二元联合分布函数的两种估计方法-概率论与数理统计专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师的指导下进行的研究工作及取得的 研究成果。尽我所知，除文中已标明引用的内容外，本论文不包含任何其他人或集 体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文 中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即： 学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密口，在 年解密后适用本授权书。 不保密 口。 （请在以上方框内打“√”） 学位论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 摘 要 在金融研究中，大多数的金融现象都可以看成是随机变量，因而这些现象的关 系，就可以用随机变量的联合分布函数来描述。但这些联合分布函数基本上都是未 知的，甚至是各个边缘分布函数都是不易求得的。本文受许多估计条件密度或条件 分布函数的文章的启发，考虑利用两种方法来估计二维随机变量的联合分布函数。 第一种方法是用金融风险管理中经常用到的 copula 理论来构造联合分布函数的估计 量。方法二是利用乘积公式，首先估计出一个随机变量的边缘分布函数及另一变量 在此变量下的条件分布函数，然后利用这两个估计量构造出联合分布的估计量。我 们在理论上证明了两种方法得到的联合分布的估计量的均方误在假定条件下都是收 敛于0的，本文的最后通过仿真模拟来比较两种估计方法的优缺点。 在选取适合样本的 copula 函数时，本文调整了选取单个点比较距离的选择方 式，采用取备选 copula 估计值与二元核密度估计值在密度集中点上的绝对误差均值 最小者，在绝对误差均值相同的情况下，取方差最小者作为样本的 copula 函数的 选择方式。避免了单个点偶然性大，易造成错误的缺点，同时距离是不易求得的， 本文直接采用误差进行比较。本文通过仿真模拟发现，当两个随机变量独立时， copula 函数构造的估计量的误差小于两个随机变量不独立的情况，较大点处的累计 概率估计误差小于较小点处的；当两个随机变量都服从标准正态分布时，二元正态 copula 、二元 Gumbel ? copula 、二元 Clayton ? copula 函数都可作为样本的结构 函数，但以二元正态 copula 为最优；在选取相同带宽的条件下，copula 理论估计值 的绝对误差均值小于乘积公式估计方法。 关键词：copula 函数, 核密度估计,乘积公式, 仿真模拟 Abstract In Financial research, most of the financial phenomenon can be seen as a random vari- ables and the relationships between these phenomenon can be expressed by the joint dis- tribution functions of the random variables.But basically all these distribution functions are undiscovered,even its marginal distributions are not easy to get. This paper inspired by many papers which estimate the conditional density or conditional distribution function. We used two methods to estimate the binary joint distribution function. The first methods used the copula theory which often appear in Financial Risk Management and marginal functions to structure the estimator of the joint distribution function. The second way make use of the product formula. Firstly we estimate the marginal distribution of a random v