基于Copula理论A股与H股尾部相关性研究.docVIP

基于Copula理论的A股与H股尾部相关性研究 　　以往在研究变量间的相关性方法中，线性相关系数和Granger因果分析方法是常用的较简单的方法，然而，线性相关系数要求变量间的关系是线性的，其不能度量变量间的非线性，Granger因果分析只能给出定性的结论，不能加以定量的描述。而由Copula函数及其导出的一致相关测度可以很好地刻画变量间的非线性，非对称性的关系和厚尾分布的相关关系。本文就以A股和H股市场指数为研究对象探讨其变量间的相关性，以期为实际的投资策略研究及风险管理提供参考。 　　一、Copula函数与秩相关系数概述 　　（一）Copula函数定义 Copula函数实际上是连接随机变量边缘分布的累积分函数。Skiar指出对于一个具有一元边缘分布的联合分布函数F，F为n维的分布函数，它有边际分布函数F1，…，Fn，那么存在一个Copula函数C满足： 　　F（x1，…，xn）=c（F1（x1），…，Fn（xn）） 　　如果F1，…，Fn是连续的，则copula函数是唯一确定的，反之可以得到C（u1，…，un）=F（F1-1（u1），…，Fn-1（un）），其中ui∈［0，1］（i=1，2，…，n） 　　（二）常用的Copula函数椭圆Copula和Archimedean类Copula是实际研究中常用到的类型。椭圆Copula主要包括正态Copula和学生t―Copula，在正态Copula函数模型中，极端事件的发生总是彼此独立的，即接近于0或1的可能性彼此独立，而在学生t―Copula函数中极端事件总是相关的。实际中金融资产的分布通常并不满足椭圆Copula的性质，所以大多数学者更为关注的是Archimedean Copula。Archimedean Copula函数的类型主要包括Gumbel Copula、Clayton Copula和Frank Copula等。 　　（三）Kendall秩相关系数的定义及与Copula函数关系 Copula函数尾部相关系数计算中要用到秩相关系数，现介绍Kendall的秩相关系数定义：设（ X1，Y1）和（X2，Y2）是独立同分布随机向量，令（X，Y）=P（（X1-X2）（Y1-Y2）0）-Pr（（X1-X2）（Y1-Y2）0）-1。 　　从上式可以看出∈［-1，1］。 　　设（X，Y）相应的连接函数C（u，v），则可以由C（u，v）函数得到： 　　学者Frees E .W.与Valdez E.A.对常见的copula函数的适用情况有过研究，得出Gumbel Copula函数的密度函数具有非对称性，Gumbel Copula函数对变量在分布上尾处的变???十分敏感，因此能够快速捕捉到上尾相关的变化，可用于描述具有上尾相关特性的金融市场之间的相关关系，如它可以很好地描述牛市时期股票市场间相关性增强的情形；Clayton Copula函数对变量在分布下尾处的变化十分敏感，因此能够快速捕捉到下尾相关的变化，可用于描述具有下尾相关特性的金融市场之间的相关关系，如它可以很好地描述熊市时期股票市场间相关性增强的情形；Frank Copula的密度分布呈“U”字型，具有对称性，因此无法捕捉到随机变量间非对称的相关关系。 　　Copula函数的尾部相关关系公式为： 　　二、实证研究 　　首先由股价的运行趋势判断适用哪类的Copula函数，求得两类指数的秩相关系数，再利用表格所示，求出相应的，将代入相应的Copula（u，v）函数，求出C（u，v）函数，在代入尾部相关系数公式，求出不同概率水平下的相关系数值。 　　为研究A股和H股的相关性，选取A股指数和香港国企指数（H股）的收盘价为样本数据，时间长度为2005年9月14日至2010年6月30日，由于这段时间爆发次贷危机股市剧烈震荡，以2007年10月30日为分界点，第一阶段为股市急剧上升阶段，第二阶段为股市下降后平稳震荡阶段，以Rij＝lnPij，t－Pij，t－1（阶段i＝1，2；股市j＝A股，H股；时间为t）数据整理及分析工具为Excel和Eviews6.0。 　　（一）第一阶段数据分析用Eviews软件计算得秩相关系数tau 　　=0.2，由于此阶段的股价是急剧上升的，利用Gnmbel coupla函数，由与关系求的＝1.25，代入函数C（a，a），进而求出尾部相关系数。根据Copula函数的尾部相关关系公式和Cnmbel Copula函数可以计算在不同的概率值下的尾部相关系数。结果如表2所示。表2中前3个为下尾相关系数，后3个为上尾相关系数。 　　从表2中可以看出随着的增大，上尾相关系数趋近于0.265，而下尾在＝0.1时等于0.1815，这说明当A股收益率低于q0.1 时，H股指数的收益率以18.15%的概