基于小波分析的三维Copula密度估计及其应用.pdfVIP

基于小波分析的三维Copula密度估计及其应用 彭选华 (西南政法大学经济学院，重庆401120) 摘 要：文章考虑三维变量相依结构的最佳量化问题 ，利用小波多尺度分析，提 出三维Copula密度的小波 线性估计量及其计算步骤，基于最小化均方积分误差准则，给出参数Copula的最优化筛选方法。对上证综合指 数、日经225指数和标准普尔500指数等收益率的实证研究表明：(1)该估计量在不同时间尺度上展示了金融指 数潜在相依结构的局部特征；(2)以此为基准经最优化筛选的混合参数Copula是展示金融相依结构的最佳模型。 关键词：小波分析 ；多尺度分析；Copula密度；非参数估计 中图分类号：0212 文献标识码：A 文章编号：1002—6487(2013)04—0017—40 0 引言 小波技术已经成功地应用于不同的学科研究领域，比 如信号检测、图像处理及统计学等(Vidakovic，1999)t61。记 Copula理论及其金融应用前景十分广阔．Skim(1959) 一 维尺度函数和小波函数分别为 和 以及其伸缩和平移 首次提出Copula并将其定义为把一元分布函数 “连接”起 变换为： 来形成多元分布函数的函数．Joe(1997)嘲和Nelsen(2006)系 I『()=2J／2 2 一点)，，^()=2iz／(2 一是) (1) 统地总结了Copula的基本性质以及Copula相关性、尾部相 若z∈R和点∈z，则 的正则性和紧支撑性确保 (z) 依性以及高维联合分布的copula藤结构等前沿问题．Em— 是L )空间的正交函数系。任意jEN，=(志l，k2，k3)EZ。， brechtS(1998)t开拓性地将Copula方法引入到金融风险管 利用 和 的张量积生成对应的三维尺度函数 o,k和小波 理领域．随后Copula在该领域中取得了许多有价值的应用 成果(Chembini等，2004)t。 函数 ， 1，2，A，7．也即： 为此，据国内外已有研究可以推测金融变量的相依性 ， k(ggbZ2，z3)= ，^。1，2，3l zaz3)= ．kl(X1~j，2，b3l 2 度量简化为对随机变量潜在相依模式的最佳识别。金融 )／ ， zbza3)= ，h(z1~qj,kz(Z2，b(z31 (z1，z2，3)=竹,klZ(1，(z2，b(z31 变量具有复杂的统计特征，比如波动聚集性、长记忆性及 1，翰z3)= ㈨ ，2，b(z3l (z1，z3)=‰(础 z ,k3(Z3l 分布的尖峰、厚尾等，这使得金融相依结构的局部特征非 常明显，其真实Copula密度曲面可能具有参差不齐的多峰 Ax1，z3)=，hz(1，z(2，bz(31识( z3)=,klZ(1，(z2，b(z3l 形状。由于小波函数作为局部特征识别和奇异信号处理 (2) 的得力工具，具有极强的变焦功能和局部 自适应能力，因 集合 {埘， ： 1，2，A，7；jj0；尼∈z； ∈N)是空 此将小波引入对金融变量的相依结构度量不仅具有直观 间L2(R。)的一组正交基，则任意三元函数h(x1，2，3)在尺 意义，还是数量金融的研究热点。为此以三维为例，考虑