本文關(guān)鍵詞：基于連接函數(shù)模型的金融風(fēng)險(xiǎn)測(cè)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)全球化的不斷深入,不同國(guó)家間金融市場(chǎng)的相互依存性不斷增強(qiáng),2007年爆發(fā)的全球金融危機(jī)更是凸顯出金融風(fēng)險(xiǎn)的“傳染性”不斷加劇,對(duì)經(jīng)濟(jì)的沖擊與破壞更大,從而對(duì)金融市場(chǎng)風(fēng)險(xiǎn)的測(cè)度提出了新的挑戰(zhàn)。正是由于當(dāng)前金融市場(chǎng)間的相互關(guān)系變得日趨復(fù)雜,多呈現(xiàn)出非對(duì)稱、非線性以及尾部相關(guān)的結(jié)構(gòu)特征,而Copula函數(shù)可以在一定程度上捕捉到隨機(jī)變量間復(fù)雜的相關(guān)關(guān)系,這就簡(jiǎn)化了金融時(shí)間序列相關(guān)性分析與建模問題。因此,應(yīng)用Copula理論研究金融市場(chǎng)的相關(guān)性及風(fēng)險(xiǎn)測(cè)度具有重要的理論意義與應(yīng)用價(jià)值。論文圍繞Copula理論框架及其在金融領(lǐng)域的應(yīng)用,對(duì)國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行了歸納整理。隨后,論文系統(tǒng)介紹了傳統(tǒng)Copula和Vine Copula的基本理論,并基于金融市場(chǎng)視角對(duì)雙參數(shù)Copula函數(shù)和Vine Copula函數(shù)進(jìn)行了深入探討,從理論角度歸納了應(yīng)用Copula模型進(jìn)行金融風(fēng)險(xiǎn)測(cè)度的方法。在實(shí)證研究中,論文使用GJR-GARCH模型對(duì)上證指數(shù)與深圳成指序列進(jìn)行濾波,然后用廣義帕累托分布與光滑核的組合方式對(duì)邊緣分布的擬合效果進(jìn)行改進(jìn),在此基礎(chǔ)上,運(yùn)用Copula函數(shù)進(jìn)行了相關(guān)結(jié)構(gòu)估計(jì),并采用蒙特卡洛模擬法計(jì)算出VaR之后,進(jìn)行回測(cè)檢驗(yàn),同時(shí)與其它方法進(jìn)行比較,歸納出上述方法的優(yōu)勢(shì)；在使用EGARCH進(jìn)行邊緣分布估計(jì)的基礎(chǔ)上,使用多種單參數(shù)和雙參數(shù)Copula函數(shù)對(duì)上證指數(shù)收益率與成交量序列進(jìn)行相關(guān)性分析,實(shí)證結(jié)果表明,根據(jù)所選用數(shù)據(jù)的特征,用雙參數(shù)Copula函數(shù)對(duì)相關(guān)結(jié)構(gòu)的刻畫更加精確；運(yùn)用Vine Copula函數(shù)對(duì)上證和深證的六個(gè)指數(shù)進(jìn)行相關(guān)性度量,結(jié)果表明與傳統(tǒng)Copula相比,Vine Copula對(duì)多元時(shí)間序列的相關(guān)性測(cè)度準(zhǔn)確度更高。論文的創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：首先,系統(tǒng)總結(jié)了Copula的理論框架,將Copula模型設(shè)定、估計(jì)、檢驗(yàn)及評(píng)價(jià)等方面進(jìn)行了比較全面地梳理,對(duì)Copula函數(shù)進(jìn)行了新的詮釋,并賦予了更有價(jià)值的經(jīng)濟(jì)解釋；其次,將半?yún)?shù)方法應(yīng)用于邊緣分布的估計(jì),為模型的可實(shí)現(xiàn)性奠定基礎(chǔ),同時(shí)將比較成熟的GARCH模型、極值理論與VaR理論系統(tǒng)地整合起來進(jìn)行估計(jì)與檢驗(yàn),并通過Monte Carlo模擬進(jìn)行風(fēng)險(xiǎn)的測(cè)度,從而降低了風(fēng)險(xiǎn)測(cè)度模型設(shè)定上疊加風(fēng)險(xiǎn)的概率,為金融風(fēng)險(xiǎn)的測(cè)度研究提供了更為實(shí)用的方法；最后,基于數(shù)據(jù)特征,應(yīng)用單參數(shù)與雙參數(shù)Copula、三種Vine Copula對(duì)金融時(shí)間序列的相關(guān)性進(jìn)行了分析并歸納出不同模型的優(yōu)勢(shì),為深入研究相關(guān)性問題提供了更為實(shí)用的工具。
【關(guān)鍵詞】：Copula函數(shù) 廣義帕累托分布 GARCH模型 相關(guān)性 風(fēng)險(xiǎn)測(cè)度 金融市場(chǎng)
【學(xué)位授予單位】：天津財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：F224;F830
【目錄】：

• 內(nèi)容摘要5-7
• Abstract7-12
• 第1章 導(dǎo)論12-22
• 1.1 選題背景及研究意義12-18
• 1.1.1 選題背景12-16
• 1.1.2 研究目的與意義16-18
• 1.2 研究結(jié)構(gòu)與主要?jiǎng)?chuàng)新18-22
• 1.2.1 研究?jī)?nèi)容與結(jié)構(gòu)18-20
• 1.2.2 主要?jiǎng)?chuàng)新與特色20-22
• 第2章 文獻(xiàn)綜述22-37
• 2.1 國(guó)外研究現(xiàn)狀22-31
• 2.1.1 Copula模型設(shè)定與估計(jì)的研究22-25
• 2.1.2 Copula模型的檢驗(yàn)25-28
• 2.1.3 Copula模型的應(yīng)用研究28-31
• 2.2 國(guó)內(nèi)研究現(xiàn)狀31-36
• 2.2.1 參數(shù)Copula模型的研究31-34
• 2.2.2 半?yún)?shù)和非參數(shù)Copula模型的研究34-36
• 2.3 本章小結(jié)36-37
• 第3章 Copula理論的研究與分析37-77
• 3.1 Copula函數(shù)的一般概念37-42
• 3.1.1 多元Copula函數(shù)的定義與基本性質(zhì)37-39
• 3.1.2 多元Sklar定理及推論39-40
• 3.1.3 條件Copula函數(shù)40-42
• 3.2 傳統(tǒng)Copula函數(shù)的分類42-55
• 3.2.1 橢圓族Copula函數(shù)42-44
• 3.2.2 阿基米德Copula函數(shù)44-53
• 3.2.3 極值Copula函數(shù)53-55
• 3.3 Vine Copula函數(shù)55-58
• 3.3.1 Vine Copula函數(shù)的定義55-56
• 3.3.2 Vine Copula的樹結(jié)構(gòu)及其對(duì)應(yīng)矩陣56-58
• 3.4 基于Copula理論的相關(guān)性測(cè)度58-64
• 3.4.1 Kendall秩相關(guān)系數(shù)58-60
• 3.4.2 Spearman秩相關(guān)系數(shù)60-61
• 3.4.3 Gini秩相關(guān)系數(shù)61
• 3.4.4 尾部相關(guān)系數(shù)61-64
• 3.5 Copula模型的設(shè)定研究64-65
• 3.5.1 確定單個(gè)隨機(jī)變量的邊緣分布64
• 3.5.2 確定隨機(jī)變量間相關(guān)模式的Copula函數(shù)64-65
• 3.6 Copula模型的估計(jì)方法研究65-72
• 3.6.1 Copula模型的參數(shù)估計(jì)方法65-69
• 3.6.2 Copula模型的半?yún)?shù)和非參數(shù)估計(jì)方法69-72
• 3.7 Copula模型的檢驗(yàn)72-75
• 3.7.1 邊緣分布模型的檢驗(yàn)72
• 3.7.2 Copula函數(shù)的檢驗(yàn)72-75
• 3.8 本章小結(jié)75-77
• 第4章 Copula模型的應(yīng)用研究77-94
• 4.1 構(gòu)成Copula模型的函數(shù)族分析77-84
• 4.1.1 GARCH族模型77-79
• 4.1.2 極值理論方法79-84
• 4.2 應(yīng)用Copula模型進(jìn)行金融風(fēng)險(xiǎn)測(cè)度84-93
• 4.2.1 在險(xiǎn)價(jià)值(VaR)模型84-91
• 4.2.2 應(yīng)用Copula模型的建模過程91-93
• 4.3 本章小結(jié)93-94
• 第5章 Copula模型的實(shí)證研究94-115
• 5.1 基于Copula模型的金融風(fēng)險(xiǎn)測(cè)度94-99
• 5.1.1 數(shù)據(jù)及描述性統(tǒng)計(jì)分析94-95
• 5.1.2 確定單個(gè)隨機(jī)變量的邊緣分布95-97
• 5.1.3 確定隨機(jī)變量間相關(guān)模式的Copula函數(shù)97-98
• 5.1.4 計(jì)算VaR并進(jìn)行失效天數(shù)回測(cè)98-99
• 5.2 雙參數(shù)Copula函數(shù)的應(yīng)用99-102
• 5.2.1 選取數(shù)據(jù)99-100
• 5.2.2 確定單個(gè)隨機(jī)變量的邊緣分布100-101
• 5.2.3 確定隨機(jī)變量間相關(guān)模式的Copula函數(shù)101-102
• 5.3 Vine Copula的應(yīng)用102-113
• 5.3.1 數(shù)據(jù)及描述性統(tǒng)計(jì)分析102-104
• 5.3.2 確定單個(gè)隨機(jī)變量的邊緣分布104-106
• 5.3.3 確定隨機(jī)變量間相關(guān)模式的Copula函數(shù)106-113
• 5.4 本章小結(jié)113-115
• 第6章 研究結(jié)論與展望115-117
• 6.1 主要結(jié)論115-116
• 6.2 研究展望116-117
• 參考文獻(xiàn)117-127
• 后記127

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 孫志賓;;混合Copula模型在中國(guó)股市的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2007年20期

2 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(xué)的實(shí)踐與認(rèn)識(shí);2007年24期

3 李軍;;Copula-EVT Based Tail Dependence Structure of Financial Markets in China[J];Journal of Southwest Jiaotong University(English Edition);2008年01期

4 許建國(guó);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(jì);2009年04期

5 王s，

本文編號(hào)：399006