基于copula理论的多元波动时间序列模型的研究-应用数学专业论文.docxVIP

西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 第1章 绪论 1。1问题的提出 在自然科学、社会科学及工程技术的许多领域，普遍存在着按 时间顺序发生的具有概率特征的各种随机现象，人们通过观测把这 些数据记录下来便成为可供分析的随机过程。随机过程与模型有什 么关系呢?Diebold(2003)中介绍模型与随机过程的区别是在模型 为真的假设下描述总体时，称这些模型为随机过程【¨。所谓时间序列 就是指这种有序的随机过程。人们希望通过分析这些数据序列，达 到认识事物、掌握事物规律的目的。时间序列分析正是提供了这样 一套具有科学依据的动态数据处理方法。该方法的主要手段是对各 类数据采用相应的模型去近似描述。通过对模型的分析研究，便可 本质的了解数据的内在结构和复杂特性，从而达到预测其发展趋势 并进行必要控制的目的121。 在过去的半个多世纪里，一元时间序列模型分析已取得了系统 和丰富的成果I 31。然而，在客观世界中，很难找到只受一个因素影响 的变量，很多现实问题都是众多因素相互作用的结果【引。例如，要衡 量一个地区的经济发展状况，需要观测的指标有：总产值、固定资 产、流动资金周转率、信贷、税收等多项指标。任何单一的一项都 无法全面的说明问题，而且各项指标之间也存在相关性。因此，常 常需要利用多个变量的历史数据对我们感兴趣的变量进行预测和控 制，这就涉及到多元时间序列分析【51，它使得时间序列分析的内容更 丰富、更能准确的表达现实生活。 经典的时间序列分析方法假定误差序列无关，误差的方差为一 常数【“。然而研究中发现，大多数时间序列的误差序列无关，但误差 的平方序列相关，即误差的方差或波动随时间变化17】【8】。例如对消费 和收入建立模型，高收入者在消费上有更多的选择，所以收入高时 对应的消费的方差也比较大，因此扰动项出现异方差，违背同方差。 为了模拟这种波动，提高时间序列模型的预测精度，1982年Engle开 创性的构造了方差随时间变化的自回归条件异方差ARCH模型【91，此 后，随着时间序列模型的发展，ARCH类模型Do-13】和SV类模型114。9】 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第2页 在理论和应用上均取得了长足的发展。这类模型能很好的描述金融 时间序列的高峰，厚尾和波动的集群性，但参数估计问题限制了多 元的ARCH类模型和SV类模型的发展【2叭。这两类多元波动模型的建 模闯题正是本文所要讨论的。 在统计学中，随机变量的概率结构被它的分布函数唯一的决定， 自然，时间序列的概率结构被它的有限维分布族唯一决定。所以传 统的多元时间序列建模通常事先假定随机变量服从多元正态分布或 多元学生t分布，但这种假设在很多情况下往往是不成立的。而且 这种模型在参数估计、模型检验上往往很复杂。因此又常用随机变 量的某些数字特征来描述随机变量的特性。但常用于研究多元时问 序列相关性问题的均值函数、自协方差函数下的相关系数实际上只 是线性变换下不变的一种相关住指标，对椭圆分布比较方便，在多 元正态分布的情况下或者在评价线性相关性的时候，用它来度量随 机变量之间的相关性是足够的。但是当涉及到非正态性行为或者非 线性函数的相关性时，对菲对称的情况就会产生偏差，而且可能会 导出错误的结论【21】。那么，选用什么样的相关性指标呢122】? Copula理论的出现给上述问题的解决提供了一条出路123】。Copula 是一个函数，主要用来刻画随机变量之问的相关性。它是把多元随 机变量的联合分布用其一元的边缘分布连接起来的函数，所以又称 为“连接函数”12引。Copula理论的出现和应用可以说将相关性分析 和多元时间序列分析推向了一个新阶段1201。将Copula理论应用于多 元波动时间序列的研究上有以下优点： 第一：与传统的描述变量闯相关结构的线性相关系数相比，由 Copula函数导出的一致性和相关性测度可以捕捉到变量间非线性的 相关关系，因此应用范围更广、实用性更强【”l。 第二；与其它基于联合分布函数的建模方法掇比，Copula模型更 为灵活：现有的大多数多元分布函数都是一元分布函数的简单延伸， 例如他们通常都要求所有的边缘分布都服从同样的分布(如多元正态 分布的所有边缘分布都服从正态分布，多元学生t分布的所有边缘 分布都服从一元学生t分布)，而现在我们可以将k个任意形式(iE 态分布，学生t分布。指数．分布，对数正态分布等等)的边缘分布通 过任一Copula函数连接起来，生成一个有效的多元分布【2“。正是由 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第3页 于Copula函数不限制边缘分布的选择，而且有很多分布族，就可以选 择不同的边缘分布和Copula函数，以达到最好的拟