Copula函数的非参数核密度估计方法

文章运用非参数核密度估计技术并结合极大似然估计方法来估计Copula函数中的参数,克服了传统方法在估计Copula函数参数时的不足.并通过计算机仿真分析,证实了此方法的可行性与准确性.     

Copula函数的非参数核密度估计

Copula函数包含了变量的边际分布和变量间的相关结构两方面的信息.用Copula函数可以很灵活地构造相关结构和边际分布不同的联合分布函数.Archimedean Copula函数在金融市场分析中很有用.在用Copula理论建模的过程中有一个很重要的环节是参数估计.文章采用对边际分布不作具体假设的非参数核密度方法来估计Archimedean Copula的参数,并用实证说明方法的有效性.     

基于阿基米德Copula度量VaR的蒙特卡罗法

文章以混合正态分布的形式拟合单个金融资产收益分布,采用阿基米德Copula结构度量投资组合的相关关系,改进了传统的蒙特卡罗法并给出了相应算法.利用上证综指和深证成指进行实证研究的结果表明,较之传统方法,用阿基米德Copula结构的蒙特卡罗法度量投资组合的风险值更为有效.     

Copula函数模型的选择

Copula理论在统计及金融分析中有着广泛的应用.目前Copula函数在实际应用中的一个关键问题是函数模型的选择.文章通过实例对Copula函数模型的选择问题进行了探讨,验证了各种方法的有效性.     

基于Copula函数的动态投资组合研究

文章以传统的投资组合理论为基础,将Copula理论引入到均值一方差模型中来,用Copula函数导出的时变Kendall的tau相关性测度代替线性相关系数,求解投资组合最小方差模型,得到最优投资比例和投资收益,并在此基础上与线性相关下求解的结果进行比较.     

相关性分析中Copula函数的选择

Copula函数在金融分析和风险管理中有广泛的应用,利用Copula函数可以构建组合风险资产的联合收益分布和资产之间的相关性.在构建Copula模型时,一个关键的问题就是如何选择最佳的Copula来拟合实际的金融数据.文章分析了Copula函数选择困难的原因,指出了现有的似然准则选择方法的不足,提出了基于参数Bootstrap技术的对数似然准则检验方法,考虑了更大范围的Copula函数族群,利用模拟实验检验了该方法的选择能力,模拟结果表明对于没有尾部相关性的Copula函数和具有较小的尾部相关性的Copula函数可以较好地进行区分,而且也能区分大部分的具有较大尾部相关系数的Copula函数.同现有的只能区分常见的几类Copula的似然准则选择方法相比,文章提出的方法可以在更大范围内识别不同的Copula函数.     

基于Copula函数的金融时间序列模型述评

结合当前Copula函数及其应用的热点问题,着重评述了基于Copula函数的金融时间序列模型的应用。鉴于利用Copula可以将边际分布和变量间的相依结构分开来研究这一优良性质,在设定和估计模型时便显得极为方便和灵活。从模型的构造、Copula函数的选择、模型的估计以及拟合优度检验等几方面展开阐述和评价,介绍了Copula模型在金融领域中的几类应用,并对Copula理论和应用的新视角进行了展望。     

基于Copula函数度量违约相关性

一、问题的提出在现代信用分析中 ,信用风险计量模型可按其计量的风险层次分为三种类型 :一是单个交易对手或发行人的计量模型 ,二是信用资产组合层次的计量模型 ,三是信用衍生产品的计量模型。对于第一类模型 ,主要有基于期权定价技术的风险计量模型 ,基于风险价值 (VaR)的信用度量模型 ,基于保险思想的CSFP信用风险附加模型 ,以及麦肯锡公司的宏观模型。目前这一类模型的研究者较多 ,思想也较为成熟。而对于后两类模型 ,研究起来则相对复杂和困难的多。现代资产组合理论 (MPT)表明 :适当地利用资产之间的相关关系 ,可以有效地降低风险…     

基于Copula函数的CPI与GDP相关性研究

GDP与CPI分别作为衡量经济发展与通货膨胀的重要指标,其相关性分析直接影响宏观经济政策的制定.文章利用阿基米德Copula函数对1992-2015年CPI与GDP的季度同比增长率进行研究,分析了CPI与GDP之间的相关性与尾部特征.研究表明,CPI与GDP增长率的变化是一致的,即CPI与GDP之间存在正向相关关系.     

基于Copula函数的深市行业间的尾部相关性分析

采用Copula函数进行相关分析,能够测度到变量间的非线性、非对称的相关关系,特别是容易捕捉到变量分布的尾部相关关系。基于此分别采用Clayton Copula函数和Gumbel Copula函数对深市各行业间的尾部相关性进行分析。结果表明,除了服务行业外,其他行业之间均具有显著的非对称的尾部相关性。     

基于Copula方法处理随机前沿模型的正偏度问题

随机前沿模型在小样本情形下容易出现正偏度问题,无法给出厂商技术效率的合理估计值。放松经典模型中关于复合扰动项的相互独立假设后,基于Copula方法刻画白噪声项与技术无效率项之间的相关性,采用数值模拟方法计算模型参数与厂商技术效率的估计值。蒙特卡洛实验表明,此估计策略具有良好的大样本性质,较之经典模型拥有更高的估计精度,能够在出现正偏度问题时给出合理的技术效率估计值,且估计结果在不同的Copula函数选择下保持着较好的稳健性。     

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断.C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性.采用Czado等提出的选择准则决定C-Vine模型的具体分解形式.利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族.利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数.最后,通过实例来研究序列间的相关性和相互影响.     

基于Copula方法的极值洪水频率与风险分析

洪灾风险分析中的一项重要内容是关于洪水发生概率(频率)的估计。以湖南省四大水系中的四个站点50多年的年最高水位数据为基础,结合常用于灾害分析中的分布模型估计出每个站点的洪水频率分布,再利用Copula函数模型得到两两水系间水位协同变化的联合分布函数,进而估计每两条河流同时发生洪水灾害的概率。     

基于Copula连接函数的数据挖掘关联算法的设计

现实中海量数据往往持续地产生,如何实现信息和知识的动态挖掘已成为人们关注的理论问题。根据数据集分批分步输入处理的思想,以Copula连接函数为理论基础,给出一种有效海量数据的关联分步测度算法,通过模拟实验验证了该算法的可行性,结果显示所设计的关联算法能显著提高关联效应测量的效率,并能有效地解决超海量数据关联效应的测度问题。     

MCMC方法下最优Copula的估计及选取

针对目前Copula函数在实际中的应用问题,介绍了一种基于马尔科夫链蒙特卡罗方法（MCMC）的Copula函数估计及选取方法,并将该方法与目前常用方法进行系统比较,最后对上证综合指数和深证成分指数进行了实证分析,结果体现了该法的有效性。     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管.     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

基于混合Copula模型的水稻保险费率厘定

模拟产量风险和价格风险的联合分布是农业收入保险费率厘定的重点和难点。借助核密度估计方法和混合Copula模型研究了水稻产量和价格风险因子的联合分布并厘定了产量、价格和收入三种保险的纯费率。研究表明:(1)与单一Copula函数相比,混合Copula模型更适合拟合多风险因子的联合分布。(2)早稻价格风险导致的收入损失高于产量风险导致的收入损失,中稻和晚稻产量风险导致的收入损失高于价格风险导致的收入损失。(3)由于产量风险和价格风险的对冲,江苏、安徽、江西、河南、贵州和广西具备了在中稻、晚稻主产区试点收入保险的客观条件。(4)在100%的保障水平下,中国水稻产区早稻收入险纯费率为8.60%～12.84%、中稻收入险纯费率为5.89%～12.07%、晚稻收入险纯费率为4.59%～7.94%。