動(dòng)態(tài)變結(jié)構(gòu)Copula及其在金融市場中的應(yīng)用

　　這本書綜合概括了作者10余年來對Copula的學(xué)習(xí)與認(rèn)知，內(nèi)容涵蓋了二維、高維Copula理論的統(tǒng)計(jì)建模思想；二維動(dòng)態(tài)Copula模型、高維動(dòng)態(tài)Copula模型、二維混合變結(jié)構(gòu)Copula模型、高維相依隨機(jī)變量函數(shù)的極值分位點(diǎn)估計(jì)等理論的探索性研究；中外股票市場聯(lián)動(dòng)性、基于均值-CVaR投資組合優(yōu)化模型以及金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測度等金融領(lǐng)域的案例研究。本書共有8章。第1章介紹為什么要使用Copula函數(shù)，并輔以真實(shí)投資案例來幫助讀者理解，此外還簡要介紹了二維和高維Copula相關(guān)理論知識，便于讀者閱讀本書后續(xù)章節(jié)。第2章聚焦在“金融市場間的相依結(jié)構(gòu)或許是動(dòng)態(tài)”這一觀點(diǎn)，提出時(shí)變Copula非參數(shù)模型，借助非參數(shù)建模思想，提出經(jīng)驗(yàn)分布函數(shù)——局部極大似然法二階段估計(jì)Copula函數(shù)中的時(shí)變參數(shù)，并給出了Copula模型參數(shù)是否時(shí)變的統(tǒng)計(jì)假設(shè)檢驗(yàn)方法，此外還給出了大量的模擬研究實(shí)驗(yàn)。第3章為案例分析，介紹時(shí)變Copula非參數(shù)模型在中外股票市場聯(lián)動(dòng)性領(lǐng)域的案例研究，得出了中外股票市場具有時(shí)變性、區(qū)域性等聯(lián)動(dòng)性特征，并深層次地分析了全球重大事件如何驅(qū)動(dòng)中外股票市場聯(lián)動(dòng)性特征。第4章針對“金融市場在不同歷史時(shí)期比如牛市、熊市時(shí)期，應(yīng)該呈現(xiàn)怎樣的非線性相關(guān)結(jié)構(gòu)特征？”這一主題，提出混合變結(jié)構(gòu)Copula模型，并利用該模型對我國建材板塊和房地產(chǎn)板塊指數(shù)間的相依結(jié)構(gòu)進(jìn)行了案例分析。第5章聚焦第二章提出的“金融市場間的非線性相依結(jié)構(gòu)或許是動(dòng)態(tài)”這一觀點(diǎn)，但本章擴(kuò)展到高維情形，基于高維C-vineCopula分解技術(shù)和廣義自回歸得分（GAS）理論，提出了C-Vine GAS Copula模型，本章包含了模型的時(shí)變參數(shù)估計(jì)、擬合檢驗(yàn)以及蒙特卡洛仿真實(shí)驗(yàn)。第6章給出了基于均值CVaR投資組合優(yōu)化模型的一種新算法，新算法主要體現(xiàn)在給定**風(fēng)險(xiǎn)值的條件下如何去追求**的預(yù)期收益，且投資組合的權(quán)重和可以小于1。針對投資組合風(fēng)險(xiǎn)測度CVaR，本章通過Skewed-t TGARCH模型、R-Vine CopuIa模型以及Monte Carlo模擬等技術(shù)手段聯(lián)合完成。笫7章介紹了高維相依隨機(jī)變量函數(shù)的極值分位點(diǎn)估計(jì)的一種新方法，即將高維Vine Copula函數(shù)和Bootstrap技術(shù)相結(jié)合的三步估計(jì)策略，且該三步估計(jì)策略已被業(yè)界所采納。第8章主要聚焦如何主動(dòng)防范和有效化解系統(tǒng)性風(fēng)險(xiǎn)這一主題，討論了在包商銀行被接管這一事件背景下，通過R-Vine Copula模型和CCA方法相結(jié)合構(gòu)建銀行系統(tǒng)預(yù)期損失的聯(lián)合分布，然后采用Monte Carlo技術(shù)測算我國銀行系統(tǒng)的聯(lián)合預(yù)期損失，從而探討包商銀行被接管事件對我國銀行系統(tǒng)性風(fēng)險(xiǎn)的影響程度及其范圍。為了幫助讀者更容易理解本書，每章附錄附有相應(yīng)章節(jié)的部分關(guān)鍵R代碼。

暫缺《動(dòng)態(tài)變結(jié)構(gòu)Copula及其在金融市場中的應(yīng)用》作者簡介