動態變結構Copula及其在金融市場中的應用（簡體書）

這本書綜合概括了作者10餘年來對Copula的學習與認知，內容涵蓋了二維、高維Copula理論的統計建模思想；二維動態Copula模型、高維動態Copula模型、二維混合變結構Copula模型、高維相依隨機變量函數的極值分位點估計等理論的探索性研究；中外股票市場聯動性、基於均值-CVaR投資組合優化模型以及金融機構系統性風險測度等金融領域的案例研究。
本書共有8章。第1章介紹為什麼要使用Copula函數，並輔以真實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相關理論知識，便於讀者閱讀本書後續章節。第2章聚焦在“金融市場間的相依結構或許是動態”這一觀點，提出時變Copula非參數模型，借助非參數建模思想，提出經驗分佈函數――局部極大似然法二階段估計Copula函數中的時變參數，並給出了Copula模型參數是否時變的統計假設檢驗方法，此外還給出了大量的模擬研究實驗。第3章為案例分析，介紹時變Copula非參數模型在中外股票市場聯動性領域的案例研究，得出了中外股票市場具有時變性、區域性等聯動性特徵，並深層次地分析了全球重大事件如何驅動中外股票市場聯動性特徵。第4章針對“金融市場在不同歷史時期比如牛市、熊市時期，應該呈現怎樣的非線性相關結構特徵?”這一主題，提出混合變結構Copula模型，並利用該模型對我國建材板塊和房地產板塊指數間的相依結構進行了案例分析。第5章聚焦第二章提出的“金融市場間的非線性相依結構或許是動態”這一觀點，但本章擴展到高維情形，基於高維C-vineCopula分解技術和廣義自回歸得分(GAS)理論，提出了C-Vine GAS Copula模型，本章包含了模型的時變參數估計、擬合檢驗以及蒙特卡洛仿真實驗。第6章給出了基於均值CVaR投資組合優化模型的一種新算法，新算法主要體現在給定**風險值的條件下如何去追求**的預期收益，且投資組合的權重和可以小於1。針對投資組合風險測度CVaR，本章通過Skewed-t TGARCH模型、R-Vine CopuIa模型以及Monte Carlo模擬等技術手段聯合完成。笫7章介紹了高維相依隨機變量函數的極值分位點估計的一種新方法，即將高維Vine Copula函數和Bootstrap技術相結合的三步估計策略，且該三步估計策略已被業界所採納。第8章主要聚焦如何主動防範和有效化解系統性風險這一主題，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方法相結合構建銀行系統預期損失的聯合分佈，然後採用Monte Carlo技術測算我國銀行系統的聯合預期損失，從而探討包商銀行被接管事件對我國銀行系統性風險的影響程度及其範圍。為了幫助讀者更容易理解本書，每章附錄附有相應章節的部分關鍵R代碼。