發(fā)布時(shí)間：2017-09-22 17:00

  本文關(guān)鍵詞：混合Copula函數(shù)在相關(guān)數(shù)據(jù)分析中的應(yīng)用

  更多相關(guān)文章： Copula函數(shù) 相關(guān)性 EM算法 核密度估計(jì)

【摘要】：當(dāng)今,隨著經(jīng)濟(jì)全球化以及金融市場(chǎng)的一體化,金融危機(jī)和金融波動(dòng)頻繁發(fā)生,金融市場(chǎng)間的關(guān)系也變得復(fù)雜多樣化,因此,對(duì)金融市場(chǎng)相關(guān)性的研究越來(lái)越受到人們的關(guān)注。金融市場(chǎng)之間的相關(guān)模式多呈現(xiàn)非正態(tài)、非線性、非對(duì)稱(chēng)和尾部相關(guān),而Copula函數(shù)對(duì)于解決變量間的相關(guān)性有其獨(dú)特的優(yōu)勢(shì),已被廣泛應(yīng)用于金融領(lǐng)域。然而,金融市場(chǎng)是復(fù)雜多變的,傳統(tǒng)方法運(yùn)用單一Copula函數(shù)理論上不能夠全面地刻畫(huà)金融市場(chǎng)之間的相關(guān)關(guān)系。而混合Copula模型把不同的Copula函數(shù)結(jié)合在一起,這樣能夠更好的描述變量間的相關(guān)關(guān)系。對(duì)于Copula函數(shù)的邊緣分布,往往是假定其服從某一特定分布或者采用某一特定的估計(jì)方法,在復(fù)雜的金融環(huán)境中,這樣的數(shù)據(jù)擬合會(huì)造成擬合失真。針對(duì)以上的問(wèn)題,本文在前人的研究基礎(chǔ)上,對(duì)其進(jìn)行了研究,主要研究?jī)?nèi)容包括以下幾點(diǎn)。第一,為了更好的擬合數(shù)據(jù),本文選擇廣義Pareto分布估計(jì)Copula函數(shù)中邊緣分布函數(shù)的尾部分布,中間部分則用非參數(shù)核估計(jì)。第二,構(gòu)建單參數(shù)混合Copula模型和雙參數(shù)混合Copula模型,然后將單參數(shù)Copula、雙參數(shù)Copula、單參數(shù)混合Copula和雙參數(shù)混合Copula幾種模型進(jìn)行對(duì)比,從而選擇最優(yōu)Copula函數(shù)模型。其中對(duì)于各Copula模型的參數(shù)估計(jì)采用極大似然估計(jì),借助EM算法來(lái)解決參數(shù)估計(jì)問(wèn)題。第三,將上述方法應(yīng)用于興業(yè)銀行和華夏銀行兩支股票市場(chǎng),結(jié)果表明混合Copula模型整體比單參數(shù)及雙參數(shù)Copula模型擬合度高,單參數(shù)混合Copula模型擬合最優(yōu),興業(yè)銀行和華夏銀行具有較強(qiáng)的上尾相關(guān)性。
【關(guān)鍵詞】：Copula函數(shù) 相關(guān)性 EM算法 核密度估計(jì)
【學(xué)位授予單位】：中國(guó)石油大學(xué)(華東)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：F832.51;O21
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-11
• 1.3 研究?jī)?nèi)容及結(jié)構(gòu)安排11-13
• 第二章 基礎(chǔ)理論介紹13-26
• 2.1 Copula函數(shù)的定義和性質(zhì)13-15
• 2.1.1 Copula函數(shù)的定義13-14
• 2.1.2 Copula函數(shù)的性質(zhì)14-15
• 2.2 Copula函數(shù)的分類(lèi)15-21
• 2.2.1 橢圓Copula函數(shù)和阿基米德Copula函數(shù)15-20
• 2.2.2 單參數(shù)Copula函數(shù)和雙參數(shù)Copula函數(shù)20-21
• 2.3 混合Copula模型21
• 2.4 基于Copula函數(shù)的相關(guān)性度量21-23
• 2.4.1 Kendall秩相關(guān)系數(shù)t21-22
• 2.4.2 Spearman秩相關(guān)系數(shù) r22
• 2.4.3 尾部相關(guān)系數(shù)22-23
• 2.5 廣義帕累托分布（GPD）23-24
• 2.6 厚尾分布的判斷24-26
• 第三章 Copula函數(shù)的參數(shù)估計(jì)和檢驗(yàn)26-34
• 3.1 Copula函數(shù)的參數(shù)估計(jì)26-30
• 3.1.1 參數(shù)估計(jì)方法26-27
• 3.1.2 非參數(shù)估計(jì)方法27-30
• 3.2 混合Copula函數(shù)的參數(shù)估計(jì)30-32
• 3.2.1 基于秩的極大似然估計(jì)30
• 3.2.2 峰度法確定閾值30-31
• 3.2.3 EM算法31-32
• 3.3 模型的檢驗(yàn)32-34
• 第四章 實(shí)證分析34-43
• 4.0 樣本的選取和厚尾分布的診斷34-36
• 4.1 參數(shù)估計(jì)36-41
• 4.1.1 邊緣分布估計(jì)36-38
• 4.1.2 Copula函數(shù)的參數(shù)估計(jì)38-41
• 4.2 模型的檢驗(yàn)對(duì)比41-42
• 4.3 尾部相關(guān)性分析42-43
• 結(jié)論43-44
• 參考文獻(xiàn)44-47
• 致謝47

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李健倫,方兆本,魯煒,李紅星;Copula方法與相依違約研究[J];運(yùn)籌與管理;2005年03期

2 單國(guó)莉,陳東峰;一種確定最優(yōu)Copula的方法及應(yīng)用[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2005年04期

3 羅俊鵬;;基于Copula的金融市場(chǎng)的相關(guān)結(jié)構(gòu)分析[J];統(tǒng)計(jì)與決策;2006年16期

4 李霞;曾霞;侯兵;;copula的構(gòu)造以及copula之間關(guān)系的研究[J];商丘師范學(xué)院學(xué)報(bào);2006年05期

5 孫志賓;;混合Copula模型在中國(guó)股市的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2007年20期

6 李娟;戴洪德;劉全輝;;幾種Copula函數(shù)在滬深股市相關(guān)性建模中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2007年24期

7 許建國(guó);杜子平;;非參數(shù)Bernstein Copula理論及其相關(guān)性研究[J];工業(yè)技術(shù)經(jīng)濟(jì);2009年04期

8 杜子平;閆鵬;張勇;;基于“藤”結(jié)構(gòu)的高維動(dòng)態(tài)Copula的構(gòu)建[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2009年10期

9 王s，

本文編號(hào)：901980