回望中国证券市场,例如在中国股市,一个股市的波动,是不是因为一支股票的大起大落而影响其他股票的波动引起的呢?如果有,那么这个影响会有多大呢?从这个角度出发,我们需要考虑在中国股票市场中,各种股票或指数之间的相依结构问题。但是要刻画这些股票的相依结构,肯定要用至Copula和一系列由它衍生出来的相依性度量指标。由其它文献总结得出,用经典的Pearson线性相关系数来刻画不同股票或者指数之间的相关性,是有其致命缺点的,即平均从线性相关的角度去考虑股票或者指数间的相关性。但实际上,金融市场的资产或者股票的收益数据经常都是厚尾的,它们之间有时根本不存在线性的关系(或表现为弱相关),而在股市上我们更关心股票或者指数的剧烈波动(大起大落)的阶段,如果这时用经典的线性Pearson相关系数来度量它们的相关性,就失去了其实际意义。正因如此,寻找一种新的度量股市相依结构的工具是很有必要的,即Copula,它的出现使我们更能精确地认识股市的相依结构。本文主要利用混合Copula函数对中国主要股市指数收益率的相依结构进行研究,混合Copula函数是从Archimedean Copula族里挑选出Clayton Copula, Joe Copula和Frank Copula函数,即第1,5,13族函数构成,其中,第一族函数的特点是下尾较厚,即尾部相依系数大于0,就是说当此族函数能从很强的正相依关系转到很强的负相依关系。上尾和下尾的尾部相依系数都为0是第5族函数的特征,此族函数与第1族函数相反,即可以从很强的负相依关系转到很强的负相依关系。第13族的特点也是上尾和下尾的尾部相依系数都为0,但此类函数可以从独立关系转到很强的正相依结构。然后在这些函数的基础上对股票各个板块的股指进行研究分析,从而得出相关结论。