电子文档交易市场
安卓APP | ios版本
电子文档交易市场
安卓APP | ios版本

copula理论简介资料

32页
  • 卖家[上传人]:w****i
  • 文档编号:95422858
  • 上传时间:2019-08-18
  • 文档格式:PPT
  • 文档大小:1.42MB
  • / 32 举报 版权申诉 马上下载
  • 文本预览
  • 下载提示
  • 常见问题
    • 1、Copula理论简介,引 言,国际金融市场快速发展市场间相互依存性加强。 金融创新不断涌现金融风险越发集中和隐蔽。 相关性分析是多变量金融分析中的一个中心问题,资产定价、投资组合、波动的传导和溢出、风险管理等问题都涉及相关性分析。而常用的线性相关系数有具有一定的局限性。如它要求变量间是线性的,且方差存在,但是金融市场中出现的不少数据往往是厚尾分布,它们的方差有时并不存在。 金融波动和危机的频繁出现使风险度量和多变量金融时间序列分析成为国内外关注的焦点,原有的多变量金融模型已不能完全满足发展的需要。如用Var来度量风险时须具备一定的条件,它在非椭圆分布时就不可用。,主要内容,1.Copula函数的定义,什么是Copula函数? 形象地说,我们可以把Copula函数叫做“连接函数”或“相依函数”,它是把多个随机变量的联合分布与它们各自的边缘分布相连接起来的函数。,多元联合分布函数,边缘分布,Copula函数,1.Copula函数的定义,Sklar定理 令 为具有边缘分布 的联合分布函数,那么存在一个Copula函数 ,满足:,若 连续,则 唯一确定。,2.相关性测度,2.1.提出问题 2.

      2、2.基于Copula函数的相关性测度 2.3.尾部相关性,2.1.关于相关系数,一个问题 我们知道,对于两个变量之间的相关性关系,我们可以利用相关系数 来度量,但是,我们看下面的问题:,若 (x,y显然关系密切) 则 即x,y的相关系数为0。 因此,当变量间的关系是非线性时,用相关系数来度量其关系是不可靠的。而Copula函数在一定的范围内就可以避免这个问题。,2.2.基于Copula函数的相关性测度,定理 对随机变量 做严格的单调增变换,相应的Copula函数不变。,Kendall秩相关系数 Spearman秩相关系数 Gini关联系数,2.2.基于Copula函数的相关性测度,Kendall秩相关系数 考察两个变量的相关性时,最直观的方法是考察它们的变化趋势是否一致。若一致,表明变量间存在正相关;若不一致,表明变量间是负相关的。 令 和 为随机向量(X,Y)的两组观测值,如果 且 ,或者 且 ,即 ,则称 和 是一致的,反之,即 ,则为不一致。,2.2.基于Copula函数的相关性测度,定义: 和 为独立同分的随机向量,,,完全正相关; ,完全负相关; ,无法判定。,可以看到,对于

      3、单调增函数s(x)和t(y),有,因此值对单调增的变换是不变的。,Kendall秩相关系数可以由Copula函数给出(证明略):,2.2.基于Copula函数的相关性测度,Spearman秩相关系数,定义: 和 为独立同分布的随机向量,则,Sperman秩相关系数对严格单调增的变换也是不变的,由相应的Copula函数来表示如下:,2.2.基于Copula函数的相关性测度,Gini关联系数 和只考虑了随机变量变化方向的一致性和不一致性,而Gini关联系数则更细致地考虑了随机变量变化顺序的一致性和不一致性。 设随机变量(X,Y)的n个样本为 , 将 按从小到大顺序排列后, 的名次 称为它的秩,同样 在 中的名次(秩)记为 。 如果x,y的变化是一致的, 就应该很小,所以 反映了不一致的程度。如果变化方向相反,那么 与 应处于两端, 位于 位置时, 应位于倒数第 的位置上,即第 的位置上,因此, 就应该很小,而 就反映了相反变化的不一致程度。,2.2.基于Copula函数的相关性测度,定义:令 为随机变量X,Y的样本 ,i=1,2,.,n的秩,则,Gini系数可以扩展到无限样本的情形,并有相

      4、应的Copula函数给出:,2.3.尾部相关性, 在金融风险分析中,更有意义的是随机变量的尾部相关性,这一特性用Copula函数来处理十分方便。考虑条件概率 ,它可以用来讨论金融市场之间或金融市场中各类资产之间的相关性。 当x,y趋于无穷大或足够大时, 即反映了随机变量X与Y的尾部相关性。,2.3.尾部相关性,定义:(上尾相关与独立、下尾相关与独立) 令 为连续随机变量的向量,边缘分布分别为F,G,则 的上尾相关系数为,若 ,X,Y称为上尾相关;若 ,X,Y称为上尾独立。,下尾相关系数为,若 ,X,Y称为下尾相关;若 ,X,Y称为下尾独立。,2.3.尾部相关性,由于 同样可证 因此,基于Copula函数的尾部相关性可以表示为,相关性测度总结,Kendall秩相关系数,Spearman秩相关系数,Gini关联系数,上尾相关系数,下尾相关系数,3.常用的Copula函数,3.1.二元正态Copula函数 3.2.二元t-Copula函数 3.3.二元阿基米德Copula函数,3.1.二元正态Copula函数,3.2.二元t-Copula函数,3.3二元阿基米德Copula函数, 阿基米德分

      5、布函数的定义:,其中 称为阿基米德Copula函数的生成元,它是一个凸的减函数。,常用的二元阿基米德Copula函数: Gumbel Copula函数 Clayton Copula函数 Frank Copula函数,3.3二元阿基米德Copula函数,Gumbel Copula函数,生成元,3.3二元阿基米德Copula函数,上尾部变化十分敏感,3.3二元阿基米德Copula函数,Clayton Copula函数,生成元,3.3二元阿基米德Copula函数,下尾部变化十分敏感,3.3二元阿基米德Copula函数,Frank Copula函数,生成元,3.3二元阿基米德Copula函数,描述对称相关结构,上尾下尾相关性变化都不敏感,4.Copula模型的构建,两阶段法: 1.确定边缘分布; 2.选取一个适当的Copula函数,以便能很好地描述出随机变量之间的相关结构。,4.Copula模型的构建,选择适当的Copula函数 1.看这种Copula函数的特征是否与现实金融市场指数的收益率之间的相关性符合。 2.看这种Copula函数在实际应用中的可操作性。 3.看这种Copula函数所模拟结果与实际符合的程度。,边缘分布的选择:,自回归模型,常用的单变量 时间序列模型,时间序列模型,波动模型,ARCH类模型(ARCH、GARCH、EGARCH等),随机模型(SV),移动平均模型,自回归移动平均模型,5.模型的参数估计,参数估计:极大似然估计和距估计。,我们不加证明地给出多变量的联合密度函数:,这么多参数,怎么办?,5.模型的参数估计,两阶段极大似然估计法:,谢谢大家!,

      《copula理论简介资料》由会员w****i分享,可在线阅读,更多相关《copula理论简介资料》请在金锄头文库上搜索。

      点击阅读更多内容
    最新标签
    发车时刻表 长途客运 入党志愿书填写模板精品 庆祝建党101周年多体裁诗歌朗诵素材汇编10篇唯一微庆祝 智能家居系统本科论文 心得感悟 雁楠中学 20230513224122 2022 公安主题党日 部编版四年级第三单元综合性学习课件 机关事务中心2022年全面依法治区工作总结及来年工作安排 入党积极分子自我推荐 世界水日ppt 关于构建更高水平的全民健身公共服务体系的意见 空气单元分析 哈里德课件 2022年乡村振兴驻村工作计划 空气教材分析 五年级下册科学教材分析 退役军人事务局季度工作总结 集装箱房合同 2021年财务报表 2022年继续教育公需课 2022年公需课 2022年日历每月一张 名词性从句在写作中的应用 局域网技术与局域网组建 施工网格 薪资体系 运维实施方案 硫酸安全技术 柔韧训练 既有居住建筑节能改造技术规程 建筑工地疫情防控 大型工程技术风险 磷酸二氢钾 2022年小学三年级语文下册教学总结例文 少儿美术-小花 2022年环保倡议书模板六篇 2022年监理辞职报告精选 2022年畅想未来记叙文精品 企业信息化建设与管理课程实验指导书范本 草房子读后感-第1篇 小数乘整数教学PPT课件人教版五年级数学上册 2022年教师个人工作计划范本-工作计划 国学小名士经典诵读电视大赛观后感诵读经典传承美德 医疗质量管理制度 2 2022年小学体育教师学期工作总结 2022年家长会心得体会集合15篇
    关于金锄头网 - 版权申诉 - 免责声明 - 诚邀英才 - 联系我们
    手机版 | 川公网安备 51140202000112号 | 经营许可证(蜀ICP备13022795号)
    ©2008-2016 by Sichuan Goldhoe Inc. All Rights Reserved.