金融市場(chǎng)時(shí)頻動(dòng)態(tài)相依結(jié)構(gòu)研究
定 價(jià)：78 元
- 作者：李榮著
- 出版時(shí)間：2021/12/1
- ISBN：9787550451810
- 出 版 社：西南財(cái)經(jīng)大學(xué)出版社
- 中圖法分類：F830.9
- 頁(yè)碼：198
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
隨著經(jīng)濟(jì)優(yōu)選化與金融一體化的發(fā)展，金融市場(chǎng)間的聯(lián)系日益增強(qiáng)，相依結(jié)構(gòu)日趨復(fù)雜化、多元化。2007-2008年由美國(guó)次貸危機(jī)引發(fā)的優(yōu)選金融危機(jī)，再次警醒著世界各國(guó)重新審視本國(guó)金融體系以及同靠前金融市場(chǎng)間的關(guān)聯(lián)關(guān)系�？茖W(xué)刻畫(huà)金融市場(chǎng)間的相依結(jié)構(gòu)及風(fēng)險(xiǎn)傳導(dǎo)路徑，無(wú)論對(duì)于投資者的微觀資產(chǎn)配置還是對(duì)于監(jiān)管部門(mén)的宏觀審慎管理和風(fēng)險(xiǎn)防范都有著重要的現(xiàn)實(shí)價(jià)值。
《金融市場(chǎng)時(shí)頻動(dòng)態(tài)相依結(jié)構(gòu)研究》從理論與實(shí)證相結(jié)合的角度出發(fā)，在理論評(píng)述與定性分析的基礎(chǔ)上，通過(guò)構(gòu)建非線性、非對(duì)稱、時(shí)變動(dòng)態(tài)的Copula和小波函數(shù)模型，考慮時(shí)間和頻率維度特征，設(shè)計(jì)多樣本參照對(duì)比，從金融危機(jī)對(duì)國(guó)內(nèi)外金融市場(chǎng)影響的視角，對(duì)中國(guó)人民幣匯率和股票市場(chǎng)、美國(guó)經(jīng)濟(jì)政策不確定性和中印股票市場(chǎng)、投資者情緒和加密貨幣之間的關(guān)系展開(kāi)了深入研究。
隨著經(jīng)濟(jì)全球化與金融一體化的發(fā)展，國(guó)際金融市場(chǎng)間的聯(lián)系日益增強(qiáng)，相依結(jié)構(gòu)日趨復(fù)雜化、多元化。2007-2008年由美國(guó)次貸危機(jī)引發(fā)的全球金融危機(jī)，再次警醒世界各國(guó)重新審視本國(guó)金融體系及其同國(guó)際金融市場(chǎng)間的關(guān)系�？茖W(xué)刻畫(huà)金融市場(chǎng)間的相依結(jié)構(gòu)及風(fēng)險(xiǎn)傳導(dǎo)路徑，無(wú)論對(duì)投資者的微觀資產(chǎn)配置還是對(duì)監(jiān)管部門(mén)的宏觀審慎管理和風(fēng)險(xiǎn)防范都有著極高的現(xiàn)實(shí)價(jià)值。
本書(shū)從理論與實(shí)證相結(jié)合的角度出發(fā)，在理論評(píng)述與定性分析的基礎(chǔ)上，通過(guò)構(gòu)建貝葉斯推斷理論結(jié)合Copula函數(shù)方法、非線性、非對(duì)稱、時(shí)變動(dòng)態(tài)的Copula和小波函數(shù)模型，考慮時(shí)間和頻率維度特征，設(shè)計(jì)多樣本參照對(duì)比，從金融危機(jī)對(duì)國(guó)內(nèi)外金融市場(chǎng)影響的視角，對(duì)中國(guó)股票市場(chǎng)和人民幣匯率、美國(guó)經(jīng)濟(jì)政策不確定性和中印股票市場(chǎng)、投資者情緒和加密貨幣之間的關(guān)系展開(kāi)了深入研究。
首先，利用Copula函數(shù)理論結(jié)合指數(shù)和Pareto分布構(gòu)建了Frank Copula可靠性模型，包括聯(lián)合分布函數(shù)、概率密度函數(shù)的推導(dǎo)和邊際分布參數(shù)的抽樣算法；利用MCMC抽樣理論構(gòu)造了參數(shù)的估計(jì)過(guò)程，包括超參數(shù)的確定、參數(shù)協(xié)方差矩陣的設(shè)定和兩類Frank Copula模型參數(shù)的M-H抽樣算法；通過(guò)仿真分析給出指數(shù)Frank Copula模型參數(shù)的貝葉斯估計(jì)結(jié)果，利用貝葉斯p統(tǒng)計(jì)量檢驗(yàn)估計(jì)的有效性和穩(wěn)健性，結(jié)果表明貝葉斯估計(jì)能準(zhǔn)確估計(jì)參數(shù)。
其次，研究了基于刪失數(shù)據(jù)的Copula生存模型的貝葉斯推斷理論，包括異質(zhì)、正穩(wěn)態(tài)和治愈率刪失Copula生存模型構(gòu)建，推導(dǎo)異質(zhì)刪失Copula生存模型參數(shù)的條件后驗(yàn)分布，設(shè)計(jì)Gibbs抽樣、自適宜和M-H抽樣算法對(duì)正穩(wěn)態(tài)刪失Copula生存模型邊際參數(shù)的估計(jì)，利用一步和兩階段貝葉斯估計(jì)分別推導(dǎo)相依參數(shù)的條件后驗(yàn)分布，設(shè)計(jì)Gibbs抽樣推導(dǎo)治愈率刪失Copula生存模型參數(shù)的完全條件后驗(yàn)分布。利用刪失生存的實(shí)際數(shù)據(jù)，分別用刪失正穩(wěn)態(tài)、Frank和ClaytonCopula生存模型估計(jì)變量間的相依結(jié)構(gòu)，給出兩階段與一步貝葉斯估計(jì)的參數(shù)后驗(yàn)統(tǒng)計(jì)量，然后利用DIC、EAIC、EBIC和CPO等統(tǒng)計(jì)量對(duì)所用模型進(jìn)行比較選擇分析。
再次，研究了貝葉斯方法對(duì)邊際分布為連續(xù)、離散和混合變量的多元Copula模型參數(shù)估計(jì)和統(tǒng)計(jì)推斷理論。引入二元指示變量對(duì)相關(guān)矩陣參數(shù)化，設(shè)計(jì)M-H抽樣算法完成連續(xù)多元Copula模型的潛變量和參數(shù)化矩陣元素的估計(jì)。討論離散和混合變量的多元Copula模型構(gòu)建，利用MCMC抽樣得到邊際分布、潛變量和相依參數(shù)的條件后驗(yàn)分布。構(gòu)建多元Copula回歸模型，討論協(xié)方差矩陣的先驗(yàn)選擇，研究離散和混合變量情形下邊際分布參數(shù)和相關(guān)矩陣元素的MCMC抽樣過(guò)程。同時(shí)結(jié)合Monte Carlo仿真對(duì)混合變量的正態(tài)Cop-ula模型的貝葉斯抽樣過(guò)程進(jìn)行實(shí)現(xiàn)，給出相關(guān)參數(shù)的后驗(yàn)估計(jì)和檢驗(yàn)。
最后，研究了基于時(shí)間序列的時(shí)變t-Copula模型的貝葉斯推斷理論。利用靜態(tài)Copula、時(shí)變Copula和時(shí)變Copula貝葉斯模型分別描述金融危機(jī)前后國(guó)際原油價(jià)格與亞太股票市場(chǎng)的相依結(jié)構(gòu)。研究結(jié)果表明，金融危機(jī)后相依結(jié)構(gòu)比危機(jī)前明顯穩(wěn)固，時(shí)變Copula模型更加適合刻畫(huà)變量間的相依結(jié)構(gòu)，同時(shí)利用靜態(tài)Copula、時(shí)變Copula和時(shí)變Copula貝葉斯模型估計(jì)原油與亞太股票市場(chǎng)投資組合的VaR，發(fā)現(xiàn)時(shí)變t-Copula貝葉斯模型可以更好地估計(jì)投資組合的VaR。
李榮，漢族，副教授，管理學(xué)博士，統(tǒng)計(jì)學(xué)博士后，研究方向?yàn)槟茉唇?jīng)濟(jì)、計(jì)量經(jīng)濟(jì)，湖南懷化學(xué)院商學(xué)院副院長(zhǎng)，英國(guó)Brunel大學(xué)訪問(wèn)學(xué)者。近年主持湖南省自然科學(xué)基金項(xiàng)目1項(xiàng)，湖南省教育規(guī)劃項(xiàng)目重點(diǎn)項(xiàng)目和一般項(xiàng)目各1項(xiàng)，湖南省教育廳項(xiàng)目1項(xiàng)，作為主要成員參與重量課題2項(xiàng)，教育部課題1項(xiàng)。在經(jīng)濟(jì)數(shù)據(jù)分析、計(jì)量經(jīng)濟(jì)模型及應(yīng)用研究和統(tǒng)計(jì)建模分析等方面開(kāi)展了較為扎實(shí)的研究工作。
目 錄IV插圖索引X附表索引XII章 緒 論11．1 選題背景與研究意義11．1．1 選題背景11．1．2 研究意義41．2 文獻(xiàn)綜述51．2．1 Copula函數(shù)理論研究51．2．2 Copula函數(shù)模型的應(yīng)用研究91．2．3金融市場(chǎng)時(shí)間相依結(jié)構(gòu)研究141．2．4尾部風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度151．3 研究思路與研究?jī)?nèi)容161．3．1 研究思路161．3．2 研究?jī)?nèi)容17第2章 貝葉斯Copula相依結(jié)構(gòu)理論192．1 Copula函數(shù)及相依結(jié)構(gòu)分析192．1．1 Copula函數(shù)定義與性質(zhì)192．1．2 Copula函數(shù)分類202．1．3 Copula函數(shù)的相依結(jié)構(gòu)與一致性相關(guān)測(cè)度232．1．4 Copula函數(shù)參數(shù)估計(jì)方法252．1．5 Copula函數(shù)模型選擇與檢驗(yàn)262．2 貝葉斯推斷理論282．2．1 貝葉斯決策282．2．2 抽樣算法292．2．3 MCMC收斂診斷322．3 本章小結(jié)33第3章 基于指數(shù)和Pareto分布的貝葉斯Copula可靠性模型構(gòu)建343．1 二元指數(shù)分布的Frank Copula模型構(gòu)建與估計(jì)343．1．1二元指數(shù)分布的Frank Copula模型343．1．2 指數(shù)分布的Frank Copula模型的抽樣算法353．2 二元指數(shù)分布的Frank Copula模型的貝葉斯分析373．2．1 參數(shù)先驗(yàn)分布的設(shè)置383．2．2 基于二元指數(shù)分布Frank Copula模型的MCMC算法設(shè)計(jì)383．3二元Pareto分布的Frank Copula模型構(gòu)建與貝葉斯估計(jì)393．3．1二元Pareto分布的Frank Copula模型393．3．2 基于二元Pareto分布Frank Copula模型的貝葉斯分析403．4 Monte Carlo仿真實(shí)驗(yàn)分析433．4．1 仿真設(shè)計(jì)與貝葉斯估計(jì)433．4．2參數(shù)貝葉斯估計(jì)檢驗(yàn)443．5 本章小結(jié)46第4章 基于貝葉斯Copula函數(shù)的刪失生存模型構(gòu)建474．1 異質(zhì)貝葉斯Copula刪失生存模型構(gòu)建474．1．1 異質(zhì)Copula生存模型474．1．2 刪失異質(zhì)生存模型的貝葉斯估計(jì)494．1．3刪失異質(zhì)生存Copula模型參數(shù)的貝葉斯推斷494．2 正穩(wěn)態(tài)刪失生存的貝葉斯Copula模型構(gòu)建504．2．1 正穩(wěn)態(tài)刪失模型的貝葉斯分析504．2．2 正穩(wěn)態(tài)刪失Copula模型的兩種貝葉斯估計(jì)534．3 基于刪失治愈率的貝葉斯Copula模型分析544．3．1 刪失治愈率Copula生存模型結(jié)構(gòu)544．3．2 刪失治愈率Copula生存模型的MCMC抽樣設(shè)計(jì)554．4 應(yīng)用研究574．4．1 數(shù)據(jù)來(lái)源574．4．2 一步貝葉斯估計(jì)結(jié)果574．4．3 兩階段貝葉斯估計(jì)結(jié)果分析634．4．4 模型的比較分析664．5 本章小結(jié)66第5章 基于混合變量的多元貝葉斯Copula模型構(gòu)建675．1 連續(xù)變量的多元貝葉斯Copula模型構(gòu)建675．1．1 連續(xù)變量的正態(tài)Copula模型結(jié)構(gòu)675．1．2 連續(xù)變量的多元Copula模型MCMC抽樣設(shè)計(jì)685．2離散和混合變量的多元貝葉斯Copula模型構(gòu)建705．2．1 離散變量的多元Copula模型結(jié)構(gòu)分析705．2．2 離散變量的多元Copula模型MCMC算法715．2．3基于混合變量貝葉斯Copula模型分析735．3多元混合變量的貝葉斯Copula回歸模型構(gòu)建735．3．1 多元正態(tài)Copula回歸模型協(xié)方差矩陣先驗(yàn)設(shè)置735．3．2 多元正態(tài)Copula回歸模型MCMC抽樣算法755．4 Monte Carlo仿真實(shí)驗(yàn)分析775．5 本章小結(jié)79第6章 亞太股票市場(chǎng)與國(guó)際油價(jià)相依結(jié)構(gòu)研究816．1 數(shù)據(jù)描述與結(jié)構(gòu)突變檢驗(yàn)816．1．1 數(shù)據(jù)的結(jié)構(gòu)穩(wěn)定性檢驗(yàn)816．1．2 數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果分析836．1．3 收益邊際分布模型刻畫(huà)856．2 Copula估計(jì)相依結(jié)果分析876．2．1 Copula模型估計(jì)876．2．2 模型的擬合優(yōu)度檢驗(yàn)936．3 貝葉斯時(shí)變Copula模型估計(jì)956．3．1 貝葉斯時(shí)變Copula模型構(gòu)建956．3．2 模型參數(shù)估計(jì)結(jié)果976．4 估計(jì)VaR比較分析1026．5 本章小結(jié)103第7章 中國(guó)股票市場(chǎng)和人民幣匯率動(dòng)態(tài)聯(lián)動(dòng)效應(yīng)研究1047．1 前言1047．2 相關(guān)文獻(xiàn)綜述1057．3 數(shù)據(jù)描述與初步分析1067．4 實(shí)證結(jié)果1107．4．1 邊際分布的擬合1107．4．2 邊際分布的擬合優(yōu)度檢驗(yàn)1117．4．3 Copula函數(shù)估計(jì)結(jié)果1137．5結(jié)論118第8章 美國(guó)經(jīng)濟(jì)政策不確定性與中印股票市場(chǎng)時(shí)頻聯(lián)動(dòng)效應(yīng)研究1208．1 前言1208．2 文獻(xiàn)綜述1218．3 小波函數(shù)理論1238．4 數(shù)據(jù)選取1258．5實(shí)證結(jié)果分析1268．5．1 連續(xù)小波分析1268．5．2 離散小波因果檢驗(yàn)1308．6 本章小結(jié)133第9章 投資者情緒和加密貨幣分位時(shí)頻動(dòng)態(tài)效應(yīng)研究1349．1 前言1349．2 文獻(xiàn)綜述1369．3 數(shù)據(jù)分析1379．4 實(shí)證結(jié)果分析1409．4．1 連續(xù)小波分析1409．4．2 多尺度分位數(shù)格蘭杰因果分析1439．4．3 穩(wěn)健性分析1499．5 本章小結(jié)158結(jié)論160參考文獻(xiàn)163
書(shū)單推薦
