文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 物理 > 基于时变Copula模型的沪深股市相依分析
侵权投诉

基于时变Copula模型的沪深股市相依分析

基于时变Copula模型的沪深股市相依分析

王

沁1,2,王

璐2,程世娟2

(1.中国科学技术大学统计与金融系,合肥230026;2.西南交通大学数学学院,成都610031)

摘

要:文章针对沪深股市的波动性以及非正态分布的非线性相依机制,以t-Garch模型描述

了沪深指数收益率的边缘分布,以Kendall的tau出发构建的时变Copula模型描述了沪深股市的相依机制。结果表明,以Kendall的tau为基点的时变Copula模型相对于以线性相关系数为基点的时变Copula模型,更能捕捉非线性的、非正态的时变相依机制,具有一定的优越性。

关键词:时变Copula模型;Garch模型;Kendall的tau;沪深股市中图分类号:O211.3,F224

文献标识码:A

文章编号:1002-6487(2010)19-0139-03

0引言

作为一种近年来新兴的统计方法,时变Copula技术,将边缘分布及相关结构分开处理,通过总体参数随时间演化的方程描述了变量间相关性的变化,从而细致地刻画了不同股市之间或者不同的市场之间非线性的、非正态的、时变的相依机制,从而更灵活、更稳健、更可靠地分析变量间的相关结构,符合经济管理、风险的度量等实际问题的需要,是Copula理论发展的一类新的研究领域,是相关性分析的新方向。自从PattonAJ讨论了时变Copula模型,利用时变Copula模型对多变量数据进行相关分析[1-3]以来,时变Copula模型得到广泛的研究和应用[4-6]。

常用的时变Copula模型是从线性相关系数ρ出发,建立一个类似于的演化方程[1-2,6-8],从而描述变量间相依机制的时变性。一方面,线性相关系数在变量发生非线性单调变换的情况下会发生变化,所以,以线性相关系数为出发点所建立的时变Copula模型存在缺陷。另一方面,只有当Copula模型是正态Copula模型时,线性相关系数是模型的总体参数,而大多数Copula模型的线性相关系数与模型的总体参数之间存在某种复杂的非线性关系。所以,往往假定Copula模型是正态Copula模型,然后从线性相关系数出发建立时变Copula模型,这类时变Copula模型不足以描述金融变量间的非正态分布、非线性的相依机制。

基于从线性相关系数出发的时变Copula模型的缺陷,本文以沪深指数的收益率为研究对象,用t-GARCH描述沪深指数的收益率的边缘分布,以Kendall的τ为基点建立了时变Copula模型,从而描述沪深指数之间的非线性的、非正态的、时变的相依机制。由于Kendall的tau在变量发生非线性单调变换的情况下是保持不变的,刻画了变量间非线性的全局关系,与Copula模型的总体参数一一对应,所以,这类时变Copula模型具有一定的优越性,本文利用AIC准则证实了从Kendall的τ出发所建立时变Copula模型的优越性。

Copula技术是一种灵活、稳健的相关分析的工具,用于金融市场间的相关性分析具有其独特的优势。Sklar[9]指出:对于一个具有一元边缘分布F1(x1),F2(x2),…,Fn(xn)的联合分布函数F(x1,x2,…,xn),则存在一个Copula函数,使得

F(x1,x2,…,xn)=C(F1(x1),F2(x2),…,Fn(xn))(1)其中Copula函数C(u1,u2,…,un)将边缘分布及相关结构

分开了,描述了随机变量的非线性关系,度量了随机变量之间的相关程度和相依机制。

Copula函数导出的一致性和相关性测度指标,有Kendall的τ、Spearman的ρ和Gini系数等,其中Kendall的tau为[10]:

τ=P((X1-X2)(Y1-Y2)>0)-P((X1-X2)(Y1-Y2)<0)(2)由于对变量作单调递增变换,相应的Copula模型不会[14]

改变,所以,Kendall的tau的值也不会改变,这意味着与线性相关系数相比,Kendall的tau应用范围更广、实用性更强。另外一方面,Kendall的tau常常与Copula模型的总体参数具有一一对应的关系,所以,以Kendall的tau为基点建立总体参数随时间演化的方程,建立时变Copula模型,能细致地

描述变量之间的非线性的、波动的、时变的相关结构。

本文为了比较,选用了正态Copula函数和Joe-ClaytonCopula函数描述不同指数收益率的相依机制。

二元正态Copula模型的形式[10]如下:

Cρ(u1,u2)=Φρ(φ-1(u1),φ-1(u2))(3)其中Φ-1(·)为一元标准正态分布的逆函数,Φρ为标准的二元正态分布函数,ρ为线性相关系数,ui∈[0,1]。

二元Joe-ClaytonCopula模型的形式[10]如下:

Cθ(u1,u2)=max([u1+u2-1]-1/θ,0)

-θ

-θ

(4)

其中θ≥0。

正态Copula模型、Joe-ClaytonCopula模型其相应的Kendall的tau分别为:

(5)τρ=1arcsinρ,τθ=θ

下面结合GARCH模型、Kendall的tau和二元Copula模型来构建时变Copula模型,它的建模过程如下:

(1)使用各类GARCH模型对沪深指数的收益率建立模型,根据AIC准则选择最恰当的GARCH模型。

1时变Copula模型的构建

基金项目:2009教育部人文社科项目青年项目(09YJCZH104);中央高校基本科研业务费专项资金资助(SWJTU09CX075)作者简介:王

沁(1973-),女,博士后,副教授,研究方向:统计学应用。

统计与决策2010年第19期(总第319期)

139

第1页

你可能喜欢

  • 沪深A
  • 有限元分析模型
  • 模型研究
  • 股票与股票市场
  • 元模型
  • 汽车模型
  • 沪深A股
  • 沪深300成分股

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email