当前位置:论文写作 > 论文大全 > 文章内容

沪深股市和copula自考开题报告范文 沪深股市和copula相关硕士论文范文2万字有关写作资料

主题:沪深股市和copula 下载地址:论文doc下载 原创作者:原创作者未知 评分:9.0分 更新时间: 2024-02-03

沪深股市和copula论文范文

《基于copula函数的沪深股市日收益率波动》

本文是关于沪深股市和copula类毕业论文格式范文跟股市方面硕士论文范文.

【摘 要】文章用上证380和深证成指两支股指分别代表沪深股市,通过构建二元正态copula模型和二元t-copula模型研究沪深股市的日收益率波动相关性.经过实证得出:上证380、深证成指的收益率日收益率均为左偏的尖峰厚尾分布;二元正态copula中的线性相关参数ρ的估计值是0.9288,二元t-copula函数的线性相关参数为0.9361、自由度的估计值为2;线性相关参数为等于0.9361,自由度为等于2的二元t-copula较好地反映了上证380、深证成指的日收益率之间的尾部相关性和秩相关性;二元t-copula模型与经验copula的平方欧式距离能更好地拟合两支股指的日收益观测数据.

【关键词】日收益率波动;copula函数;t-copula函数

【中图分类号】O213 【文献标识码】A 【文章编号】1674-0688(2020)05-0164-03

0 引言

近年来,随着金融市场的深入发展,各国的金融化程度随之提高,金融市场对各国经济发展起着日益重要的影响,金融衍生品种类日益丰富,为各领域的投资者提供了越来越多的选择.但与此同时,投资风险也日益加剧.

股票的收益率是众多投资者最为关心的一个环节,通过研究收益率的波动,找出沪深股市之间的相关性,是本文的重要研究对象.本文以上证380和深证成指的相关数据作为样本,考察它们的日收益率波动的相关性.时间跨度为2013年10月29日至2019年12月17日,各选取1 500组数据.本文数据来源均为网易财经网,本文所有的实证均运用了MATLAB实现.

1 文献综述

研究金融产品之间的相关性,较早运用的方法是Pearson相关系数法,陆静等人[1](2002)运用此种方法研究上市公司的会计盈利、流量与股价之间的相关性,得出的结果是这几个要素之间是呈线性相关的.然而,金融产品的波动常常呈现出非完全对称且尖峰厚尾的非线性状态,传统的统计方法在这里就会失效.姚佳(2011)[2]在研究金融产品的相关性问题时采用了copula函数,实验证明此方法的实用性很高.刘喜波等人(2015)[3]将上证综指和深证成指的日收益率数据作为样本,运用copula函数研究沪深股市的相关性,发现边缘分布的估计对时间序列的刻画有一定的局限.李晓康(2017)[4]选用GPD分布先对沪深股市对数收益率尾部进行描述,然后选择二元copula函数对对数收益率进行参数估计.结果表明,二元t-copula比较能反映沪深股市的较强的尾部相关性.

2 实证分析

2.1 描述性统计

现有上证380和深证指数同时期日收开盘价及最高价、最低价等数据,由于两支股指代表的是沪深股市的数据,不存在数据缺失的情况,所以不用进行缺失数据处理.为了保证结果的可靠性,需要对原始指标数据进行相应的变换处理,本文采用的是标准化变换的方法.本文采取的收益率计算方式为第t日的收益Rt等于(St-Kt)/Kt,其中Kt为第t日的开盘价,St为第t日的收盘价.表1为两支股指在同样的样本期间不同日收益率序列的描述性统计,图1与图2为两支股指的日收益率频率直方图.

从表1的前两列可以看出,两个股指的日收益率均值都比较小,且都大于0,但上证380的均值相对大一点;两支股票的标准差也不大,均小于0.020.这说明,两个股指收益率的波动性比较小.结合图1、图2与表1后两列所陈列出的日收益率的偏度和峰度可以看出,上证380和深证成指的日收益率分布是不完全对称的,并且二者都显示出左偏的尖峰厚尾的特性,可以初步断定上证380和深证成指的日收益率不服从正态分布.

2.2 正态性检验

两支股指日收益率波动的正态性检验选择的是J-B检验、K-S检验和lillietest函数,通过程序的实现得出的结果为3种检验的h值均为1,上证380的p值分别是1.000 0e-03、6.177 7e-12、1.000 0e-03,深证成指的p值1.000 0e-03、6.769 6e-09、1.000 0e-03.两只股指p值均小于0.01,说明上证380和深证成指都不服从正态分布,而是服从某种对称的尖峰厚尾分布.下面利用非参数法确定两支股指的分布.

2.3 非参数法

由前两节可以看出,样本总体的分布无法界定,现试用edcf函数和ksdensity函数分别求出样本经验分布函数和核光滑方法界定总体的分布(如图3、图4所示).

由圖3、图4可以看出,两支股指的日收益率波动的核分布估计图与经验分布函数大致趋同,只有细微的差别.

2.4 二元频数直方图与二元频率直方图

在确定了上证380的边缘分布U和深证成指的边缘分布V之后,就可以通过绘制出的两只股指的二元直方图的形状,进而筛选出合适的copula函数.绘制的二元频数直方图、频率直方图如图5、图6所示.

由图6可以看出,二元频率直方图具有比较对称的尾部,即两只股指的copula函数具有比较对称的尾部.接下来,我们选取二元正态copula函数及二元t-copula函数对原始数据进行分析.

2.5 参数估计

试用copulafit函数分别估计二元正态copula函数和二元t-copula中的参数,根据MATLAB实现的数据求出二元正态copula中的线性相关参数ρ的估计值为0.928 8,二元t-copula中的线性相关参数ρ为0.936 1,自由度l的估计值为2.201 6≈2.

2.6 二元正态copula与t-copula的密度函数与分布函数图

根据上文估计的二元正态copula和二元t-copula中的参数,调用copulapdf和copulacdf两种函数,分别计算二者的密度函数和分布函数值,并绘制出它们的密度函数与分布函数图(如图7、图8所示).

由图7、图8可以看出,与二元正态copula相比,二元t-copula的密度函数的尾部更加厚实,较好地反映了上证380、深证成指的日收益率之间的尾部相关性.

2.7 秩相关系数

估计二元正态copula函数和二元t-copula函数中的参数后,计算它們的Kendall秩相关系数、Spearman秩相关系数,同时计算经过标准化处理的日收益率的Kendall秩相关系数和Spearman秩相关系数.二元copula函数的Kendall秩相关系数为0.758 3,Spearman的相关系数为0.922 4.二元t-copula函数的Kendall秩相关系数为0.771 3,Spearman秩相关系数为0.914 0.原始数据的Kendall秩相关系数为0.765 4,Spearman秩相关系数为0.912 5.可知,二元t-copula函数的两项秩相关系数与原始数据的秩相关系数相差更小.这说明,二元t-copula较好地反映了上证380、深证成指日收益之间的秩相关性.

2.8 模型评价

基于两支股票日收益率的观测数据,已经构建出二元正态copula模型和二元t-copula模型.现将两个模型分别与经验copula结合,分别计算出它们的平方欧式距离.线性相关参数为0.928 8的二元正态copula与经验copula的平方欧式距离为0.021 8;线性相关参数为0.936 1、自由度为2的二元t-copula与经验copula的平方欧氏距离为0.009 7.在平方欧氏距离标准下,可以得出:二元t-copula模型在拟合两只股票的日收益率观测数据能得出更好的效果.

3 结语

上证380、深证成指的收益率、日收益率均为左偏的尖峰厚尾分布;二元正态copula中的线性相关参数ρ的估计值是0.9288,二元t-copula函数的线性相关参数为0.936 1、自由度的估计值为2;线性相关参数为等于0.936 1,自由度为等于2.二元t-copula较好地反映了上证380、深证成指的日收益率之间的尾部相关性和秩相关性;二元t-copula与经验copula的平方欧式距离更小,更能拟合两支股指的日收益观测数据.

参 考 文 献

[1]陆静,孟卫东,廖刚.上市公司会计盈利、流量与股票的实证研究[J].经济科学,2002(5):35-42.

[2]姚佳.Copula函数的局部多项式估计方法及其在股票市场中的相关性研究[D].长春:长春工业大学,2011.

[3]刘喜波,王增,谷艳华.基于Copula模型的沪深股市日收益率的相关性研究[J].数学的实践与认识,2015,45(11):101.

[4]李晓康.基于Copula函数的沪深股市相关性分析[J].陕西理工大学学报(自然科学版),2017,33(6):75-81.

上文结论,该文是关于沪深股市和copula方面的大学硕士和本科毕业论文以及股市相关沪深股市和copula论文开题报告范文和职称论文写作参考文献资料.

沪深股市和copula引用文献:

[1] 沪深股市和copula自考开题报告范文 沪深股市和copula相关硕士论文范文2万字
[2] 沪深指数和garp本科毕业论文范文 关于沪深指数和garp开题报告范文8000字
[3] 沪深指数和股指期权论文范文检索 沪深指数和股指期权有关论文范文资料2万字
《沪深股市和copula自考开题报告范文 沪深股市和copula相关硕士论文范文2万字》word下载【免费】
沪深股市和copula相关论文范文资料