摘要
选用GPD分布分别对沪深股市对数收益率尾部进行描述,结合样本数据的统计特征,选择合适的二元Copula函数对沪深股市对数收益率的相关性进行描述,对二元Copula函数的参数进行估计。结果表明:二元t-Copula函数比二元正态Copula函数更能捕捉沪深股市的尾部相关性。沪深股市存在着较强的相关性,线性相关系数为0.9356,Kendall相关系数为0.7611,Spearman相关系数为0.9150。
The GPD distribution is chosen to describe log return rate of Shanghai and Shenzhen stock market. The correlation between the Shanghai and Shenzhen stock market is described using the binary Copula function,combined with the statistical characteristics of the sample data. The parameters of the Copula function are estimated. The results show that binary t-Copula function can better capture the tail correlation than binary normal Copula function. There is a strong correlation between Shanghai and Shenzhen stock markets,with the linear correlation coefficientbeing 0. 9356,and the Kendall correlation coefficient being 0. 7611,and the Spearman correlation coefficient being 0. 9150.
引文
[1]姜翔程,熊亚敏.基于GARCH族模型的我国股市波动性研究[J],西南师范大学学报(自然科学版),2017,42(2):115-119.
[2]杨昌安.我国股票市场收益率的波动性研究——基于GARCH模型的上证综指分析[J].知识经济,2015(1):84.
[3]李龙.基于GARCH模型对上证综指波动性的综合分析[J].市场论坛,2014(2):70-71.
[4]周勇,张小华.基于GARCH族模型的深圳成指实证分析[J].特区经济,2013(8):39-40.
[5]罗阳,杨桂元.基于GARCH类模型的上证股市波动性研究[J].统计与决策,2013(12):162-165
[6]傅强,伍习丽.基于ARFIMA-WRBV-VaR的中国股市风险研究[J].西南大学学报(自然科学版),2013,35(3):9-14.
[7]汪星,彭作祥.中国股市波动过程分析[J].西南师范大学学报(自然科学版),2012,37(5):107-110.
[8]魏平,刘海生.Copula函数在沪深股市相关性研究中的应用[J].数理统计与管理,2010,29(5):890-898.
[9]王晓芳,谢金静.基于多种Copula函数的沪新股市尾部相关性比较分析[J].统计与信息论坛,2009,24(6):27-32.
[10]李军星,贺书奎,张建桥.体制转换下基于Copula方法的沪深股市相关性研究[J].现代商业,2009(11):47.
[11]王晓丽,席金平,吴润衡.基于Copula函数和非参数估计的尾部相关性[J].数学的实践与认识,2009,39(7):54-57.
[12]王胜本,徐晓肆,陈瑛.中国股票市场相关性分析[J].山东科技大学学报(自然科学版),2008,27(6):96-101.
[13]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.