Copula基本原理与模型构建.pptVIP

3.3二元阿基米德Copula函数 上尾部变化十分敏感 * 3.3二元阿基米德Copula函数 ②Clayton Copula函数 生成元 * 3.3二元阿基米德Copula函数 下尾部变化十分敏感 * 3.3二元阿基米德Copula函数 ③Frank Copula函数 生成元 * 3.3二元阿基米德Copula函数 描述对称相关结构，上尾下尾相关性变化都不敏感 * 4.Copula模型的构建 ★两阶段法： 1.确定边缘分布； 2.选取一个适当的Copula函数，以便能很好地描述出随机变量之间的相关结构。 * 4.Copula模型的构建 ★选择适当的Copula函数 1.看这种Copula函数的特征是否与现实金融市场指数的收益率之间的相关性符合。 2.看这种Copula函数在实际应用中的可操作性。 3.看这种Copula函数所模拟结果与实际符合的程度。 ★边缘分布的选择: 自回归模型 常用的单变量 时间序列模型 时间序列模型 波动模型 ARCH类模型（ARCH、GARCH、EGARCH等） 随机模型（SV） 移动平均模型 自回归移动平均模型 * 5.模型的参数估计 参数估计：极大似然估计和距估计。 我们不加证明地给出多变量的联合密度函数： 这么多参数，怎么办？ * 5.模型的参数估计 ★两阶段极大似然估计法： * * 结论反之 也成立 怎么求的？ 比如一种股票的爆涨，是否会引起