股市流动性与收益Copula尾部相关性分析.docVIP

股市流动性与收益Copula尾部相关性分析 　　摘 要：将Copula函数引入风险管理，可以更加准确地反映变量间的相关结构，尤其是尾部相关特征，而混合Copula函数的使用又可以捕捉到不同的相关结构。应用Copula函数对中国股市收益和流动性在尾部的相关关系的实证研究结果表明：在中国证券市场上，收益和流动性存在同时发生极值的一致性，但拒绝了收益与流动性的尾部对称相关结构，上尾的相关系数大于下尾的相关系数。 　　关键词：收益；流动性；尾部相关；混合 　　中图分类号：F830．9文献标识码：A 文章编号：1001-6260（2008）05-0091-06?? 　　 　　一、引言及文献综述 　　 　　在证券市场的微观结构理论中，流动性是一个宽泛且难以捉摸的概念，一般是指在较低的成本且不对价格造成较大冲击情况下，很快进行大量交易的能力(Pastor,2003)。流动性是市场的重要变量，也可以说是市场的基础，如果市场缺乏流动性就会导致交易难以完成，严重影响投资者的收益，所以投资者既要关注市场风险，也不可忽视流动性风险。但传统的金融资产定价模型，却没有考虑流动性对资产收益的影响。Amihud 等(1986)及其随后的大量文献已经证实，在正常市场情况下，流动性是影响证券收益的关键因素之一。但更值得注意的是，在证券市场上，流动性又是脆弱的，并常以剧变的形式凸现，当市场条件不利时，流动性会急剧下降甚至消失，从而严重影响投资者的收益。而风险管理往往更关注分布的尾部，即市场极端情况下的损益。因此，研究股市流动性与收益的尾部相关性显得尤为必要，但这方面的研究还很少，基于此，本文拟借助于Copula模型试图探讨这一问题。 　　传统的风险管理理论，通常假定经济变量服从正态分布，并采用线性相关系数作为变量相关性的度量指标。但众多的研究成果表明，许多金融变量具有明显的厚尾性，与正态分布假设相差较大；而当市场发生重大波动时，线性相关系数也无法反映出变量间的尾部相关特征。值得欣喜的是，Copula函数克服了上述传统风险理论的不足。Copula是连接单变量边缘分布和多变量联合分布的函数。对于多元分布函数，Copula函数可以将边际分布与联合分布分开来考???，并可灵活地选择边际分布的形式，不再局限于正态分布；将Copula函数引入风险管理，可以更加准确地反映资产间的相关结构，尤其是变量间的尾部相关特征。Copula尾部相关性可以很好地衡量当一个随机变量大幅度增加或者大幅度减少时，另一随机变量也发生大幅度增加或者大幅度减少的概率(Alessandro,2002)。最早将Copula技术引入金融风险分析的是Embrechts等(1999)。随后很多文献都对这一领域进行了更深入的研究，如Genest等(1993)、Diebold等(1999)、Hu (2002)等。国内一些学者也对Copula技术及其在相关性和金融风险分析上的应用作过探讨，如张尧庭(2002)、李悦等(2006)、吴振翔等(2006)和韦艳华等(2007)，但总的来说，国内对Copula技术及其应用的研究还不多。 　　在本文中，我们利用Copula函数的优点，建立Copula－GARCH模型，利用Copula尾部相关系数来实证研究中国股市流动性与收益在极端情况下的相关性。 　　 　　二、Copula－GARCH模型及估计 　　 　　根据Sklar定理，边缘分布均为连续分布的二元分布函数，可写为： 　　H（x,y）=C(F(x),G(y)） 　　其中，F(x)和G(y)是边缘分布函数，C就是H的Copula，而且C也是边缘分布为［0,1］上的均匀分布的联合分布函数。由此可见，可以用Copula构造多元分布函数。这需要两个阶段：第一，构建各个变量的边缘分布；第二，选择合适的Copula来描述变量间的相关性。基于此，我们拟建立Copula-GARCH模型，它是将GARCH模型和Copula函数有机地结合在一起用来分析变量间的相关关系和分布特性。其中，GARCH模型用于描述具有条件异方差特性的金融时间序列的条件边缘分布，而Copula函数则用于连接各个条件边缘分布、描述序列间的相关程度及相关模式。 　　1.确定边缘分布模型 　　金融时间序列的分布多呈现时变、偏斜、尖峰、厚尾等特性，t分布可以很好地描述这些分布特性，而GARCH模型又能很好地描述金融时间序列的波动特性，因此t-GARCH模型可以更好地描述金融时间序列的波动聚类和尖峰、厚尾现象。t-GARCH(1,1)模型表示为： 　　 　　列的波动性；ε?t为i.i.d.自由度为v的t分布。 　　2.选择Copula函数 　　Copula函数形式的选择至关重要。金融市场的变化是相当复杂的，不会拘泥于某种特定的模式。在这