典型事实、混合Copula函数与金融市场相依结构研究

doi:10.16381/j.cnki.issn1003-207x.2015.04.003

中国管理科学 ›› 2015, Vol. 23 ›› Issue (4): 20-29.doi: 10.16381/j.cnki.issn1003-207x.2015.04.003

典型事实、混合Copula函数与金融市场相依结构研究

林宇¹, 陈王², 王一鸣³, 黄迅¹

1. 成都理工大学商学院, 四川成都 610059;
2. 西南交通大学经济管理学院, 四川成都 610031;
3. 北京大学经济学院, 北京 100871

收稿日期:2013-03-27 修回日期:2014-01-28 出版日期:2015-04-20 发布日期:2015-04-24
作者简介:林宇(1973-), 男(汉族), 四川仪陇人, 成都理工大学商学院副教授, 博士, 研究方向:金融风险管理、金融市场与公司理财.
基金资助:
国家自然科学基金资助项目(71171025);国家社科基金资助项目(12BGL024);成都理工大学金融与投资创新团队(KYTD201303);四川软科学计划项目(2014ZR0093);四川矿产资源研究中心重点项目(SCKCZY2012-2D002)

Study on Dependency Structure of Financial Markets Based on the Stylized Facts and Mixed Copula Function

LIN Yu¹, CHEN Wang², WANG Yi-ming³, HUANG Xun¹

1. Business School, Chengdu University of Technology Chengdu 610059, China;
2. School of Economics and Management, Southwest Jiaotong University Chengdu 610031, China;
3. School of Economics, Peking University Beijing 100871, China

Received:2013-03-27 Revised:2014-01-28 Online:2015-04-20 Published:2015-04-24

摘要/Abstract

摘要： 运用ARFIMA-FIAPARCH-skst模型对沪深300指数和香港恒生指数建立收益-波动模型, 然后结合估计的参数对模型进行修正以确立最终模型, 排除金融市场典型事实对相依关系的影响, 进而运用由Clayton、Frank和Gumbel组成的混合copula模型对相依结构进行建模。研究结果表明:内地市场和香港市场均未观察到显著的杠杆效应;由Clayton、Frank和Gumbel组成的混合Copula模型能够准确地描述两个市场之间的相依结构, 且两个市场下尾相依关系要强于上尾的相依关系, 通过动态混合copula也验证了这一明显的非对称关系。

关键词: 金融市场, 典型事实, 混合Copula, 相依结构

Abstract: The ARFIMA-FIAPARCH-skst model is applied to establish return-volatility model to CSI300 and HIS. Then the parameter estimated is combined to revise model to confine the final model and get rid of the effect of dependence relation from stylized facts in financial market. And then the mixed copula model made of Clayton, Frank and Gumbel is applied to establish a model of dependence structure. The result of the research indicates that evident of leverage effects found by the existing research hasn't been observed by local market and HongKong market. Moreover, the mixed copula model made of Clayton, Frank and Gumbel can describe the dependence structure between two markets accurately and the dependence relation of lower tail of two markets is stronger than the dependence relation of upper tail. Besides, the time varying mixed-copula also indicates that there is an obvious asymmetric dependence relationship.

Key words: financial market, stylized facts, mixed copula, dependence structure

中图分类号:

F830.2

林宇, 陈王, 王一鸣, 黄迅. 典型事实、混合Copula函数与金融市场相依结构研究[J]. 中国管理科学, 2015, 23(4): 20-29.

LIN Yu, CHEN Wang, WANG Yi-ming, HUANG Xun. Study on Dependency Structure of Financial Markets Based on the Stylized Facts and Mixed Copula Function[J]. Chinese Journal of Management Science, 2015, 23(4): 20-29.

参考文献

[1] Cont R. Empirical properties of assets returns:Stylized facts and statistical issues [J]. Quantitative Finance, 2001, 1:223-236.

[2] 林宇. 典型事实、极值理论与金融市场动态风险测度研究 [J]. 投资研究, 2012, 31(1):41-56.

[3] King M, Wadhwani S. Transmission of volatility between stock markets[J]. Review of Financial Studies, 1990, 3(1):5-33.

[4] Longin F, Bruno S. Is the correlation in international equity returns constant:1960-1990[J]. Journal of International Money and Finance.1995, 14(1):3-26.

[5] 林宇.中国与部分国际股市动态极值风险传导效应研究[J]. 中国管理科学, 2008, 16(4):36-43.

[6] 陈王, 魏宇, 淳伟德, 等.中国股市与周边股市波动风险传导效应研究[J]. 中国管理科学, 2011, 19(6):31-39.

[7] Hong Yongmiao, Liu Yanhui, Wang Shauyang. Granger causality in risk and detection of extreme risk spillover between financial markets[J]. Journal of Econometrics, 2009, 150(2):271-287.

[8] 易文德.基于copula理论的金融风险相依结构模型及应用 [M]. 北京:中国经济出版社, 2011.

[9] Nelsen R B. An introduction to copulas[M]. Berlin:Springer, 1999.

[10] Bouyé E, Durrleman V, Nikeghbali A, et al. Copulas for finance:A reading guide and some applications[R]. Working Paper, Financial Econometrics Research Center, City University Business School, London, 2000.

[11] 韦艳华, 张世英. Copula 理论及其在金融分析上的应用 [M]. 北京:清华大学出版社, 2008.

[12] Yi Wende, Lao Shaoyi. Statistical properties of parametric estimators for Markov chain vectors based on copula models [J]. Journal of statistical Planning and Inference, 2010, 140(6):1465-1480.

[13] 易文德.基于ARMA-GARCH-COUPULA模型的交易量与股价波动相依关系[J]. 系统管理学报, 2012, 21(5):696-703.

[14] 林宇, 陈王. 基于典型事实的金融市场动态极值风险测度与传导效应研究 [M]. 北京:科学出版社, 2013.

[15] 吴吉林. 基于机制转换copula模型的股市量价尾部关系研究[J]. 中国管理科学, 2012, 20(5):16-23.

[16] 吴吉林, 张二华. 基于机制转换混合copula模型的我国股市间极值相依性[J]. 系统工程理论与实践, 2012, 32(8):1662-1672.

[17] 韦艳华, 张世英. 基于copula 函数的金融市场尾部相关性分析[J]. 管理学报, 2005, 2(5):601-605.

[18] 任仙玲, 张世英. 基于copula函数的金融市场尾部相关性分析[J]. 统计与信息论坛, 2008, 23(6):66-71.

[19] 闫海梅, 王波. 沪深300指数与沪深股市尾部相关性分析[J]. 数学的实践与认识, 2010, 40(22):50-55.

[20] Lamoureux C G, Lastrapes W D. Forecasting stock-return variance:Toward an understanding of stochastic implied volatilities [J]. Review of Financial Studies, 1993, 6(2):293-326.

[21] Bollerslev T. Generalized autoregressive conditional heteroskeda sticity [J]. Journal of Econometrics, 1986, 31(3):307-327.

[22] Glosten L R, Jagannathan R, Runkle D E.On the relation between the expected value and the volatility of the nominal excess return on stocks[J]. The Journal of Finance, 1993, 48(5):1779-1801.

[23] Christoffersen P F. Elements of financial risk management [M]. Massachusetts:Academic Press, 2002.

[24] Dowd K. Measuring market risk [M]. New Jersey:John Wiley & Sons, Ltd, 2005.

[25] Ding Zhuanxin, Granger C W J, Engle R F. A long memory property of stock market returns and a new model [J]. Journal of Empirical Finance, 1993, 1(1):83-106.

[26] Bollerslev T. Generalized autoregressive conditional heteroskedasticity[J]. Journal of Econometrics, 1986, 31(3):307-327.

[27] Engle R F.Autoregressive conditional heteroskedasticty with estimates of the variance of U. K. inflation [J]. Econometrica, 1982, 50(4):987-1008.

[28] Baillie R T, Bollerslev T, Mikkelsen H O. Fractionally integrated generlized autoregressive conditional heteroscedasticity [J]. Journal of Econometrics, 1996, 74(1):3-30.

[29] Genest C, MacKay J. The Joy of copulas:bivariate distributions with uniform marginals[J]. The American Statistician, 1986, 40(4):280-280.

[30] Hu Ling. Dependence patterns across financial markets:A mixed copula approach[J]. Applied Financial Economics, 2006, 16(10):717-729.

[31] Frahm G, Junker M, Schmidt R. Estimating the tail-dependence coefficient:Properties and pitfalls[J]. Insurance:Mathematics and Economics, 2005, 37(1):80-100.

典型事实、混合Copula函数与金融市场相依结构研究

Study on Dependency Structure of Financial Markets Based on the Stylized Facts and Mixed Copula Function

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	林伯强,苏彤. 中国绿色债券发展的国际比较：评估与动因探索[J]. 中国管理科学, 2024, 32(10): 66-75.
[2]	赵林海, 陈名智. 金融机构系统性风险溢出和系统性风险贡献——基于滚动窗口动态Copula模型双时变相依视角[J]. 中国管理科学, 2021, 29(7): 71-83.
[3]	王增文. 经济新常态下中国社会保障基金均衡投资组合策略及决定因素分析——基于沪、深两市数据的比较[J]. 中国管理科学, 2017, 25(8): 30-38.
[4]	刘祥东, 范彬, 杨易铭, 刘澄. 基于M-Copula-SV-t模型的高维组合风险度量[J]. 中国管理科学, 2017, 25(2): 1-9.
[5]	陈九生, 周孝华. 基于单因子MSV-CoVaR模型的金融市场风险溢出度量研究[J]. 中国管理科学, 2017, 25(1): 21-26.
[6]	叶五一, 李潇颖, 缪柏其. 基于藤Copula方法的持续期自相依结构估计及预测[J]. 中国管理科学, 2015, 23(11): 29-38.
[7]	熊正德, 韩丽君. 金融市场间波动溢出效应研究——GC-MSV模型及其应用[J]. 中国管理科学, 2013, (2): 32-41.
[8]	淳伟德, 陈王, 潘攀. 典型事实约束下的上海燃油期货市场动态VaR测度研究[J]. 中国管理科学, 2013, (2): 24-31.
[9]	吴吉林 . 基于机制转换Copula模型的股市量价尾部关系研究[J]. 中国管理科学, 2012, 20(5): 16-23.
[10]	林宇. 基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究[J]. 中国管理科学, 2011, 19(6): 15-24.
[11]	柴尚蕾, 郭崇慧, 苏木亚. 基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究[J]. 中国管理科学, 2011, 19(3): 11-18.
[12]	林宇, 卫贵武, 魏宇, 谭斌. 基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究[J]. 中国管理科学, 2009, 17(6): 17-24.
[13]	李红权, 汪寿阳, 马超群. 股价波动的本质特征是什么?——基于非线性动力学分析视角的研究[J]. 中国管理科学, 2008, 16(5): 1-8.
[14]	林宇. 中国股市与国际股市的极值风险传导效应研究[J]. 中国管理科学, 2008, 16(4): 36-43.
[15]	张瑞锋, 张世英, 唐勇. 金融市场波动溢出分析及实证研究[J]. 中国管理科学, 2006, (5): 14-22.