基于Copula函数股市相关性研究.docVIP

基于Copula函数股市相关性研究 　　[摘要] 金融市场的相关性研究比较复杂，其中股票收益率尾部相关性是研究金融市场关联性的重要内容。而传统的相关性系数研究有很多局限性，已经不足以满足如今复杂的数据分析。将Copula函数引入金融市场,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。应用 Copula函数对中国股票收益在尾部的相关关系的实证研究，并得到尾部相关性增强以及相关不对称等结果。 　　[关键词] 股票市场 尾部相关性 copula函数 　　[Abstract] Correlation of the financial market is complex, in which the tail stock return correlation is the study of financial markets, an important part of relationships. The correlation coefficient of the traditional study has many limitations, has been insufficient to meet todays complex data analysis. Copula function will be to introduce financial markets, to more accurately reflect the correlation structure between variables, in particular the relevant characteristics of the tail. Copula Function Application in the Chinese stock returns between the end of the relevant empirical research, and with tail-related enhancements, and related the results of asymmetric. 　　[Key words] stock market tail correlation copula function 　　 　　1、 引言 　　金融危机和波动频繁出现，金融市场间的相关性比较复杂，各种形式相关性的组合构成独特的相关结构，相关结构是对各种相关性最全面的描述。copula目前它已被广泛地应用于金融领域，特别在金融市场上的风险管理、投资组合的选择、资产定价等方面，并且成为解决金融问题的一个有力的工具，金融市场间的关系更是变得日趋复杂，更多的呈现出非线性、非对称和厚尾的特性，金融波动和危机的频繁出现使聚合风险管理和金融市场间相依关系分析成为国内外关注的焦点[1]。 　　本文以 2006年 6 月 1 日至 2010 年 3 月 31日的上证综合指数和深圳成分指数为研究对象,首先利用 t- GARCH 模型建立了金融时间序列的边缘分布, 随后用 Copula 技术分析了两者之间的相关结构, 从而讨论了现有理性投资者能否利用上海、 深圳两地之间的股票投资做出投资组合, 以降低风险。 随后, 利用了尾部相关性分析讨论了其在风险管理中的意义。 　　文章结构如下: 1.理论依据。2.实证检验。3.结果分析。 　　2、理论依据 　　copulas是能产生一些随机变量的联合分布函数的函数，这些变量的边际分布函数是已知的。copulas函数本身的形式可以模型化这些不同变量之间的关系和相依性。下面简单介绍copula函数的定义及其若干个重要的定理和一些性质，主要以二元copula函数为例，更高维的情况类似[2]。 　　定义2.1 如果一个二元函数C:I2I,其中[1,0]具有下面的性质： 　　对于[1,0]中的任意u,v,有： 　　C(u,0)=C(0,u)=0, C(u,1)=u,C(1,v)=v (2-1) 　　对I中任意的，，，，其，有 　　C(，)- C(，)- C(，)+ C(，)0(2-2) 　　则称C为Copula函数。 　　可以看出，C是二维递增的。读者也可以看到，u和v可以表示由分布函数得到的概率。 　　定理2.1(Sklar定理)设F为边际分布为和的联合分布函数，那么存在一个Copula函数C，对所有x,y有 　　(2-3) 　　如果F和G是连续的，则C是唯一的。反之，若C是一Copula函数且F，G为随机变量的边际分布，则由(2-6)所定义的F是具有边际，的联合分布函[3]。 　　由sklar定理知，可以通过copula函数构造灵活的多元分布函数，从而掌握随机变量之间的相关性，并且由Cop