论文部分内容阅读
金融全球化使得金融市场间的相关关系日益复杂,随着金融全球化的不断深入和金融市场的快速发展,金融资产间所呈现出的相关性也愈加复杂,传统的相关性度量已不能用来刻画这种复杂的相关关系,而Copula函数可以刻画金融数据的非对称,非线性的相关关系,所以本文利用Copula函数及其理论对上海和深圳股票市场间的相关性和相关结构进行研究,相关性研究无论是对于风险管理者还是投资者来说都有助于进一步了解市场从而做出正确选择,同时也有助于研究投资组合、资产定价和风险管理等问题.本文具体研究内容如下:(1)利用Copula函数及其理论研究上证综合指数和深证成份指数的相关性和相关结构.选取上证综合指数和深证成份指数连续多年的日收益率.利用GARCH模型构建其边缘分布,再利用SIC准则确定模型阶数,并用极大似然估计方法估计出模型中的参数,然后结合椭圆Copula构建GARCH-Copula模型,再选用IFM法(两阶段估计法)估计出椭圆Copula模型参数,用平方欧式距离法选出最优Copula.实证结果显示:上证综合指数和深证成份指数之间具有很强的相关性,随着股票价格的上涨或下跌,上海股市与深圳股市之间的协同效应将大幅增加,相关程度明显增大.(2)金融市场中变量间往往是非对称相关和尾部相关,椭圆Copula的分布具有对称性和尾部渐进独立性,所以在实际的金融时间序列拟合上存在局限性,但Archimedean Copula函数具有厚尾的分布特征,可以更好的描述变量间的相关结构.在研究内容1的基础上,构建GARCH-Archimedean Copula模型进一步对沪深股市间的相关性和相关结构进行分析,将几种常用的参数估计方法进行对比,最后选取IFM法进行Copula函数的参数估计,结合秩相关系数和尾部相关系数对沪深股市间的相关性进行分析,用平方欧式距离法选出最优Copula,实证结果显示:GARCH-Gumbel Copula模型可更加准确的描述两者间的相关性,在分布的尾部呈现出明显的不对称性,并且下尾的相关性比上尾强.沪深股市的相关程度明显增大,协同运动明显增强.图7个,表15个,参考文献64篇