房地产业与银行业股票的相关性研究.pdfVIP

I缝纵 横 房地产业与银行业股票的相关性研究 田茂茜 ，虞克明 (1．石河子大学统计与金融系，新疆 五家渠 831300；2．英国布鲁奈尔大学 数学系，英国 伦敦 UP83PH) 摘 要：在给定概率水平下，为了描述具有尖峰、肥尾、有偏等特性的金融变量之间的非线性相依结构，给出 了能够准确刻画金融变量上述特性的非对称Laplace分布，首次推导出了以该分布为边际分布，联合分布由高斯 Copula建立的非线性分位数回归模型。实证表明：高斯Copula非线性分位数回归模型能够更全面准确的描述房 地产业与银行业股票收益率之间的风险相关关系，对于预测收益率和防范金融风险具有十分重要的意义。 关键词：高斯Copula；非线性分住数回归；非对称 Laplace分布 中图分类号：F832 文献标识码：A 文章编号：1002—6487(2013)09—0166—04 P∈(O，0．5)时右偏，当痧=O．5时对称分布。 0 引言 1．2 参数估计 关于非对称Laplace分布参数的估计本文采用矩估计 在给定概率水平下，如何描述具有尖峰、肥尾、有偏等 法，即若随机变量X~ALD(#，，P)，则可以计算出x的期 特性的金融变量之间的非线性相依结构，这涉及到Copula 望为E(x)= +a(1—2 (1一 ，方差为Var(X)=a2(1一 非线性分位数回归模型。然而在金融风险管理领域，t分 + 。)(1一p)-2P～，偏度为S x)：2[(1一 )。-p。][(1一 布是对称分布，无法刻画金融变量的非对称性。在国内， 声)+声0]_。。根据偏度公式可以计算出形状参数 的矩估 关于Copula非线性分位数回归的研究还比较少，2008年 计，然后利用方差公式可以计算出尺度参数口的矩估计，最 关静 1在边际分布未做任何分布假定而选为经验分布的条 后利用期望公式可以计算出位置参数 的矩估计。 件下运用ClaytonCopula非线性分位数回归模型分析了沪 深股市收益率尾部区域的风险相关性。 2 高斯Copula及其非线性分位数回归 本文介绍了能够刻画金融数据尖峰、肥尾、有偏等特 性的非对称Laplace分布及其参数的矩估计，并首次推导 最常见 的单参数Copula函数 有高斯 Copula(B1)， 出了以该分布为边际分布，联合分布由高斯Copula建立的 FrankCopula(B3)，ClaytonCopula(B4)，GumbelCopula(B6)。 非线性分位数回归曲线方程，为了进一步说明非对称La— 本节之所以只介绍高斯Copula~线性分位数回归主要是 place分布与t分布在刻画金融变量时的不同，我们用Monte 因为在实证部分中对Copula的选择时，高斯Copula描述房 Carlo随机模拟的方法给出了边际分布分别为上述两种分 地产业与银行业股票收益率的非线性相依结构是最恰当 布，联合分布由高斯Copula建立的非线性分位数回归曲线 的。首先给出重要的Sklar定理： 方程的图像。在实证部分，我们用该模型定量刻画了房地