沪深指数联合分布函数的与估计ppt.ppt

* 沪深指数联合分布函数的分析与估计 Analysis and estimation of the joint distribution function of Shanghai and Shenzhen Stock Index 毕业论文答辩 之 姓 名： 学 号： 班 级： 指导老师： 目 录 1 背景意义 2 Copula理论简述 3 实证分析 4 总结 5 查重报告 1 背景意义 从20世纪80年代开始，金融的自由化、信息技术发展、融资证券化以及金融创新的快速发展一齐推动了全球金融一体化。而它们在全球化的同时，又伴随着各种复杂多变的风险管理问题。 Copula理论作为一种定性与定量分析相结合的新兴统计分析方法，使人们对金融市场的认识更加科学直观，更是为实际金融投资与决策提供了依据。本文试着通过Copula函数对各变量间的非线性的相关关系对沪深指数联合分布函数进行分析和估计。 2 Copula理论简述 Copula函数描述的是变量间的相关性，实际上是一类将联合分布函数与它们各自的边缘分布函数连接在一起的函数，因此也有人将它称为连接函数。 如果一个多元分布函数具有均匀的一元边缘分布函数，那么这个多元分布函数就是Copula。 2 Copula理论简述 （正态Copula） 其中 本文选取BB1 Copula包含了Clayton Copula和Gumbel-Hougaard Copula。 选择 为生成元，得到多参数生成器 生成相应的双参数Copula，得到函数解析式如下： 本文考察上证综指和深证成指间的关系，选取深证成指（SZSE）和上证综指(SZI)的每日收盘价 为样本，取对数收益率 ，选取时间段为2006-01-04至2016-02-05，除去不一致的日期，共2453个有效时间段。 通过excel对数据进行处理，获得深证成指（SZSE）和上证综指(SZI)对数收益率。 数据来源：网易财经。 3 实证分析 3.实证分析 通过eviews做出深证成指和上证指数的对数收益率图如下： SZSE SZI 3.实证分析 用eviews软件对数据进行分析，并建立模型。在模型的建立当中，我们取使logL评价达到最大的数值，并且使AIC和SC达到最小的值，得到表5.1如下： logL AIC SC 上证综指 8390.9102 -6.8452 -6.8405 深证成指 8101.4243 -6.6090 -6.6043 表5.1评价标准 通过matlab做半参数估计，得到Copula参数估计结果以及参数显著性检验z统计量的P值。BB1 Copula进行模型拟合优度检验，结果如下： 可以看出BB1 Copula拟合效果较好。 Clayton Copula Gumbel-Hougaard Copula BB1 Copula K-S检验Dn（P值） 0.0139（0.8126） 0.0122（0.9798） 0.0116（0.9982） PP图斜率k（|k-1| 0.9884（0.0116） 1.0071（0.0071） 0.9998（0.0002） 3.实证分析 对于深证成指和上证指数对数收益率，下面有不同分位数值对应的上、下尾部相关性，使用BB1 Copula,结果如下： 上尾相关性 下尾相关性 0.950 0.1428 0.050 0.1361 0.975 0.1232 0.025 0.7615 0.995 0.0969 0.005 0.0418 0.0899 0.0002 从结果当中可以看出两个金融市场存在正的上下尾相关性，其中上尾相关性较强。 风险管理者可以预测当某一金融市场发生极值波动时，另一融市场发生同样波动的概率有多大，从而有效的控制风险可能带来的不利影响。 在这篇论文当中，首先介绍了研究背景和意义，然后对引入的Copula函数的基本理论进行了概括，而后通过对单参数Copula的选择以及多参数Copula函数的构造和选择的分析确定实证分析当中对Copula的选择，紧接着介绍了几种Copula参数估计方法，最后对上海证券市场A股综合指数和深证证券市场综合指数的对数收益率的相关性进行了研究。 在数据分析研究的结果方面，我们可以看出：上海证券市场A股综合指数和深圳证券市场有比较强的上尾相关性，也可以说这两个金融市场同时发生极大值的概率比 较大。 4 总结 5 查重报告