基于时变SJC-Copula函数沪港股市尾部相关性研究.docVIP

基于时变SJC-Copula函数沪港股市尾部相关性研究 　　【摘要】本文用时变SJC Copula函数和基于秩的极大似然估计法对沪港两市的尾部相关性进行了实证研究。结果表明沪港股市的下尾相关程度略大于上尾，按两阶段分析，第一阶段几乎不存在下尾相关，上尾相关亦不明显；第二阶段的尾部（尤其是下尾）关联程度明显高于第一阶段，并且下尾相关程度大于上尾。 　　【关键词】上证综指；恒生指数；Copula函数；尾部相关性 　　 　　1.引言 　　多元分布函数是描述随机变量相关性的最基本方法，但传统的多元分布函数在实际应用中存在：变量较多时函数的解析式很难处理，并且存在一定的约束条件，不仅要求各个边缘分布函数类型相同，而且要求边缘分布函数的类型和多元分布函数的类型一致等问题。事实上，金融市场的边缘分布函数一般不是服从同一类型分布。这使得传统的多元分布函数很难在分析金融市场相关性中得到广泛的应用。由Sklar定理知，可以通过Copula函数构造灵活的多元分布函数，从而掌握金融市场之间的真实相关性，并且由Copula函数导出的相关性测度不仅可以捕捉随机变量间的非线性、非对称相关性，还可以更容易地刻画分布的尾部相关性。 　　Copula理论可以将一个联合分布分解为k个边缘发布和一个Copula函数，这个Copula函数描述了变量之间的相关性[1]。shy;由此可看出，Copula函数实际上是一种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，因此也有人称它为连接函数[2]。Copula理论的应用在国际上已经取得了极大的进展，如Patton(2001)[3]构造了马克-美元和日元-美元汇率的收益的二元Copula模型，并与相应的BEKK-GARCH模型做了比较，结果表明Copula模型可以更好地描述金融市场之间的相关关系；Hu（2002）[4]用一个混合Copula函数来描述具有不同相关程度和相关模式的金融市场之间的相关关系。国内学者从2002年开始了Copula在金融数据分析中的研究，韦艳华（2004）[5]将Copula函数和GARCH模型结合，研究了沪深股市的相关结构，傅强、邢琳琳（2009）[6]将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.国内对Copula理论的关注程度越来越高，应用范围也是越来越广。 　　股票市场的尾部相关性考察的是当一个股票市场收益率高涨(猛跌)时，是否会引起其他股票市场价格的高涨(猛跌)。与通常两个股票市场之间的相关关系相比，在市场价格急剧上涨或下跌等极端情况下的相关关系会呈现出与平时不同的特征。在市场极端波动时，两个股票市场之间的尾部相关性对全球投资组合的风险影响更大，因而对控制风险而言，研究两个股票市场之间的尾部相关性更为重要。本文研究沪港两市的尾部相关性，对投资组合和风险管理有一定的意义，有助于市场投资者进行跨市场组合投资分析，从而分散风险，提高收益。 　　对沪港股市的尾部相关性研究，国内李悦、程希骏（2006）[7]用Gumbel-Hougard copula对上证指数和恒生指数进行尾部相关性，发现两者具有较好的上尾相关性，而没有讨论下尾相关性。Gumbel copula是一种对上尾相关性敏感的静态Copula函数，本文拟选用多种Copula函数，包括几种常见的静态单参数和双参数Copula函数，以及几种动态Copula函数，重点研究时变SJC Copula这种对上尾相关性和下尾相关性都非常敏感的动态Copula函数（因为其参数为上下尾相关系数）。王?（2009）[8]用BB1 Copula函数研究两市的尾部相关性，发现两市具有较强的上尾相关性，但BB1 Copula函数作为一种静态的Copula函数，不能看出相关性变化的趋势。本文经过动态分析趋势后，将样本分为两阶段分析，发现这两阶段有着截然不同的表现。较之静态的Copula函数，这样做能够更准确、全面地捕捉到金融市场之间尾部相关性的变化。刘伟（2009）[9]选用SJC-Copula-EGARCH模型分析了沪港两市的尾部相关性，参数估计法为极大似然估计法，这种方法的缺陷是易受到边缘分布的影响，而本文选用基于秩的极大似然估计法，可以避免这种影响。因为极大似然估计法必须先估计边缘分布函数的参数，如果边缘分布函数选择不准确或对其参数估计不准确的话，都将对最终参数的估计造成不利的影响，而本文选取的估计方法可以直接从样本出发，无需给出边缘分布函数和对其参数进行估计，从而避免了边缘分布的影响。 　　本文结构安排如下：第二部分介绍Copula函数的一些理论知识，重点为时变SJC Copula函数;第三部分着重介绍基于秩的极大似然估计法，其相比于其他估计法的优越性也将在此部分给出;第四部分采用多种Copula函数对沪港股