侯叶子,卢俊香

(西安工程大学 理学院,西安 710048)

近年来,随着衍生产品的日益丰富,金融市场中的相关性分析日渐成为研究热点,Granger因果分析是常用的相关性分析方法[1]，但它存在局限性,如变量间是线性相关的,且方差有限时才能进行线性相关分析,但金融市场中的数据特征多呈现尖峰、厚尾的特点而且方差也不总是存在,所以这种方法不太适用于金融市场。而Copula函数的应用领域非常广泛[2-5]，为金融市场的相关性分析提供了新思路。文献[2]提出了关于Copula函数的一个著名的Sklar定理。文献[3]给出了 Copula函数的定义和构建方法。文献[4]将Copula的理论引入到金融领域,并对其可行性进行了探讨。文献[5-9]也将Copula函数应用于金融市场的相关性分析中。资产定价、投资组合的评估，波动溢出研究及风险管理等均涉及相关性分析。国内学者针对相关性的研究大多集中在固定的板块之间,如：文献[6]在金融中的相关性问题采用Copula函数进行建模,并证明此方法具有很强的实用性。文献[7]对上证综指和深证成指的日收益率序列之间的相关性采用Copula函数进行定量刻画,对边缘分布的估计采用经验分布函数,对于实际序列的刻画存在局限性。

应用Copula-GARCH模型进行股票市场的研究比较少[10-12]。在相关性度量及相关结构刻画领域,并未对沪深股市之间相关性进行研究。文中拟利用GARCH模型[13]来刻画边缘分布,更符合实际情况,利用Copula-GARCH模型对沪深股市的相关性和相关结构进行分析，分别结合二元正态Copula和二元t-Copula函数对上证综指和深证成指的收益率进行实证分析,比较两者对于数据拟合的优劣,并且利用平方欧式距离进行拟合度检验。……