论文部分内容阅读
近年来,我国的证券市场在逐步得到规范,股票市场也在越来越多的影响着人们的日常生活。受市场信息的影响,股票价格可能产生巨幅波动,从而使投资者面临巨大损失的风险。在这种情况下,如何合理预期所持有资产的收益和损失风险就成为投资者关注的焦点。金融资产价格巨幅波动可以归结为:相应的数据超越一定的界限值或者达到一定时间范围内的最大,因而造成危害。经典的统计极值理论是关于随机变量序列最大/小值渐进分布的理论。因此利用统计极值理论方法能够有效地对随机序列的最大(小)值的概率分布和数据序列的边际概率分布尾部进行建模,进而为建立有效的风险防范和预警系统提供一定的理论基础。极值理论是对数据的尾部进行处理,考虑到了金融风险的厚尾特性,能够更有效的度量出现巨幅波动情况下的金融风险问题。在金融市场中,两个或两个以上的金融产品的极值相关性往往成为人们研究的重点。在以往更多采用的是线性相关的测度方法,这在理论以及实证上存有一定的缺陷。近年来,非线性相关测度方法逐渐得到人们的重视。一种全新的度量相关性的工具Copula随之产生。运用Copula理论,由边缘分布和一个连接它们的Copula函数,可以得到一个与实际数据更为接近的联合分布,从而可以建立起更为有效的风险管理模型,对我们正确的认识金融市场并更为有效的规避风险,具有重要的参考价值。本文主要利用极值理论和Copula理论尝试对中国股市进行建模分析。得到的主要研究成果有:(1),系统归纳了极值理论主要的两个分布模型,着重介绍了广义极值分布模型,并结合上证综指的数据,在广义极值分布的基础上,做了较详细的数据分布、参数估计、参数检验和实证结果分析,利用Login给出的两个统计工具,给出了沪市极值收益率的发生时间和发生概率;(2),系统总结了Copula理论的定义、性质以及常见Copula函数的分类,基于四类不同的Copula函数,结合沪深两市的日收益率,分别给出了相应Copula函数的参数估计并判断出刻画中国股市极值相关性的最优Copula函数;(3),系统描述了二元极值Copula的三类Copula函数,基于Logistic模型结合沪深两市数据,给出了相应的参数估计,通过计算Logistic模型的条件分布函数得到的结论是中国沪深两市在上尾极值处具有较大的相关性。