Archimedean Copula函数在深证A股B股相关性中的应用研究

1 下载量 179 浏览量 更新于2024-09-04 收藏 389KB PDF 举报
本文探讨了基于单参数Archimedean Copula函数的深证A股和B股相关性研究,由李凡、张瑜和严定琪合作完成。两位作者分别来自兰州大学数学与统计学院,李凡主要研究金融数学与金融工程,严定琪则担任副教授,也是该领域的研究者。Copula函数是一个重要的概念,它是一种将多个维度随机变量的边缘分布联合起来形成一个联合分布函数的方法,其优点在于无需假设金融产品收益率服从正态分布,因此在资产定价、风险管理以及投资组合优化等领域得到了广泛的应用。 文章首先介绍了Copula函数的基本概念,包括其定义、基本性质和Sklar定理,这些定理揭示了如何通过边缘分布计算联合分布。接着,作者详细讨论了Archimedean Copula函数,这是一种特殊的Copula函数类型,它的生成元和一些常见变种如Frank、Gumbel和Clayton等被重点提及。Copula函数的特性还包括一致性与相关性,这些属性对于理解和应用至关重要。 核心部分,作者针对Copula函数的尾部相关性进行了深入分析,因为尾部相关性在金融市场的风险评估中尤为重要。他们采用了非参数方法来估计Archimedean Copula函数中的参数值,这种方法有助于在数据分布不满足特定假设时仍然保持稳健。通过Copula函数的图形表示,他们挑选出最合适的Copula模型来描述深证A股和B股之间的关系。 为了验证和评估深证A股与B股的相关性,作者进一步运用了经验分布函数的Q-Q图检验和Kolmogorov-Smirnov(K-S)检验这两种统计工具。Q-Q图可以直观地比较两个数据集的分布形状,而K-S检验则用于检验样本数据是否源自同一总体分布。通过这些方法,作者得出了深证A股和B股之间相关性的具体结论,这对于投资者理解和管理股票市场风险具有实际价值。 这篇首发论文结合Copula函数理论与实证分析,提供了深证A股和B股之间相关性研究的一个严谨且实用的方法,对于深化对非线性金融关系的理解以及提升投资决策的准确性具有重要意义。