基于DAG的Pair-Copula分解方法及其在股市相关性中的应用  

Pair-copula Constructions with DAG and Application on the International Stock Markets

作　　者：蔡风景[1,2] 李元[3] 

机构地区：[1]温州大学数学与信息科学学院,浙江温州325035 [2]广州大学数学与交叉科学广东省普通高校重点实验室,广东广州510006 [3]广州大学经济与统计学院,广东广州510006

出　　处：《统计与信息论坛》2014年第6期48-53,共6页Journal of Statistics and Information

基　　金：国家自然科学基金项目<一类半参数时间序列模型的统计推断>(11271095);教育部人文社会科学基金项目<图模型方法在金融计量中的应用>(12YJCZH002);高等学校博士学科点专项科研基金<一类非平稳变系数部分线性时间序列模型的研究>(20124410110002);国家统计科研计划一般项目<基于图模型方法的大数据处理技术及应用研究>(2013LY136);数学与交叉科学广东省普通高校重点实验室开放课题资助项目<经济计量中高维数据的图模型建模及应用>(2012-02-03-01)

摘　　要：采用图形建模工具中的有向非循环图(DAG)方法对高维随机变量进行Pair-Copula分解,并提出非正态的PC算法对DAG进行识别,最后应用于国际股市分析主要股指的尾部相依结构。数值模拟表明,若变量不服从椭圆分布,新的非正态PC算法要优于传统的PC算法。经AR(1)-GARCH(1,1)模型过滤后的残差DAG分析,股市信息流动具有明显的区域效应,欧洲股市主要通过美国与美洲其它股指存在信息传导。英国和香港是欧洲和亚洲股市信息联系的纽带,中国内地只与香港存在直接的信息流动。基于SJC-Copula实证结果表明,欧洲德国和英国股市间的尾部相关性较强,亚洲股市间下尾相关系数要大于上尾,不同区域联结股市间的上尾相关性强于下尾。The Pair-Copula constructions based on directed acyclic graph which is distinguished by Nonnormal PC algorithm is proposed and used in the dependence structure among the international stock markets . Simulation show s that the Nonnormal PC algorithm is superior to the traditional method . Empirical result show s that the regional segmentation of the major international financial markets is proved in this study ,the connection between America and European stock markets by US ;the connection between European and Asian stock markets by England and Hong Kong ;Chinese stock market is only connected Hong Kong directly .The tail dependence between German and England stock markets is the strongest the lower tail dependence between Asian stock markets is stronger than the upper , while the upper tail dependence between different continents is stronger than the lower .

关 键 词：DAG COPULA函数 SJC 

分 类 号：O212[理学—概率论与数理统计] C812[理学—数学]