分位数回归模和金融风险尾部相关性的实证分析.pdfVIP

『M 摘要 Y2141745 摘 要 本文主要是应用分位数回归方法对条件VaR估计展开实证研究；并对 研究。 本文应用分位数回归方法给出条件VaR的估计方法，直接得到收益率在某 置信水平下分位数的值，即在一定的条件下的VaR值。这样就避免了分布是正 态等假设，而且计算相对容易。在含虚拟变量分位数回归模型之下，实证分析 上证指数和沪深指数在日内波幅条件下的VaR，并与无条件模型及线性分位数 回归模型进行了比较。结果表明：含虚拟变量分位数回归模型比无条件模型及 线性分位数回归模型能更好的度量风险。 论结合起来，能更好的度量变量之间的关系，特别是尾部的相关关系。因此本 文利用Copula模型实证分析了沪深300和深证成指的尾部相关性，用尾部相关 系数将上尾相关性量化，发现沪深300和深证成指有明显的尾部相关性。并且 用同种方法对创业板指数和中小板指数的相关性进行了分析，发现创业板指数 和中小板指数也有明显的尾部相关性。 关键词： 分位数回归；条件VaR；相关结构函数；尾部相关性 ABSTRACT ABSTRACT Thisdiscussiondiscussesthe of tothe Regression mainly applicationQuantile Valueat ofconditional model， QuantileRegression empiricalestimating Risk，Copula tail andthe of functionstothe ofthe analysis applicationsCopula empirical correlationsbetweenfmancialrisks． Inthis author methodtoestimate QuantileRegression paper，the apply undersome withthe conditionalValueat conditions，obtained Risk，i．e．VaR directly thereturn confidencelevelofthedistributionof valueofthe underacertain quantile rate．This method avoidsthe thatthereturnrateis