这本书综合概括了作者10余年来对Copula的学习与认知，内容涵盖了二维、高维Copula理论的统计建模思想；二维动态Copula模型、高维动态Copula模型、二维混合变结构Copula模型、高维相依随机变量函数的极值分位点估计等理论的探索性研究；中外股票市场联动性、基于均值-CVaR投资组合优化模型以及金融机构系统性风险测度等金融领域的案例研究。
本书共有8章。第1章介绍为什么要使用Copula函数，并辅以真实投资案例来帮助读者理解，此外还简要介绍了二维和高维Copula相关理论知识，便于读者阅读本书后续章节。第2章聚焦在“金融市场间的相依结构或许是动态”这一观点，提出时变Copula非参数模型，借助非参数建模思想，提出经验分布函数——局部极大似然法二阶段估计Copula函数中的时变参数，并给出了Copula模型参数是否时变的统计假设检验方法，此外还给出了大量的模拟研究实验。第3章为案例分析，介绍时变Copula非参数模型在中外股票市场联动性领域的案例研究，得出了中外股票市场具有时变性、区域性等联动性特征，并深层次地分析了全球重大事件如何驱动中外股票市场联动性特征。第4章针对“金融市场在不同历史时期比如牛市、熊市时期，应该呈现怎样的非线性相关结构特征?”这一主题，提出混合变结构Copula模型，并利用该模型对我国建材板块和房地产板块指数间的相依结构进行了案例分析。第5章聚焦第二章提出的“金融市场间的非线性相依结构或许是动态”这一观点，但本章扩展到高维情形，基于高维C-vineCopula分解技术和广义自回归得分(GAS)理论，提出了C-Vine GAS Copula模型，本章包含了模型的时变参数估计、拟合检验以及蒙特卡洛仿真实验。第6章给出了基于均值CVaR投资组合优化模型的一种新算法，新算法主要体现在给定最大风险值的条件下如何去追求最高的预期收益，且投资组合的权重和可以小于1。针对投资组合风险测度CVaR，本章通过Skewed-t TGARCH模型、R-Vine CopuIa模型以及Monte Carlo模拟等技术手段联合完成。笫7章介绍了高维相依随机变量函数的极值分位点估计的一种新方法，即将高维Vine Copula函数和Bootstrap技术相结合的三步估计策略，且该三步估计策略已被业界所采纳。第8章主要聚焦如何主动防范和有效化解系统性风险这一主题，讨论了在包商银行被接管这一事件背景下，通过R-Vine Copula模型和CCA方法相结合构建银行系统预期损失的联合分布，然后采用Monte Carlo技术测算我国银行系统的联合预期损失，从而探讨包商银行被接管事件对我国银行系统性风险的影响程度及其范围。为了帮助读者更容易理解本书，每章附录附有相应章节的部分关键R代码。
展开
