我国房地产业与银行业的相依关系

基于混合Copula模型选用房地产业和银行业的行业指数收益率数据对我国房地产业与银行业的相依关系进行研究,使用非参数核密度方法估计房地产业与银行业的指数收益率序列的边缘分布,并结合EM算法对混合Copula参数进行估计,得出结论:混合Copula模型相对于单个的Copula模型能更灵活的刻画出房地产业与银行业非线性与非对称的相关关系;两个行业在市场活跃时的相依强度略大于市场低迷时的相关强度且行业相依结构为正。文章的最后对于预防房地产业和银行业的风险传染给出参考性建议。     

上证综指深证成指的相关性分析——基于Copula连接函数

本文研究了对于给定的4种Copula模型,通过CML方法进行参数估计,由边缘分布二元直方图与在求出的估计参数下绘制的密度函数图形加以对比分析,再由样本与经验Copula分布进行直观的Q-Q图检验,然后用负对数似然函数值、AIC信息准则进行了拟合优度检验,认为Symmetrised Joe-Clayton copula能够更好的刻画上证指数和深证指数的相依结构。     

上证综指深证成指的相关性分析——基于Copula连接函数

本文研究了对于给定的4种Copula模型．通过CML方法进行参数估计．由边缘分布二元直方图与在求出的估计参数下绘制的密度函数图形加以对比分析．再由样本与经验Copula分布进行直观的Q—Q图检验,然后用负对数似然函数值、AIC信息准则进行了拟合优度检验．认为Symrnetrised Joe-Clayton copula能够更好的刻画上证指数和深证指数的相依结构。     

基于Copula函数的沪深300股指期货相依风险研究

本文对沪深300股指和股指期货仿真交易收益率极端风险和相依关系进行了研究,用DCC-GARCH模型描述了股指期货和现货之间动态的条件相关系数,并以极值分布为边际分布对四种常用的Copula函数进行了拟合,发现Frank Copula的拟合效果最好,其次为Clayton Copula。在此基础之上,对不同组合的VaR和CVaR进行测度,发现投资组合比例与风险之间呈现“U”型特征,这也为股指期货套期保值提供了一种新的研究方式。     

中国汇市、股市和债市相依结构实证研究——基于资本账户开放加快推进前后的对比分析

金融市场间收益率的相依结构是规避风险发生的理论基础。随着资本账户开放加快推进,研究中国汇市、股市和债市相依结构的变化对于维持金融市场健康平稳发展显得尤为重要。文章首先基于GJRGARCH模型过滤不同金融市场收益率序列,然后采用经验分布估计方法,建立边际分布序列,最后选取最佳Copula函数,建立了汇市、股市和债市间的二元联合分布模型。研究发现,随着资本账户开放的加快推进,第一,中国汇市、股市和债市间的尾部相依性降低;第二,中美两国股市间和债市间的相依性明显增强;第三,中美两国股市间和债市间的相依性比中国金融市场间的相依性强。本文研究结论帮助我国投资者在进行资产管理和金融监管部门制定政策时,对金融市场的变化做好事先的评判。     

金融相依风险研究引入Copula理论的利弊分析

本文以证券市场等相关风险为论述基点,在探讨金融市场的关联性基础上分析金融风险相依研究的缘起,通过对Copula理论内涵的解析阐述其对金融相依风险研究的推动维度,而后根据Copula理论的局限性分析其对金融相依风险研究未来走向的影响。     

金融相依风险研究引入Copula理论的利弊分析

本文以证券市场等相关风险为论述基点,在探讨金融市场的关联性基础上分析金融风险相依研究的缘起,通过对Copula理论内涵的解析阐述其对金融相依风险研究的推动维度,而后根据Copula理论的局限性分析其对金融相依风险研究未来走向的影响。     

财险公司赔款与直接理赔费用的相关性分析

本文首先对财险公司实际理赔数据进行分布拟合分析。通过三种拟合优度准则的比较,发现Burr分布比Pareto分布能更好地拟合赔款和直接理赔费用。其次,为了刻画赔款和直接理赔费用之间的相依关系,我们通过对常见的五类Copula函数进行参数估计,并比较赤迟信息准则（AIC）的大小,发现Gumbel Copula比其他常见的四类Copula函数更适合。最后,作为本文研究的应用实例,本文使用R软件的随机模拟函数,计算出一种特殊的再保险保费以及风险价值和尾部风险价值。     

Copula理论在金融市场分析应用中的理论探析

Copula理论在建模中不仅可以避免对边缘分布和联合分布的正态假设,还可以描述变量间的非线性相关结构,捕捉到非正态、非对称的信息,在金融市场分析中应用广泛。在介绍了Copula理论以及Copula理论建模方法的基础上,从理论上阐述了Copula理论在风险度量和多标的资产价格定价上的应用,在理论上给出了风险价值（Value at Risk）的测度和期权价格的计算。Copula理论将被广泛应用在金融分析各个领域研究中。     

投资组合风险承受能力既定的Achimedien copula实际风险模拟

Copula是用来描述多个随机变量间相依的统计方法,利用随机向量的边缘分布,确定随机向量的联合分布。Copula函数广泛地应用与金融领域,特别在投资组合选择,金融市场风险管理方面成为一个有力的工具。本文选取模拟金融数据效果更好的Achi-medien copula函数对给定风险下的投资组合面临的实际风险进行了分析。     

投资组合风险承受能力既定的Achimedien copula实际风险模拟

Copula是用来描述多个随机变量闻相依的统计方法,利用随机向量的边缘分布,确定随机向量的联合分布.Copula函数广泛地应用与金融领域,特别在投资组合选择,金融市场风险管理方面成为一个有力的工具.本文选取模拟金融数据效果更好的Achi-medien copula函数对给定风险下的投资组合面临的实际风险进行了分析.     

基于混合Copula函数的行业指数投资组合风险度量

考虑金融时间序列出现非正态性及非线性相关的特征,构建了基于混合Copula函数的投资组合风险度量及优化模型。采用GARCH模型对各个金融时间序列缘分布进行建模,并利用可以灵活反映上、下尾部相关和对称相关的混合Copula连接各个边缘分布。运用BFGS算法和极大似然估计相结合的方式对模型进行参数估计,通过数学优化和Monte Carlo模拟方法求得投资组合的最优权重,以及相应的Va R和CVa R值。最后,利用中国股市四个行业指数的数据进行实证分析,检验了模型的可行性和有效性,为高维非线性相关的投资组合决策提供有价值的参考。     

开放经济下金融资产的相关性度量及风险分析——以上证指数和恒生指数为例

一、copula函数的相关理论介绍(一)copula的定义和Sklar’S定理Copula函数原义是"连接","交换"的意思,可以理解为"相依函数"或"连接函数",它是把多维随机变量的联合分布用其一维边际分布连接起来的函数。二维Copula函数C是定义在I2=[0,1]×[0,1]上,满足以下条件的函数:     

基于EGARCH-Copula模型的VaR方法在投资组合风险分析中的应用

GARCH族模型是金融计量学中用来描述或预测金融资产收益率波动的模型,通过对金融资产收益率波动的建模,可以得出未来金融资产收益率的条件分布。Copula函数可以用来描述多个随机变量间的相依结构,进而得出他们的联合分布。Copula自被引入金融产品分析以来,以取得了很多成果也被广泛使用。运用GARCH族模型进行资产组合中边缘分布的建模,继而使用Copula得到组合资产联合分布的方法来计算资产组合VaR值最早被吴振翔（2006）系统性地提出,但其中有许多问题仍需要完善。本文将继续这个思路,通过EGARCH模型更好地描述资产收益率的杠杆效应,以及考虑Copula函数中参数的时变性,来完善这一方法。     

人民币汇率间相依关系研究——基于高阶矩波动和Copula函数视角

随着人民币汇率市场化改革和人民币国际化进程的不断推进,人民币汇率风险越发受到重视,考察人民币汇率间的相依关系是有效管理外汇风险的前提。本文通过选取人民币对美元、欧元和日元汇率的中间价,运用GJRSK-M高阶矩波动模型刻画它们各自的波动特征,然后结合EVT极值理论构建边缘分布,再选取拟合效果更好的时变Copula函数,研究三组人民币汇率间的相依关系。结果表明:人民币对美元、欧元汇率存在着较强的负相依特征;人民币对美元、日元汇率相依系数下降趋势比较明显;人民币对欧元、日元汇率相依系数波动较大,但整体上呈现出较弱的负相依特征。     

基于Copula-GARCH-M函数的投资组合风险分析

金融风险问题的研究一直都是众多学者关注的重点.本文结合了刻画多个随机变量之间非线性相依结构的Copula函数与描述金融时间序列波动模型的GARCH-M函数,建立了一个新的Copula-GARCH-M模型.通过对上证A股和上证B股进行蒙特卡洛模拟的实证分析,发现t-Copula-GARCH-M具有更强的风险度量能力,能对投资组合的风险进行更有效的管理.     

开放经济下金融资产的相关性度量及风险分析——以上证指数和恒生指数为例

<正>一、copula函数的相关理论介绍(一)copula的定义和Sklar’S定理Copula函数原义是"连接","交换"的意思,可以理解为"相依函数"或"连接函数",它是把多维随机变量的联合分布用其一维边际分布连接起来的函数。二维Copula函数C是定义在I2=[0,1]×[0,1]上,满足以下条件的函数:     

基于半参数Copula的信用风险实证分析

随着金融市场的不断深入和发展,金融相关性分析越来越复杂,Copula技术以处理非正态联合分布的优良性质得到了国内外学术研究的广泛关注。本文通过非参数的核密度估计法估计Copula的边缘分布,用两阶段最大化方法确定Copula的参数和核密度估计的带宽,用Copula理论更加准确地描述资产的相关性,从而更加准确地量化金融市场的风险,并在KMV的框架下,讨论中国A股市场投资组合的信用风险。     

非对称尾部相依视角下的金融机构系统性风险研究

本文以我国45家上市金融机构为样本，分别使用12种非对称和4种对称Copula模型拟合“系统—机构”二元相依结构，对比基于最优非对称和最优对称Copula-广义Co Va R的估计精度，并从宏观金融和微观机构层面分析影响金融机构系统性风险的重要因素。结果表明：时变非对称尾部相依是“系统—机构”相依关系的普遍特征；我国金融业各子部门的系统性风险排序基本为“银行>保险>证券>多元金融”；金融机构的个体风险与系统性风险的相关性较弱，下尾相依性是识别系统重要性金融机构的关键因素；在危机期间，金融机构的杠杆率对个体风险和系统性风险具有显著的正向影响；稳定和改善宏观金融环境是化解系统性风险的根本举措。     

基于Copula-SV-t模型的开放式基金投资组合优化

现代投资组合理论要求投资者研究不同金融资产间非线性非正态的分布特征和相关关系,进而优化相应的资产组合。结合SV-t模型和Copula函数,对单支开放式基金收益率分布的厚尾特征和不同基金间非线性的相关关系进行描述,并用ES方法度量不同权重下基金组合间的风险。实证表明：t-Copula函数下的模型更能反映出组合间的尾部相关性,此时最优组合下ES较正态Copula函数下的结果要小,说明t-Copula函数下的Copula-SV-t模型在实际中更具应用价值。