多维混合Copula模型的构建研究.pdf

摘 要 多维Copula模型是描述多元变量间相关关系的有力工具。针对现有模型方法中 存在的局限性，本文利用Pair-Copula方法提出了改进的多维混合Copula模型及其构 建方法。现有的多维Copula模型由根据定义直接进行多维拓展的Copula函数来构 造，这种方法需要假设所描述的多元相关结构是平均分布的，即要求变量两两之间 的边际相关关系是近似相同的，而且对所描述的相关关系特征有严格假设。本文提 出的多维混合Copula模型则免除了上述要求,可以在变量间两两相关关系特征差异 较大或者相关关系特征不适合现有Copula函数时给出较好拟合效果，拓宽了模型对 数据的适用范围并提高了建模时的准确性。 本文首次将Pair-Copula方法与混合Copula模型相结合，并依据Pair-Copula方法 提出了适用于多维混合Copula模型的参数估计和函数模拟方法。混合Copula模型的 引入拓宽了可用的Copula函数类型，通过将恰当选择的几种Copula函数进行混合得 到的混合Copula模型不仅保持了原有Copula函数的性质，而且可以根据实际数据确 定混合函数中各Copula 函数的权重，从而可以描述更复杂的未知相关关系。 Pair-Copula方法是一种多元相关结构的分解构建方法，方法的思路是将多元变量间 整体的相关关系依据一定层次结构进行分解，分化为多个二元相关和条件相关关 系，然后使用适合的二维Copula函数拟合这些二元相关和条件相关关系，最后将所 得结果总和起来就获得整体多元相关结构的描述，达到利用二维Copula函数描述多 元相关关系的目的。在模型构建的参数估计部分，本文采用的是分层递归的EM方 法；在模拟模拟数据生成部分，因为混合Copula模型的条件分布逆函数很难求出解 析表达式，所以本文给出了数值求解的方法和操作程序。还利用模拟数据试验验证 了本文所提出方法的可行性和有效性。 为了验证方法在实际中应用的有效性，在本文的最后将方法应用在中国股市投 资组合的风险分析问题中，并对比了本文所提出方法构建的模型和传统方法构建模 型的分析结果。 关键字：混合Copula 模型； Pair-Copula方法； EM算法； 组合VaR 1 Abstract This paper mainly aimed to propose a new approach of building multi dimensional mixed-copula functions, based on the Pair-Copula method. The existing building approach requires that multiple data variables under considered must have nearly the same correlating relations between any 2 variables. if not meet the requirements, then the function will have worse fitting results; the proposed approach eliminates the requirement and permit that use different mix-copulato model different pair of variables during the modeling process , that will greatly broadens the scope of the data that model can fit and modeling flexibility. The Pair-Copula method as a general method, is a multidimensional construct