機(jī)Copula模型估計(jì)方法50-52
• 3.3 實(shí)證分析：風(fēng)格股票指數(shù)間的相依性研究52-68
• 3.3.1 數(shù)據(jù)說明及描述性統(tǒng)計(jì)53-54
• 3.3.2 邊際分布模型的估計(jì)結(jié)果54-56
• 3.3.3 Copula模型的估計(jì)結(jié)果56-61
• 3.3.4 樣本外分析：風(fēng)格股票指數(shù)隨機(jī)動(dòng)態(tài)相依性的經(jīng)濟(jì)意義61-68
• 3.4 本章小結(jié)68-70
• 第四章 基于長記憶COPULA模型的鋁期貨市場相依性研究70-98
• 4.1 長記憶性的定義和問題的提出71-73
• 4.2 長記憶COPULA模型73-77
• 4.2.1 長記憶Copula模型設(shè)定73-75
• 4.2.2 長記憶Copula模型估計(jì)方法75-77
• 4.3 蒙特卡洛模擬研究77-83
• 4.3.1 模擬研究設(shè)計(jì)78-80
• 4.3.2 Monte Carlo模擬結(jié)果分析80-83
• 4.4 實(shí)證分析：中外鋁期貨市場尾部相依性的長記憶效應(yīng)研究83-95
• 4.4.1 數(shù)據(jù)說明及描述性統(tǒng)計(jì)84-85
• 4.4.2 邊際分布模型的估計(jì)結(jié)果85-88
• 4.4.3 Copula模型的估計(jì)結(jié)果88-94
• 4.4.4 模型樣本外預(yù)測能力比較分析94-95
• 4.5 本章小結(jié)95-98
• 第五章 基于混頻COPULA模型的股票債券市場相依性影響因素研究98-128
• 5.1 問題的提出98-101
• 5.2 混頻COPULA模型101-104
• 5.2.1 混頻Copula模型設(shè)定101-104
• 5.2.2 混頻Copula模型估計(jì)方法104
• 5.3 實(shí)證分析：股票和債券市場相依性的影響因素研究104-127
• 5.3.1 變量選取和數(shù)據(jù)說明105-106
• 5.3.2 描述性統(tǒng)計(jì)106-107
• 5.3.3 邊際分布模型的估計(jì)結(jié)果107-109
• 5.3.4 Copula模型的估計(jì)結(jié)果：股債市相依性影響因素分析109-119
• 5.3.5 各經(jīng)濟(jì)變量在解釋股債市相依性的貢獻(xiàn)度分析119-121
• 5.3.6 樣本外分析：混頻Copula模型研究股債市相依性的經(jīng)濟(jì)意義121-127
• 5.4 本章小結(jié)127-128
• 第六章 基于多元?jiǎng)討B(tài)偏T COPULA模型的高維變量相依性研究128-162
• 6.1 問題的提出129-133
• 6.2 多元?jiǎng)討B(tài)偏T COPULA模型133-136
• 6.2.1 多元?jiǎng)討B(tài)偏t Copula模型及其改進(jìn)形式133-135
• 6.2.2 偏t Copula模型估計(jì)方法135-136
• 6.3 蒙特卡洛模擬研究136-139
• 6.4 實(shí)證分析：多個(gè)金融資產(chǎn)的相依性研究139-160
• 6.4.1 數(shù)據(jù)說明及描述性統(tǒng)計(jì)139-143
• 6.4.2 邊際分布模型的估計(jì)結(jié)果143-146
• 6.4.3 Copula模型的估計(jì)結(jié)果146-155
• 6.4.4 樣本外分析：模型預(yù)測能力和投資組合表現(xiàn)比較155-160
• 6.5 本章小結(jié)160-162
• 第七章 總結(jié)與展望162-168
• 7.1 文章主要結(jié)論162-166
• 7.1.1 基于隨機(jī)Copula模型的風(fēng)格股票指數(shù)相依性研究162-163
• 7.1.2 基于長記憶Copula模型的鋁期貨市場相依性研究163-164
• 7.1.3 基于混頻Copula模型的股票債券市場相依性影響因素研究164-165
• 7.1.4 基于多元?jiǎng)討B(tài)偏t Copula模型的高維變量相依性研究165-166
• 7.2 未來研究展望166-168
• 7.2.1 關(guān)于動(dòng)態(tài)Copula模型設(shè)定的假設(shè)檢驗(yàn)166
• 7.2.2 關(guān)于混頻數(shù)據(jù)相依性的研究166-167
• 7.2.3 關(guān)于時(shí)間序列相依性的研究167-168
• 參考文獻(xiàn)168-179
• 附錄179-187
• 附錄1 超位相關(guān)系數(shù)的定義179-180
• 附錄2 OHANISSIAN等（2008）檢驗(yàn)“偽長記憶”過程的統(tǒng)計(jì)量180-182
• 附錄3 預(yù)測似然函數(shù)、RC檢驗(yàn)及SPA檢驗(yàn)的計(jì)算方法182-185
• 附錄4 50個(gè)ETF的名稱和代碼185-187
• 致謝187-189
• 攻讀博士學(xué)位期間已發(fā)表或錄用的論文189-191

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 袁超;張兵;汪慧建;;債券市場與股票市場的動(dòng)態(tài)相關(guān)性研究[J];金融研究;2008年01期

，

本文編號：787397