基于混合CopulaGARCH模型黄金和股票相关性研究.docxVIP

基于混合Copula—GARCH模型黄金和股票相 关性研究 摘要：本文基于混合Copula函数和GARCH模型， 分别用GARCH-GED和EGARCH-GED模型描述黄金、股票金融 收益序列的边缘分布，运用混合Copula对黄金和股票收益 率之间的相关性进行了分析。实证研究结果表明：黄金与股 票具有尾部对称的相关结构，混合Copula函数比单个Copula 函数对黄金、股票的相关性描述更全面、更灵活。 关键词：混合 Copula； GARCH-GED； EGARCH-GED；相关 性 中图分类号：0212； F830文献标识码：A文章编号： 1001-828X (2013) 12-0-03 自2008年美国引起次贷危机以来，国际金融市场发生 了巨大变化，黄金作为一种特殊商品，已经成为投资者保值 增值，规避通胀风险的首选。然而，与股票相同，黄金投资 在保值增值的同时，也具有很大风险。正确的作出投资组合, 规避风险，离不开对资产收益率的相关性分析［1］。 1959年，由Sklar首先提出的Copula理论指出可以将 n个变量的联合分布分解为n个与各变量对应的边缘分布和 一个Copula函数。Copula函数可以将各边缘分布与联合分 布联系起来，因此又被称为连接函数［2］。Durr 1 eman etc. (2001)和 Embrechts etc. (2003)用 Copula 进行了风险 分析；Roberto De Datteis (2001)对 Copula 特别是对阿 基米德Copula做了较好的总结；Claudio Romano (2002) 对意大利股市收益率进行了 Copula分析；Ling Hu (2002) 提出用混合Copula对金融数据进行分析可以较好的捕捉金 融变量的尾部相依性；Jondeau. E. etc ( 2002 )建立了 Copula-GARCH模型，并对金融指数间的相关性进行分析； Gabriel. F. etc (2003)探讨了椭圆型Copula对金融数据描 述时的效果和局限性；Jean-Dav ide. F. (2004)提出了两 种Copula的拟合优度检验。国内学者从2002年开始Copula 在金融数据分析中的研究。张尧庭(2002)从理论上探讨了 Copula在金融上应用的可行性；吴振翔等(2004)探讨Copula 相依结构下两资产的组合投资问题；韦艳华和张世英(2004) 用Copula-GARCH动态地对我国股票市场中各种指数间的相 依性加以分析［3］；吴振翔等(2006)运用Copula-GARCH模 型对四只股票的资产组合进行了风险度量分析，研究表明 Copula-GARCH模型能很好的描述资产相关结构，并给出了风 险最小情况下各资产的比例；胡心瀚等(2010)运用 Copula-ACD模型对我国180指数做了市政研究，研究表明模 型拟合结果与实际情况基本吻合，投资者可以依据研究结果 进行投资；董雪梅，刘冠(2012)集合TGARCH-1模型和Copula 方法，利用上证综指、深证综指、恒生指数以及标准普尔500 指数对沪、深、港、美股票市场进行分析，该模型能够很好 地捕捉资产间的线性相关性，更符合现实市场；曹培慎，武 昭，张静(2012)建立Copula-GARCH-t模型对黄金、股票、 以及债券的投资组合风险进行实证分析，并运用Monte Carlo 模拟法计算出在风险最小情况下的三种资产组合的VaR[4] o 本文将利用混合Copula函数，结合三种常用的阿基米 德Copula函数加权和来分析变量间的相关性，从而做到更 全面地了解黄金与股票的相关性。 一、模型的建立 1. 1三种二元阿基米德Copula函数 1. 1. lClayton Copula 函数 Clayton Copula函数的分布函数和密度函数分别为： 和 其中，为相关参数，当时，趋向于独立，当时，趋向于 完全相关，由图1可以看出，Clayton Copula函数的密度分 布呈L字形，即上尾底下尾高，Clayton Copula函数对 变量在分布下尾部的变化十分敏感，能够快速捕捉到下尾相 关的变化，如果两个随机变量之间的相关结构可以用 Clayton Copula函数来描述，就意味着在分布的下尾部，变 量间具有更强的相关性。 图1 Clayton Copula函数的分布密度图() Fig. 1 The PDF of Clayton Copula () 1. 1. 2Gumbel Copula 函数 Gumbel Copula函数的分布函数和密度函数分别为： 其中为相关参数，当时，独立，当时，趋向于完全相关。 我们由图2可以看出，Gumbel Copula函数的密度分布呈 “J”字形，即上尾高下尾低