基于m-Copula-GJRSK-M模型的滬深股市相關性偏度峰度研究.pdf

1、以往的研究中主要是對資產(chǎn)的均值方差進行研究來度量資產(chǎn)所面臨的風險及其所對應的預期收益。近年來越來越多的學者關注到金融資產(chǎn)波動的非對稱性和厚尾現(xiàn)象，因而越來越多的研究已經(jīng)著手分析資產(chǎn)的偏度和峰度的風險溢酬問題。但是大多數(shù)研究都是從靜態(tài)角度對資產(chǎn)的偏度和峰度風險溢酬進行研究，沒有考慮到高階矩的時變性，而高階矩的時變性也是導致資產(chǎn)風險一種因素，因而在資產(chǎn)風險的管理過程中不能忽視高階矩的時變性。除此之外，以往研究多從單個資產(chǎn)出發(fā)，沒有考慮資產(chǎn)間

2、收益率的相關性。在股票市場中，股指波動因受各種因素的影響一般不符合嚴格的正態(tài)分布或是t分布，資產(chǎn)間往往存在相關性，資產(chǎn)間的相關性對股指收益率的偏度和峰度風險溢酬的影響需做進一步的研究。以往研究表明資產(chǎn)波動具有尖峰厚尾和左偏或是右偏的現(xiàn)象，說明單個資產(chǎn)收益率的分布是非對稱的，多個資產(chǎn)收益率之間相關也是非對稱的，具體表現(xiàn)為熊市時資產(chǎn)間相關性比正常時或牛市時的相關性大，也就是說資產(chǎn)收益存在尾部極值相關。因此，將資產(chǎn)收益之間的相關性對資產(chǎn)偏度峰

3、度風險溢酬的影響作為本文分析的重點。分析資產(chǎn)間相關性的影響必須構建靈活的多元分布，而Copula函數(shù)可以很好的解決此問題。除此之外，Copula函數(shù)還有一大優(yōu)點，就是對隨機變量的邊緣分布不加限制?？紤]到Copula函數(shù)的各項優(yōu)點本文采用Copula函數(shù)進行建模。
　　本文分析了資產(chǎn)間相關性對資產(chǎn)高階矩風險溢酬的影響，建立M-Copula-GJRSK-M模型，通過實證研究說明資產(chǎn)間相關性對資產(chǎn)的偏度和峰度風險溢酬的影響。文章選取了2

4、000年1月4日至2015年4月10日上證綜指和深證成指的日收盤價作為分析對象，每一種指數(shù)的樣本容量均為3691個。首先對Copula函數(shù)進行了系統(tǒng)的闡述，構建了m-Copula函數(shù)，并闡述了m-Copula函數(shù)的優(yōu)勢，同時描述了GJRSK-M模型的優(yōu)勢并對其經(jīng)濟含義進行解釋，將兩者相結合，建立m-Copula-GJRSK-M模型，并利用極大似然估計方法對模型參數(shù)進行估計。然后，通過實證說明上證綜指和深圳成指對數(shù)收益率存在偏度和峰度風險