已阅读5页,还剩37页未读, 继续免费阅读
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
川川1 人学而i 学位论上 c o l j u l a 与非参数核密度估计 沪、深股票市场相关结构的应用研究 专业:应用数学 研究生:龚金国指导教师:李竹渝 现代金融分析中,风险管理、投资组合、资产定价等问题的研究都离不开对 组合资产之间相关结构的讨论,常见的p e a r s o n 线性相关系数己不能胜任这一需 求。本文利用c o p u l a 这一新技术,提出非参数核密度估计一m l 方法来求出c o p u l a 中的未知参数;再由统计检验得到能较好拟合已知数掘的c o p u l a 从而能方便 地刻画变量之间的非线性相关结构。 本文有创新意义的工作: 1 ) 放宽对资产分布的假设,引进非参数核密度估计一m l 方法,估计得到c o p u l a 中的未知参数; 2 ) 利用图形法和k - s 检验法对已知参数的多个c o p u l a 进行检验,寻找出合适 的c o p u l a 来拟合已知数据。 我们将此方法应用于中国a 股市场,利用综合指数指标,研究了自1 9 9 7 年 1 月2 日至2 0 0 4 年1 2 月3 1 日沪、深股票市场整体相关结构。实证分析结果表 明,在得到多个c o p u l a 的参数估计值后,通过检验,我们可以推断g u m b e lc o p u l a 比较适合用来描述沪、深股票市场之间所具有的非线性相关性。仿真分析表明, 我们提出的方法是可行、适用的。 关键词:c o p u l a :s k l a r 定理:秩相关测度;非参数核密度估计一m l 方法 k s 检验。 四川大学硕士学位论立 c o p u l aa n dn o n p a r a m e t r i ck e r n e ld e n s i t ye s t i m a t i o n e m p i r i c a ls t u d yo nt h ed e p e n d e n c es t r u c t u r eb e t w e e n s h a n g h a ia n ds h e n z h e ns t o c km a r k e t s m a j o r :a p p l i e dm a t h e m a t i c s g r a d u a t es t u d e n t :g o n gj i n g u o s u p e r v i s o r :l iz h u y u i nm o d e mf i n a n c i a la n a l y s i s c o p u l as t u d yh a se x t r e m e l ya t t r a c t i v es i n c ei tc a n b eu s e dt os t u d yt h er i s km a n a g e m e n t ,p o r t f o l i oa g g r e g a t i o na n da s s e t p r i c i n g , b e c a u s et h ep e a r s o n sl i n e a rc o r r e l a t i o ne o e f f i c i e n ti sn ov a l i df o rt h em o s ts i t u a t i o n s i np r a c t i c e i nt h ep a p e r , w ew i l lu s ec o p u l a , an e wt e c h n i q u et om e a s u r et h e d e p e n d e n c eb e t w e e ns h a n g h a ia n ds h e n z h e ns t o c km a r k e t s t os e a r c has u i t a b l eo n e , w es e tu pan e wm e t h o dn a m e da sn o n p a r a m e t r i ck e m e ld e n s i t ye s t i m a t i o n _ m l m e t h o dt og e te s t i m a t o r so fs e v e r a lc o p u l a s t h e nt h r o u g hq qt e s ta n dk - st c s t , w e c a nc o m p a r ec o p u l a st og e tas u i t a b l eo n e t h e r e f o r e ,w ed om e a s u r et h en o n l i n e a r d e p e n d e n t s t r u c t u r ea m o n ga s s e t sc o n v e n i e n t l y i nt h i sp a p e r , t h e r e 辩t w oc r e a t i v ep o i n t s : 1 ) r e l a x e dt h ec o n d i t i o no nt h ed i s t r i b u t i o no fa s s e t st h a ti n v o l v e dt h ep r o b l e m , b e c a u s ew eu s et h en o n p a r a m e t r i cd e n s i t ye s t i m a t i o nt e c h n i q u e 2 1b o t hq qg r a p h i ct e s ta n dk st e s th a v eb e e nu s e dt os e a r c hab e t t e rc o p u l a c o m p a r i n go t h e r s ,b a s e do n et h eg o o d n e s so ff i t t i n go ng i v e nd a t a t h ee m p i r i c a lr e s u l t ss h o w st h a tg a m b e lc o p u l ai sab e t t e ro n et od e s c r i p t i v et h e d e p e n d e n c eb e t w e e ns h a n g h a ia n ds h e n z h e ns t o c km a r k e t s ,a f t e rc o m p a r e dt h e s e v e r a lc o p u l a sw h i c hu n k n o w np a r a m e t e r se s t i m a t e dt h r o u 【g ht h en o n p a r a m e t r i c k e r n e ld e n s i t ye s t i m a t i o n m lm e t h o d k e y w o r d s :c o p u l a ;s l d a rt h e o r y ;o r d e rc o r r e l a t i o nm e a s u r e ;n o n p 踟砌e t r i c k e r n e ld e n s i t ye s t i m a t i o n m lm e t h o d ;k - st e s t i n g 叫川大学硕1 :学位论文 1引言 在现代金融市场( 外汇市场、货币市场、债券市场和股票市场) 上,风险 管理、投资组合、资产定价等一直都是金融中的焦点问题。归结起来,这些问 题都离不开对金融组合资产收益的联合分布、金融组合资产之间相关结构等的 讨论。 关于现代投资组合理论,我们不妨先来回忆m a r k o w i t z ( 1 9 8 7 ) 的有效组合 模型: s u p 口th a7 口5 ( 1 1 ) d 。1 = 1 口0 其中,和分别是个资产的期望收益向量与对应的协方差矩阵,口是在各 资产上投资的权重。该模型的原理较简单,也就是说,投资者关注的问题就是 在给定风险的条件下,如何使收益极大化,在该模型中,风险用的是方差来度 量。在该模型中,值得注意的是我们使用了资产组合收益服从多元正态分布这 一重要假设。 让我们再来回顾s h a p e - - l i n t n e r 的资本资产定价模型( c a p m ) ,他们通过 一个简洁、完美的线性资产定价模型来表明了所承受风险与所获得收益的线性 正比关系。模型如下: e ( r 。) = r ,+ 鼬( e ( ) 一r r ) ( 1 2 ) 艮= 筹岩 。, 其中,量,o 分别为资产i 的收益率,市场组合的收益率和无风险资产 的收益率。鼬度量了资产i 的收益率对市场组合收益率变化的敏感程度。因此, 叫川大学硕士学位论文 屈。 l 意味着投资于高的投资项目要承担高于市场平均波动水平的波动敏感 度,p 。 0 。 我们有p = p ( e 2 ,ec r z ) ,p 。= p ( e 2 ,e “) ,其中z n ( o ,1 ) ,容易得到p m m 和p 。的解析形式: e 一一1e 4 l 事实上,因为 p ”i n 2 x l o g n o m a l ( o ,1 ) j 所以可得 p 2 产= = = = 号= 一 ( e 1 ) ( e 。一1 ) e x = e x p ( + j 1 盯2 ) v a r ( x ) = e x p ( 2 t + ( 3 - 2 ) ( e x p ( o - 2 ) 一1 ) l o g ( x ) n ( i t ,仃2 ) 。c o r ( 焉e z , e - 8 z 霉) v a r e ) v a r ( e 2 一彪) 一层p 2 “) 一e ( e 2 ) e p 一“) 、;两e 4 2 ( e 4 1 一1 ) 。j 1c - 一a ,2 一。;。气; 、;而p 4 2 ( e 4 2 一1 ) e o l ( e 1 ) 如”一1 ) 同理可得: e 。一l p 2 产。= = 2 亏一 、( e 1 ) 0 。- 1 ) 最大p 。和最小p 赢线性相关系数随着盯变化情形见图1 1 。 3 四川大学硕上学位论文 一7 一、 p m a x、 p m i n 012 345 图1 t 最大和最小相关系数随着盯变化情形 由图1 1 可以观察到:t i m 。p m = l i m ,成。= 0 。并且当盯 4 7 7 5 8 7 4 时,即使,是x 的严格单调上升或下降函数,它们之间的线性相关系数绝对 值也都小于0 0 0 1 ,几乎为0 。 3 ) 舟实际上是线性变换下不变的一种相关性指标,涉及到非线性函数的相关 性,就会导出错误的结论。即t :r 专r 是个严格递增的非线性变换,一般 地,我们有p a t ( x ) ,( j ,) ) n ( z ,r ) 4 ) 在假设检验中,原假设n = o ,此时r - 竺;岛服从自由度为n 一2 的t 分布。 f h t 检验临界值对应的统计量实现值的临界值岛,2 = ,不难看 出,样本容量n 越大,要拒绝“不相关”所要求t 一检验统计量的实现值超过 的临界值就越小。而且,只要n 足够大, 成心,这说明当样本容量大到一定程度时,检验失效。 总能小过事先给定的 o l j 竹o o o 协o o 1 co茹mc-8 凹j i i 大学硕士学位论文 为了克服组合资产收益服从多元正态分布这一假设、组合资产之问的 相关结构用p e a r s o n 的线性相关系数来度量这两个缺陷,人们已经引入了连接 函数c o p u l a 这一新技术,它是把多维随机变量的联合分布用其一维边际分布连 接起来的函数。c o p u l a 函数不仅是构造多维随机变量联合分布的工具,同时也 是探索随机变量之间相关结构的工具。自从e m b r e c h t se t c ( 1 9 9 9 ) 把c o p u l a 技术引入到金融以来,c o p u l a 理论如雨后春笋般,很快应用到了金融市场的各 个研究领域。c l a u d i 0r o m a n o ( 2 0 0 2 ) 对意大利股市收益率进行了风险分析, b o u y e ( 2 0 0 0 ) 系统地介绍了c o p u l a 在金融中的应用,r o b e r t od em a t t e i s ( 2 0 0 1 ) 对a r c h i m e d e a nc o p u l a 拟合到实际数据做了较好的总结,v d u r r l e m a n ( 2 0 0 0 ) 对如何寻找c o p u l a 提供了一定的方法。国内学者张尧庭( 2 0 0 2 ( 4 ) , 2 0 0 2 ( 9 ) ) 从理论上探讨了c o p u l a 在金融上应用的可行性;张世英等( 2 0 0 4 ) 在金融时间序列分析的新课题这一章中介绍了c o p u l a 理论在金融时间序列分 析、金融市场的相关性分析、金融风险分析中的应用;韦艳华等( 2 0 0 3 ) 、孙志 宾等( 2 0 0 4 ) 比较完整地总结了c o p u l a 理论在金融中的应用以及未来的发展方 向;韦艳华等( 2 0 0 4 ) 构建了用于多变量金融时间序列分析的m - c o p u l a g a r c h 模型,并研究了沪、深股市之间的相关模式以及利用c o p u l a g a r c h 模型研究了 上海股市各板块间的相关性;吴振翔等( 2 0 0 4 ) 将c o p u l a 技术成功运用到了外 汇投资组合风险分析:张明恒( 2 0 0 4 ) 以混合分布和c o p u l a 连接函数作为工具, 研究了多金融资产风险价值,给出了风险价值的c o p u l a 计量模型和计算方法; 史道济等( 2 0 0 4 ) 研讨了改进的c o p u l a 对数据拟合的方法等等。 在以上关于c o p u l a 的文献中,对如何估计c o p u l a 中的参数这一问题,基 本上采用的都是c l a u d i 0r o m a n o ( 2 0 0 2 ) ,v d u r r l e m a n 等( 2 0 0 0 ) ,b o u y e ( 2 0 0 0 ) 所介绍的m l 、i f m 、c m l 方法和g e n s ta n dr i v e s t ( 1 9 9 3 ) 提出的直接法,这些 方法的优劣可参见b o u y e ( 2 0 0 0 ) 。 本文有创新意义的工作: 1 ) 放宽对资产分布的假设,引进非参数核密度估计一m l 方法,估计得到c o p u l a 中的未知参数; 2 ) 利用图形法和k s 检验法对已知参数的多个c o p u l a 进行检验,寻找出合适 的c o p u l a 来拟合已知数据。 通过仿真分析,我们检验了非参数核密度估计帆方法,得到参数估计值 四川人学硕士学位论文 的平均值与真实值的相对偏差仅为3 2 ,证明方法是可行的。我们应用此方法 对中国沪、深股票市场进行了实证分析,结果表明,g u m b e lc o p u l a 适合于描述 中国沪、深股票市场的非线性相关结构。 本文如下安排:第二章概述了c o p u l a 的定义、常见的c o p u l a 、性质、秩相 关测度以及秩相关测度与c o p u l a 中参数的关系:第三章介绍了c o p u l a 中的参 数估计已有方法与非参数核密度估计,以及我们提出的非参数核密度估计一m l 方法来估计c o p u l a 中的参数;第四章我们应用非参数核密度估计一m l 方法和统 计检验对中国沪、深股票市场进行了实证分析并运用仿真分析验证了非参数 核密度估计一虬方法;第五章结论部分。 6 四川大学硕二学位论文 2 c o p uia s 简介 在本章中,我们概述了c o p u l a 的定义、常见的c o p u l a s 、性质、秩相关测 度以及秩相关测度与c o p u l a 中参数的关系。我们的讨论将c o p u l a s 限制在二维 的情形,至于多维的情形可直接加以推广。本章主要参考文献n e l s e n ( 1 9 9 8 ) 。 2 1 c o p u l a 的定义 一个二维的c o p u l a 函数c 满足下列四条性质: c : o , u 2 一 o 1 对任意“,v 【o ,1 】,有c ( u ,0 ) 2 c ( 0 ,v ) 2 0 c 是递增的,即对v “i ,“2 ,v l ,v 2 【o , l 】,且”i s 2 ,v l v 2 有 c ( u 2 ,心) 一c ( “2 ,v 1 ) 一c ( u l ,v 2 ) + c ( ”i ,h ) 0 c 的边缘分布满足:对任意”,v 【o ,l 】,有c ( u ,1 ) = u 且c ( 1 ,v ) 2 v 通过上面定义可以看到,一个二维的c o p u l a 函数c 是一个二维概率分布函 数,其边缘分布为限制在【o ,l 】2 上的均匀分布。如果f ( x ) ,g ( y ) 是单随机变量x , y 的分布函数,那么c ( f ( x ) ,g ( 蝴可以作为( x ,l ,) 的联合分布函数,并且具有 边际分布f ( 工) ,g ( y ) 。因此,c o p u l a 可以用来构建多维随机变量的分布函数。 2 2 常见c o p u i a e b i 巴呈型宝垒卫q 巳坐! 垒: 设伊: o ,1 】斗【0 叫为连续,严格递减的凸函数,伊( 1 ) = 0 ,则函数c : c ( u ,v ) = 一一1 1 ( 烈) + 烈v ) ) ( 2 1 ) 7 四川大学硕士学位论文 称为由伊( ) 生成的a r c h i m e d e a nc o p u a ,尹( ) 称为该c o p u l a 的生成函数。其中 卜定义如下: 矿归舻吐鬈竺 二变量的a r c h i m e d e a nc o p u l a 范例: ! 垒y ! ! ! ! 叫;i 妒( f ) :三( r 一。一1 ) ,口卜1 ,。】( o ) 口 c ( u ,v ) = m a x ( u 1 + v 一一1 】。,0 ) ( 2 2 ) 妒( f ) = ( 一i n t ) 。,口【i ,j c ( u ,v ) = e x p ( - ( 一i n u ) 。+ ( 一i n v ) 。i l i a ) ( 2 3 ) 妒o ) = 一l o g 1 一( 1 一r ) 2 】,口 1 ,o o 】 c ( u ,v ) = 1 一【”一4 + v 一。”一。v 一“】; ( 2 4 ) 砷卜l n 尝( 一 o ) c v 卜扣+ 坚掣) ( 2 5 ) 定理2 :! ( n e l s e n ,1 9 9 8 ,p 1 0 1 ) :设u 和v 是 o ,1 上的均匀随机变量,并且它 们的联合分布函数是由生成函数p ( ) 生成的a r c h i m e d e a nc o p u l a c ( u ,v ) ,则 删_ p ( c ( 叫) f h 一器 ( 2 6 ) 妒( ,) 8 四川大学硕士学位论文 是随机变量c ( u ,矿) 的分布函数。 定堡2 :2 ( n e l s e n ,1 9 9 8 ,p 1 0 4 ) :在定理2 1 的假设下,随机变量 s = 妒( , p ( + 烈矿) ) 和t = c ( u ,矿) 的联合分布函数为h ( s ,) = s k c ( ,) ,因此 s 和t 独立,并且s 也是【0 ,l 】上的均匀随机变量。 2 3 c o p u l a 的基本性质 s k l a r 定理 室堡2 :3 ( n e l s e n ,1 9 9 8 ,p 1 8 ) :设h 为二维概率分布函数, g ,那么存在一个c o p u l a 函数c ,有 h ( x ,y ) = c ( f ( x ) ,g ( y ) ) 其边缘分布为f ( 2 7 ) 如果f ,g 是连续的,则c 唯一。反之,若f ,g 为随机变量的边缘分布,则由 ( 2 7 ) 所定义的h 是具有边际f ,g 的联合分布函数。 该定理的重要意义在于提供了分析二变量的联合分布函数与其边缘分布的 关系的方法。 设随机变量( x ,y ) 的联合分布函数f ( x ,y ) = p r ( x x ,y s y ) ,它包含了变 量x 与y 各自的边缘分布信息,即r ( x ) = f ( x ,+ * ) ,目( y ) = f ( 悯,y ) ,同时 也包含了两变量的相关结构信息。由s k l a r 定理c ( 以( x ) ,f y ( y ) ) = f ( x ,y ) 可知, c o p u l a 就是将联合分布函数f 去掉所包含的边缘分布信息后剩下的信息,即两 变量的相关结构。因此,用c o p u l a 理论建立模型的时候,主要分两步,其一是 确定随机向量的边缘分布,其二是确定合适的c o p u l a 函数来描述随机向量的相 关结构。 丕銮丝 设随机向量( 乎,7 ) 的联合分布是h ( x ,力,各自的边缘分布是f f ( x ) ,r l g ( y ) ,有c o p u l a 函数c ( f ( 曲,g ( j ,) ) 。如果s ( x ) ,( y ) 分别是x ,y 的严格单调递 9 四川大学硕士学位论文 增函数,因此它们的反函数自然存在且唯一。同时设5 ( f ) ,( 即) 的分布函数是 ( f ) ,g ( 口) ,有 c ( 。( x ) = j 口( s ( 掌) x ) = p ( 4 s - 1 ( z ) ) = f ( s 一1 ( x ) ) 同理g ,( 们( y ) = g ( t - 。( y ) ) , 所以 p ( 5 ( f ) x ,t q l ) y ) = p ( 4 s - i ( x ) ,7 0 , 表明x 的变化和,的变化是协调的,此时称( x ,i ) ,( x 。,e ) 为正相关;如果 ( 一x :x k k ) 0 ) 一p ( ( x 1 一x :) ( k y 2 ) 0 ) ( 2 8 ) 为k e n d a l l s 秩相关系数,此概率是协调的概率与不协调概率的差,反映了变化 协调的程度,从而也就度量了它们之间的相关性。容易得到样本k e n d a l l s 袱相 关系数: 屏= 。而2 曼劬( x , - x j ) ( r r j ) ( 29 ) 这里( ,r ) ,i = 1 - - 月为( x ,】,) 的样本,s i g n ( x ) 是符号函数 咧加皓= l 一1 ,x 0 一p ( ( x i x 2 ) ( k l ) ) 0 是一个与n 有关的常数, 满足当盯斗o o ,h 。一0 ,则 加,= 去斟半 慨。, 为,( z ) 的一个核估计,其中k ( ) 称为核函数,以为窗宽或光滑参数。 由核密度估计的定义可知,在给定样本之后,一个核估计性能的好坏,取 决于核函数及光滑参数的选取。如果窗宽选得过大,掩盖了分布主要部分的某 些特征( 如多峰性) ,过度平均化,估计量会有较大偏差:如窗宽选得过小,整 个估计特别是尾部出现较大的干扰,从而有增大方差的趋势。因此在实际应用 中光滑参数h 。的选择显得尤为重要,如何选取合适的窗宽是一项很细致的工作。 韭釜筮毯堡廑鱼盐的基查筮盐蛙鏖 定型2 :! ( 渐进无偏性) :设函数足( ) 肋旭,可测。满足如下条件: s u pl k ) i 0 ( r 独立于,( 七) ,k ( ) ) ,当,i n 。,对所有f ( x ) 时,使得 p 州五o ) 一f ( x ) d x zs ) s e o ! i m h 一20 ,! i m n h 。一 定堡:设 工。 是来自未知密度,( x ) 、分布f ( x ) 的l i d 样本,l ) 、t 0 ) 分别是基于该样本的, ) 、f ) 的一个核密度估计, l i m h 。= 0 ,! i m n h 。;。 时,有 只o ) 生- f o ) ,n m 证明:因为 心川大学硕上学位论文 所以 成。) 一f ( z ) i = f z ( ,) 出一_ 厂( ,) 出f 阮( f ) 一f ( t ) l d t 1 z ( z ) 一( 工) 陋 生o o ( 由d e v r o y e 定理) 或( x ) 与f ( x ) ,”斗o o 由此可得( 3 2 1 ) 、( 3 2 2 ) 。 现在我们得到( 3 1 4 ) 中( “,v ,) 序列的估计值,然后再利用极大似然估计 方法估计( 3 1 4 ) 中的未知参数口。 ! 1 22 ;利用m l 估计c o p u l a 中的参数 r 舀= a r g m a x l n c ( f i 。,e ;口) ( 3 2 3 ) i = l 其中c ( u ,v ) 是c o p u l a 的密度( 3 2 ) 。 由于在上述估计方法中,我们首先通过非参数核密度估计技术得到了相关 结构c 。中的数据 ( “,v ,) g o ,然后再利用m l 估计c o p u l a 中的未知参数口,因 此,我们命名该方法为非参数核密度估计- m l 方法。 叫川人学坝l :学位论文 4 沪、深股票市场相关性的应用研究 4 1 沪、深股市收益率的统计特征 本章将利用3 3 节介绍的非参数核密度估汁一l 方法对中围沪、深股票市场 的相关性进行实证分析。数摒柬源山上海y j 得咨询科技有限公司提供的上证综 合与深证综合指数,范围i 9 9 7 年1 月2h 2 0 0 4 年1 2 月3 1 日,共计1 9 2 7 个样本。这里将p ,定义为每h 收盘指数,一期收益率定义为: l = l o g p ,一l o g p 。,由于指数序列p 。往往非平稳,而收益率序列为指数对数 的“阶差分。图4 1 、4 2 分别给出两个收益率的时间序列图。由图4 1 、4 2 可以看到,两个收益率序列的波动性具有显著的“集群”现象,即大的波动紧 跟着大的波动,小的波动接着小的波动;且它们之间的波动具有一定程度的相 似性,这说明沪、深两股市内部之间存在着某些互动性,有一定的关联度。韩 德宗的研究( 1 9 9 5 ) 也表明沪、深股价指数变化呈强相关性。 懈州 獬m 删i i 图41 0 i 0 2 9 7 12 3 i 0 4 上证综合收益率 旧川i 犬学硕j :学位论文 图4 20 i 0 2 9 7 1 2 3 i 0 4 深证综合收益率 下面观察两个收益率序列的统计特征,其结果见表4 1 所示。 表4 1沪、深两市收益率序列的基本统计 指数样本数( 日) 均值( 1 0 4 )标准差( 1 0 “)偏度( 1 0 3 ) 峰度 上证综合 1 9 2 7 1 2 7 9 9 6 91 6 1 9 2 66 9 5 5 5 8 05 5 8 2 1 0 l 深证综合1 9 2 70 2 9 2 6 2 71 6 5 4 9 l一3 2 6 3 6 1 25 8 8 9 7 9 4 由表4 1 的数据可以知道:上证与深证综合的收益率的均值和标准差都较 小,偏度都小于o ,峰度都大于3 ,这就是我们通常所说的尖峰厚尾特征。负的 偏度表明在整个观察期行情中,下跌的天数少于上涨的天数,但每天下跌的平 均幅度高于每天上涨的平均幅度。高的峰度表明了两个大盘综合指数以更大的 概率出现在各自的均值附近。从表4 2 可以看到,这两个收益率序列明显拒绝 正态分布。 表4 2 沪、深两市收益率序列正态性检验 k - sg o fc hs q u a r eg o f 指数 k - s 统计量p 值统计量自由度p 值 上证综合 0 0 7 4 1o3 7 7 0 9 2 54 1 o 深证综合 0 0 7 6 1 03 7 6 5 5 0 7 4 l o 四川大学硕士学位论文 4 2 非参数核密度估计- m l 方法的应用 现给定高斯核函数足( ) = ( 2 厅) e x p ( 一22 2 ) ,由( 3 1 3 ) 分别计算得到 上证与深证综合收益率序列的光滑参数为: 兰= 0 0 0 3 7 8 ,h 盖= 0 0 0 3 8 6 ,再 根据( 3 1 5 ) 、( 3 1 6 ) 和定理3 4 得到序列 ( 二,;,) ) 詈。下面我们利用m l 法 ( 3 2 3 ) 和a r c h i m e d e a nc o p u l a ( 2 2 ) 一( 2 5 ) ,求得相关c o p u l a 函数的参 数估计。结果列于表4 ,3 。 表4 3 参数估计结果 c o p u l a 种类c 1 a y t o n g u m b e l j o e f r a n k 参数口 5 2 3 7 6 3 94 ,6 3 1 6 55 7 1 6 5 1 91 7 3 6 2 8 5 注:本节s - p l u s 程序见附录一。 4 3 拟合检验 由上证与深证综合收益率序列,利用非参数核密度估计一m l 方法,我们已经 获得a r c h i m e d e a nc o p u l a ( 2 2 ) 一( 2 5 ) 的参数估计值,但这些不同的c o p u l a 是否都能用于描述中国a 股市场的相关结构,还需要进一步进行检验,换言之, 我们应该从这些已知参数的c o p u l a 中寻找到适合描述沪、深两市场相关结构的 c o p u l a 。已有文献中,进行类似检验的不多,本节借用r o b e r t od em a t t e i s ( 2 0 0 1 ) 的思想,分别通过图形法和解析法来对已知参数值的不同c o p u l a 进行 检验,从中寻找满足要求的c o p u l a 。 圈显这; i ) 图形法l 利用a r c h i m e d e a nc o p u l a 的分布函数k ,( f ) 见( 2 6 ) 式。 曼i 堡4 :! 若x 有连续分布函数f ( x ) ,则u = f ( x ) 服从【o ,1 】上的均匀分布,不 四川大学硕士学位论文 管x 的初始分布。 若我们拟合数据的c o p u l a 用的是a r c h i m e d e a nc o p u l a ,由( 2 6 ) 式与引 理4 1 ,并由啪散点图思想( 杨振海,1 9 9 3 ) ,若某个c o p u l ac 。能较好拟合 已知数据,则( ( 足巳( f ) ) m ,) 点应该分布在直线) ,= x 上下,其中( 墨;( f ) ) 为o + l ( x c ( ,) ) 的第i 个顺序统计量,其中f = c ( ( 。;,) ) :等) 。 应用此法做出q _ q 散点图见图4 3 、4 4 、4 5 、4 6 ,可以看到6 u m b e lc o p u l a 、 f r a n kc o p u l a 对上证与深证综合收益率序列的拟合比j o ec o p u l a 和c l a y t o n c o p u l a 效果好。 围4 3c l a y t o nc o p u l a ( f )图4 4g u m b o ic o p u l a ( r ) 图4 5j o ec o p u l a ( f ) 圈4 6f r a n kc o p u l a ( ,) 四川大学硕士学位论文 2 ) 图形法2 利用联合概率分布以,( 工,j ,) 在给定x = x 的条件下y 的分布函数与 c o p u l ac ( ( x ) ,e ( j ,) ) 的关系。 定理! :2 设( z ,y ) 的联合分布函数是以,( x ,y ) ,连续边际分布是 u = ,j ( x ) ,v = b ( y ) ,相关结构由c o p u l a c ( ,l ( x ) ,f ;( j ,) ) 连接,则在给定= 条件下y 的分布为 l ( x ,y ) :a c _ ( u , 一v ) :c i ( 日 ) ,毋( j ,) ) ( 4 1 ) 其中c 。( “,v ) :a c 一( u , v ) 。 证明:由概率论知识知道,给定x = x 下y 的条件密度是矗“五y ) = 号簧等,则 y 的条件分布函数为 鼬棚= _ “列胁志n 伽= 志掣z , 又由( 2 7 ) c ( 目( 工) ,e ) ) = ( 工,y ) 对等式两边分别对x 求偏导数,得: 掣= ( x ) 丝警盟= 以( 工) c ( 以( n e ( 朋 ( 4 3 ) 卿咖 所以由上面( 4 2 ) 、( 4 3 ) 式得到 日i 。( x ,y ) :旦兰;盟:c 1 ( 巧( x ) ,b ( y ) ) 由o u e s e n b e r r y ( 1 9 8 6 ) 知,条件概率分布4 。( z ,y ) 与吒( x ) 独立并服从标准 均匀分布。同样,根据q - q 散点图思想,若某个c o p u l ac 。能较好拟合已知数 据,则( ( c i ( “,v ) ) ,七) 点应该分布在直线y = x 上下,其中( c ( “,v ) ) 为 n + i ( c 。( 以v ) ) 的第f 个顺序统计量其中( “,v ) = ( d 。,。1 9 2 7 。 四川i 大学硕士学位论文 用此法做出q - q 散点图见图4 7 、4 8 、4 9 、4 1 0 。可以看到g u m b e lc o p u l a 、 f r a n kc o p u l a 对上证与深证综合收益率序列的拟合比j o ec o p u l a 和c l a y t o n c o p u l a 效果好。 图47c l a y t o nc o p u l ac 1 ( ”,v )图4 8g u m b e lg o p u l ac l ( “,v ) 图4 9j o ec o p u l a c l ( ,v ) 围4 1 0f r a n kc o p u i ac l ( “,v ) 鲣堑选( 型金毽廑捡墅2 下面利用k o l m o g o r o v s m i r n o v 检验对上述图形法1 ) 、法2 ) 所显示结果进 行拟合优度检验,原假设为矾:f ( 砷= f o ( x ) ,其中r ( x ) 是标准均匀分布。检 验结果见表4 4 。 2 8 四j i l 大学顶士学位论文 表4 4 拟合检验( 原假设o :f ( 工) = u o ,1 】) k o m o g o r o v s m i r n o v c o p u l a 种类 图形法1 ) :p - v a l u e图形法2 ) :p - v a l u e c l a y t o n oo g u m b e l0 0 7 3 7o 0 3 j o e 0 0 0 0 l 0 0 0 0 4 f r a n k0 0 5 90 0 8 9 8 由上表结果可知,k o l m o g o r o v s m i r n o v 检验与两种图形法检验所得结果基 本一致。也就是说g u m b e lc o p u l a 、f r a n k c o p u l a 比j o ec o p u l a 和c l a y t o nc o p u l a 对上证与深证综合收益率序列的拟舍效果好。由此可知,沪、深股市的相关性 结构是一种非线性相关性结构,可以用g u m b e lc o p u l a 与f r a n kc o p u l a 来描述。 为了进一步验证我们利用非参数核密度估计_ m l 方法所得的上述结果,下面利 用非线性k e n d a l l s 秩相关系数来验证我们所得的结论。k e n d a s 秩相关系数被 广泛应用于变量间非线性相关性的测量( 张世英等,2 0 0 4 ) 。 由( 2 9 ) 直接计算得到沪、深两市的样本k e n d a l f s 秩相关系数为 0 7 8 6 1 4 7 1 ,这表明沪、深两市具有非线性相关结构。再由( 2 1 0 ) 和表4 3 中 所得参数的估计值,我们可以直接通过( 2 1 3 ) 得到p ,的g u m b e lc o p u l a 估计 值0 7 8 4 0 9 4 2 。这两个值非常接近,说明我们通过非参数核密度估计m l 方法 所寻找得到的g u m b e lc o p u l a 适合用于描述中国沪、深股票市场的相关结构。 为了进一步验证我们所提出非参数核密度估计一m l 方法的实用性,下面我们利 用仿真技术来进行验证。 4 4 仿真分析 上面我们通过非参数核密度估计m l 方法已经寻找到了描述中国沪、深股 票市场相关结构的一个合适的c o p u l a ,即g u m b e lc o p u l a 。为了进一步验证我 们提出方法的可行性与实用性,我们利用仿真技术对非参数核密度估计批方 法进行检验。这里的基本思路是:为了加强仿真分析的可信性,我们首先利用 2 9 四川大学硕十学位论文 计算机模拟技术得到具有一定相关结构,如具有参数为2 的g u m b e lc o p u l a 相 关结构、边缘分布是自由度为4 的t 分布的一组随机数,然后再依次利用节4 2 的步骤得到g u m b e lc o p u l a 参数的估计值。将此过程连续重复1 0 0 0 次,我们可 以计算出参数估计值的平均值与实际值2 的相对误差。如果相对偏误差较小, 可以证明我们提出的方法可行并简便适用,这将在相关领域内进行推广使用。 仿真分析步骤如下: s t e pl 根据定理2 2 的原理,我们利用s - p l u s 程序随机产生具有参数为2 的 g u m b e lc o p u l a 相关结构,边缘分布是自由度为4 的t 分布的一组数据 ( ,i ) 等; s t e p2 将仿真数据( x ,y i v l i 。0 0 l0 带入节4 2 的程序,可得o u m b e lc o p u l a 参数d 的 估计值。 上述过程连续重复1 0 0 0 次,得到参数口的1 0 0 0 个模拟估计值,基本统计量见 下表。 表4 5 参数口估计值的基本统计 均值标准差最小值最大值 2 0 6 5 90 0 6 6 7 51 8 5 7 42 3 3 2 7 通过表4 5 可以知道,参数估计值的平均值与实际值的相对误差为3 2 ,由于 相对误差较小,可以判断我们提出的非参数核密度估计一m l 方法是可行的。 注:上述s - p l u s 程序见附录二。 四川i 大学硕士学位论文 5结论 本文在不假设资产分布的条件下利用非参数核密度估计一m l 方法估计出 c o p u l a 中的参数,然后通过图形检验法和k s 检验法寻找到合适的c o p u l a 来描述变量间的相关结构。 对于中国沪、深股票市场,我们运用非参数核密度估计一m l 方法和统计拟 合检验,找到了描述它们问整体性的相关结构g u m b e lc o p u l a 。为了更进一步验 证我们方法的可行性,我们利用仿真技术重复模拟1 0 0 0 次具有参数为2 的 g u m b e lc o p u l a 相关结构,边缘分布是自由度为4 的t 分布的一组随机数,得到 o u m b e lc o p u l a1 0 0 0 次估计值的平均值与实际值2 的相对偏差仅为3 2 。说明 了我们提出的非参数核密度估计m l 方法是可行的,同时说明中国沪、深股票 市场整体性相关结构是一种非线性相关结构,用g u m b e lc o p u l a 较好地刻画了 沪、深股市的整体相关性。 本文继续工作方向: 1 ) 本文是针对二维情况讨论,如何推广到多维,板块间的相关性研究; 2 ) 将本文的方法运用到投资组合、风险管理等实际金融问题中。 四川大学硕士学位论文 参考文献 【1 】b l s p r a k a s ar a n n o n p a r a m e t r i cf u n c t i o ne s t i m a t i o n 【m i a c a d e m i cp r e s s ,i n c ( l o n d o n ) l t d ,1 9 8 3 【2 b o u y e e c o p u l a sf o rf i n a n c e ,ar e a d i n gg u i d ea n ds o m ea p p l i c a t i o n s c i t yu n i v e r s i t y b u s i n e s ss c h 0 0 1 l o n d o n ,2 0 0 0 【3 】c l a t i d i or o m a n o c a l i b r a t i n ga n ds i m u l m i n gc o p u l af u n c t i o n s :a na p p l i c a t i o nt ot h
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高中化学选择性必修2“分子结构与性质”单元复习教学设计(高二化学)
- 小学三年级科学《鸟与昆虫》探究教学设计
- 小学二年级道德与法治教学设计坚持才会有收获第二课时课堂实践方案
- 九年级化学口诀教学设计与应用策略探究
- 抢占心智空白 功能性食品赛道 2026-2027年中国功能性食品内部创业孵化加盟扩张方案
- 双碳约束下:无线演示器能否成为绿色办公第二增长曲线
- 第三单元-主题活动三《三维手机架我设计》教学设计-2026-2027学年内蒙古版小学综合实践活动四年级上册
- 向合作伙伴通报市场拓展计划函(4篇范文)
- 企业行政部财务管理指南
- 酒店总经理服务品质与工作效率绩效考核表
- 交通标志标线工程施工组织设计方案
- 儿保生长发育偏离识别
- 肿瘤患者免疫治疗相关心肌炎诊疗
- 2025成都农业科技职业学院教师招聘考试题目及答案
- 2025年棉花加工辅助工三级安全教育(班组级)考核试卷及答案
- 精神科药物依从性管理
- 中小学以体育强化为核心落实“健康第一”教育理念实施方案
- 间羟胺药物课件
- 整县屋顶分布式光伏项目绿色施工方案
- GB/T 4337-2025金属材料疲劳试验旋转弯曲方法
- 手术室精益管理汇报
评论
0/150
提交评论