-
摘要：股市的波动性一直以来备受关注,特别是股市间的波动溢出效应的研究比较成熟,主要是利用GARCH模型对金融数据的进行分析,而其中涉及到的相关关系是用线性相关关系刻画的,但是线性相关系数已经不能完全刻画当今的复杂金融市场。本文了解金融市场的真实相关性，还分别选取了上证综指和深圳综指来进行实证分析，选择Copula函数导出一些相关性测度描述了股市相关性,本文主要内容有： 第一部分描述了选题背景和研究意义、我国股市的情况、Copula的研究历史及现状、Copula函数的研究成果；第二部分介绍了Copula函数的基本理论,包括Copula方法的定义、性质和常用Copula函数族,由Copula函数导出的一系列相关性指标以及Copula函数的参数估计等；第三部分利用所选取的数据,对上海股市和深圳股市的相关性进行实证分析,先进行同一时间段数据分析,结果表明股市之间的联系及差异。最后的得出结果并且在前文研究的基础上得出了文章的结论，并且结合我国的具体国情，针对我国股票市场的现状提出了自己的建议和看法。18940
- 上一篇：日语论文从便当文化看日本人的亲情观
- 下一篇：师范大学生消费水平调查分析
毕业论文关键字：copula理论; 股票市场；相关性分析
引言
随着我国金融市场的不断完善，作为金融市场重要组成部分的证券市场表现非常突出。我国股市从建立之初到加入WTO再到现在股权分置改革的基本完成，我国股市与世界的联系日益密切。现在金融市场之间的相互依赖、相互影响逐渐加深，这促进了对金融之间的相关性如相关程度、协同运动、和溢出等问题的研究。相关性是股市分析中应用的一个重要指标，原有的多变量金融模型已不能完全满足金融市场发展的需要,如向量GARCH模型可用于金融市场间的相关性,但它在理论上还存在许多有待解决的问题,如参数估计问题,因此在应用上存在一定的局限性。Copula理论的出现和应用可以说它推向了一个新阶段, 在1959年Sklar提出了可以将一个联合分布分解为它的k个边缘分布和一个copula函数,其中copula函数描述变量间的相关结构，于是就产生早期的copula理论。1999年后copula理论已经在统计上得到了广泛的应用，并且开始应用于金融领域。Copula理论在实际应用中有许多优点,如运用copula理论构建金融模型时,可以将随机变量的边缘分布和它们之间的相关结构分开来研究,其中边缘分布的选择不受限制,而且如果对变量作单调递增的变换,由copula函数导出的一致性和相关性测度的值不会改变。可以很好的刻画随机变量间非线性的相关关系。本文主要介绍了copula理论及其在股市中的应用，利用深证综指和上证指数两者之间的相关关系进行了实证分析，并指出了Copula理论在股市应用中的优越性。
第一章 研究背景
1.1选题背景及意义
随着经济全球化的发展，国际金融市场不断的发生着巨大的变化，金融全球化成为不可逆转的历史潮流。与此同时，各国金融市场的开放程度不断加深，金融市场间相互依存越来越紧密，同时相互间相关性的表现形式也发生了较大变化，相关性分析成为了金融风险分析中的一个核心问题。我国金融市场的不断完善，作为金融市场重要组成部分的证券市场表现非常突出。我国股市从建立之初到加入WTO再到现在股权分置改革的基本完成，我国股市与世界的联系日益密切。金融波动和危机的频繁出现促使风险度量和多变量金融时间序列分析成为国内外关注的焦点。现在金融市场之间的相互依赖、相互影响逐渐加深，这促进了对金融之间的相关性如相关程度、协同运动、和溢出等问题的研究。
相关性是股市分析中应用的一个重要指标，原有的多变量金融模型已不能完全满足金融市场发展的需要,如向量GARCH模型可用于金融市场间的相关性和投资组合的风险分析,但它在理论上还存在许多有待解决的问题,如参数估计问题, 如资产定价、组合选择、风险度量等都涉及相关性分析，因此在应用上存在一定的局限性。过去对相关性的研究主要集中在对随机变量之间相关程度的分析上，而忽略了对相关模式的研究。这些方法均存在着一定的局限性，例如最常用的Pearson 相关系数只能反映变量间的线性相关程度，而无法捕捉到非线性的关系。当变量间存在着非线性关系时，如果仍采用Pearson 相关系数来分析相关性就可能产生错误。Copula理论的提出，有助于我们解决上述难题。