随着金融研究领域的日益深入,相关性分析在金融应用上变得越来越重要,投资组合分析、资产定价及金融风险度量等问题都涉及到相关性分析,而且自上世纪九十年代以来频发的世界范围内的金融危机也凸现出相关性研究在防范灾难方面的巨大意义。但以往的研究通常只集中在对相关程度的分析上,而忽略了对金融市场间的相关性结构或模式特别是其尾部特征的研究。事实上,即使具有相同相关性强度的两对随机变量,也可能会因为有不同的相关模式和尾部特征而表现出完全不同的结构特点。因此仅用相关程度来描述随机变量间的相关关系都是不全面的。 应用copula函数技术,可以将相关程度和相关模式的研究有机地结合在一起。作为连接随机变量边缘分布到联合分布的函数,Copula函数不仅可以反映出随机变量间的相关程度,而且可以较好地描述随机变量间的相关模式,因此可以用不同的Copula函数来表示不同的相关模式。前人已经提供了将copula函数应用于金融领域的一般性框架,并且对几种常见的copula函数进行了深入的分析和应用。本文的重点就是应用copula函数来研究随机变量的尾部相关性的问题。本文首先对copula函数进行了详细的介绍,然后对尾部相关性进行了定义与归纳,并使用copula函数将其表示出来,同时将chi图这一传统方法应用于尾部相关的判断上。然后依据判断的结果对尾部相关性进行建模处理。从分析方法而言,本文依然沿用前人对copula函数方法的框架性归纳,但本文更强调对尾部数据建模的弹性要求,以及对数据的适应性要求。所以本文充分利用了copula函数的凸组合性质来构建一个弹性的copula函数组合,将不同copula函数的优势结合在一起,在实证中也证明了本文弹性copula函数组合方法的优势。 本文的结论是本文的方法能较好的模拟出真实数据相关性的情况,特别是尾部的特征,在和前人文献中常使用的正态copula函数方法和t-copula函数方法进行比较时发现,我们的模型在拟合度方面更具优势。