霍俊爽，張若東，潘淑霞，邰志艷，董小剛

(1.吉林醫(yī)藥學(xué)院數(shù)學(xué)教研室，吉林 吉林 132013； 2.長春工業(yè)大學(xué)基礎(chǔ)學(xué)院，吉林 長春 130012)

基于Clayton Copula函數(shù)的 金融高頻數(shù)據(jù)極小值相依性

霍俊爽1，張若東1，潘淑霞1，邰志艷1，董小剛2

(1.吉林醫(yī)藥學(xué)院數(shù)學(xué)教研室，吉林 吉林 132013； 2.長春工業(yè)大學(xué)基礎(chǔ)學(xué)院，吉林 長春 130012)

基于Clayton Copula函數(shù)對股指期貨IF1112指數(shù)和上證000001指數(shù)5 min極小值收益率序列的相依性進行了研究，深入探討了其下尾部微觀結(jié)構(gòu)的相依性.

Copula函數(shù)；Clayton Copula函數(shù)；相依性

隨著經(jīng)濟金融全球化進程的深入，金融市場間的相依性越來越密切.一個金融市場突發(fā)的劇烈波動常常也會引起其他金融市場的波動.本文將以高頻數(shù)據(jù)為研究對象，通過分析不同金融市場高頻數(shù)據(jù)極值收益率的變化研究其相依性，從而為金融資產(chǎn)的管理和風(fēng)險控制提供理論依據(jù).

由于金融市場收益率的分布大多是偏態(tài)的，而阿基米德族Copula函數(shù)在研究這類金融數(shù)據(jù)的相依性時有明顯優(yōu)勢.本文借助阿基米德族二元Clayton Copula函數(shù)研究了股指期貨和股指現(xiàn)貨市場高頻數(shù)據(jù)極值的相依性.

1 模型方法與參數(shù)估計

1.1 Clayton Copula函數(shù)與相依性分析

阿基米德Copula函數(shù)族包含了多個Copula函數(shù)，Gumbel、Clayton、Frank、C Copula等函數(shù)是常用的二元阿基米德Copula函數(shù).阿基米德 Copula 函數(shù)的定義是由Genest和Mackay 給出的.Clayton Copula函數(shù)對變量分布下尾部的變化十分敏感，能夠準確反映下尾部相關(guān)的變化.[1-3]

Clayton Copula函數(shù)的概率密度函數(shù)同樣是非對稱的，呈“L”形分布，其上尾部低下尾部高的形態(tài)與Gumbel Copula函數(shù)相反.它對變量分布下尾部的變化十分敏感，能夠準確反映下尾部的相關(guān)變化，從而對熊市時金融市場之間的波動變化規(guī)律有較好描述.若兩個隨機變量間的相關(guān)結(jié)構(gòu)能用Clayton Copula函數(shù)來描述，則在分布的下尾部有較強的相關(guān)性，而變量在分布的上尾部是漸近獨立的.

1.2ClaytonCopula函數(shù)的參數(shù)估計

Clayton Copula函數(shù)參數(shù)估計的主要方法有極大似然估計、邊際分布推導(dǎo)法、經(jīng)驗Copula法、Kendall系數(shù)法等.Rivest和Genest給出了Kendall系數(shù)法，推導(dǎo)出了用Kendall系數(shù)τ表示阿基米德族Copula函數(shù)中參數(shù)估計量的方法.[6]

1.3ClaytonCopula模型的檢驗

Clayton Copula函數(shù)及其邊緣分布的常用檢驗方法有卡方檢驗、K-S檢驗和分位數(shù)-分位圖檢驗(Q-Q圖檢驗).Q-Q圖檢驗是由變量的指定分布與變量的實際分布兩組樣本的分位數(shù)組成.當(dāng)對應(yīng)兩組樣本的分位數(shù)近似相等時，其對應(yīng)的Q-Q圖呈一條直線，則擬合較好；反之，若Q-Q圖越偏離直線，則擬合的效果就越差.但Q-Q圖檢驗要求必須是大樣本，否則結(jié)果不準確.[7]

1.4 尾部相依性

尾部相依性主要反映了當(dāng)一個隨機變量X大幅度變化時，另一隨機變量Y也發(fā)生大幅度變化的概率.由于金融時間序列具有尖峰厚尾的特點，所以在金融分析時研究隨機變量的尾部相依性是非常重要的.Clayton Copula函數(shù)恰好能反映出當(dāng)一個隨機變量暴漲或暴跌時，另一隨機變量也發(fā)生暴漲或暴跌的概率.

根據(jù)Clayton Copula函數(shù)的定義和性質(zhì)，可以推導(dǎo)出Clayton Copula函數(shù)的表達式.正尾部相依性λU(α)=P(Y>qα|X>qα)=(1-2α+c(α，α))/(1-α)；負尾部相依性λL(α)=P(Y

2 實證分析

主要研究將指數(shù)波動轉(zhuǎn)化為收益率的數(shù)據(jù).數(shù)據(jù)選取的時間為2011年10月24日至2011年11月18日，數(shù)據(jù)選取的對象是股指期貨IF1112指數(shù)的5 min內(nèi)最小值(GZX)和上證指數(shù)的5 min內(nèi)最小值(SZX).價格定義為每5 min內(nèi)指數(shù)的最小值PT，對數(shù)收益率定義為rt=100ln(Pt/Pt-1).選取該時間段內(nèi)同期交易的1 200對數(shù)據(jù)構(gòu)成兩個序列，應(yīng)用Eviews，SPSS，Matlab等軟件計算和繪圖.

2.1 極小值收益率序列的波動圖

使用Eviews軟件計算了收益率，并繪制了極值收益率序列的波動圖，見圖1.

圖1 GZX和SZX收益率序列波動圖

圖1中兩圖縱坐標分別表示股指期貨和上證指數(shù)的對數(shù)收益率，橫坐標表示時間樣本數(shù)，每5 min取一個樣本值.從圖1可見當(dāng)股指期貨的收益率上漲或下降時，上證指數(shù)的收益率也上漲或下降，兩個極小值收益率序列的波動趨于一致，這說明股指期貨市場與股票市場之間的極小值收益率具有高度相依性.計算得股指期貨和上證指數(shù)的極小值收益率序列的統(tǒng)計量見表1.

表1 極小值收益率序列的統(tǒng)計量

由表1可知SZX收益率序列、GZX收益率序列的J-B統(tǒng)計量均不服從正態(tài)分布.因為偏度值都大于零，所以都出現(xiàn)了右偏.

2.3 檢驗Clayton Copula函數(shù)

雖然參數(shù)θ的估計值在定義域內(nèi)，但Clayton Copula函數(shù)是否能用來描述GZX與SZX收益率序列之間的相依性還需進一步檢驗.這里使用均勻分布的Q-Q圖進行檢驗，結(jié)果見圖2.

從圖2中發(fā)現(xiàn)Q-Q圖大致呈一條直線，即Clayton Copula函數(shù)能夠高效準確地反映最小值收益率序列的相依性.

圖2 收益率的Clayton Copula Q-Q圖檢驗

圖3 GZX與SZX對應(yīng)收益率序列最優(yōu)經(jīng)驗分布散點圖

2.4 尾部相依性

2.4.1 最優(yōu)經(jīng)驗分布散點圖

用收益率序列的最優(yōu)經(jīng)驗分布所得0-1序列的散點圖(見圖3)，來研究對應(yīng)極小值的尾部相依性.從圖3可以看出，GZX與SZX對應(yīng)收益率序列最優(yōu)經(jīng)驗分布散點圖具有很強的尾部相依性.

2.4.2 GZX與SZX收益率的相依性研究

由Clayton Copula函數(shù)計算下尾部相關(guān)系數(shù)：當(dāng)α=0.925時，λL=0.802 9；當(dāng)α=0.975時，λL=0.928 0；當(dāng)α=0.995時，λL=0.985 0；當(dāng)α→1時，λL= 0.591 6.

當(dāng)GZX收益率超過q0.925，q0.975，q0.995時，SZX收益率超過對應(yīng)分位數(shù)的概率分別為0.802 9，0.928 0，0.985 0，分別大于0.075，0.025，0.005，由此得出GZX與SZX收益率序列有較強的下尾部相依性.通過研究下尾部相依性，可知當(dāng)GZX收益率暴跌時，SZX收益率發(fā)生大幅度下跌的概率是很大的.

3 結(jié)論

通過實證研究，發(fā)現(xiàn)Clayton Copula函數(shù)能夠較好地描述GZX與SZX收益率序列的下尾部相依性.即GZX收益率暴跌時，SZX收益率也暴跌的概率比較大，但上漲時相依性較弱.此結(jié)論與熊市期間我國股指期貨與上證指數(shù)之間的實際走勢基本一致.從熊市投資者投資行為上分析，投資者看到股指期貨指數(shù)暴跌時，大多數(shù)投資者處于悲觀氛圍中，賣出股票，從而使得上證指數(shù)也隨之暴跌；而股指期貨指數(shù)暴漲時，大多數(shù)投資者的謹慎買入導(dǎo)致上證指數(shù)不會暴漲，或暴漲滯后.[8-9]

[1] GUMBEL E J.Bivariate exponential distributions [J].Journal of American Statistical Association，1960，55：698-707.

[2] CLAYTON D G.A model for association in bivariate life tables and its application in epidemiological studies of familial tendency in chronic disease incidence [J].Biometrika，1978，65：141-151.

[3] EMBRECHTS P，LINDSKOG F，MCNEIL A.Modeling dependence with Copulas and applications to risk management [M].Switzerland：Zürich，2001：55-58.

[4] FREES E W，VALDEZ E A.Understanding relationships using Copulas[J].North American Actuarial Journal，1998，2(l)：31-55.

[5] GENEST C，RIVEST L P.Statistical inference procedures for bivariate archimedean Copulas [J].Journal of the American Statistical Association，1993，88：1034-1043.

[6] HURLIMANN W.Fitting bivariate cumulative returns with Copulas [J].Computational Statistics & Data Analysis，2004，45：355-372.

[7] ROCH O.Testing the bivariate distribution of daily equity returns using copulas.：an application to the Spanish stock markert[J].Computational Statistics & Data Analysis，2006，51：1312-1329.

[8] 鄭東.附加交易費用的動態(tài)投資組合魯棒策略[J].東北師大學(xué)報(自然科學(xué)版)，2014，46(6)：30-34.

[9] 霍俊爽.基于Gumbel Copula函數(shù)的金融高頻數(shù)據(jù)極大值相依性[J].東北師大學(xué)報(自然科學(xué)版)，2015，47(4)：49-52.

(責(zé)任編輯：李亞軍)

Extremeinterdependencyofthehigh-frequencydatainfinancialmarketsresearchbasedonClaytonCopulafunction

HUO Jun-shuang1，ZHANG Ruo-dong1，PAN Shu-xia1，TAI Zhi-yan1，DONG Xiao-gang2

(1.Department of Mathematics，Jilin Medical College，Jilin 132013，China； 2.School of Basic Sciences，Changchun University of Technology，Changchun 130012，China)

Based on Clayton Copula function，the dependency of the sequence yielded by 5 minutes minimum of index futures IF1112 index and SSE 000 001 is studied，and the interdependence of their microstructure is explored deeply.

Copula function；Clayton Copula function；dependency

1000-1832(2017)03-0038-04

10.16163/j.cnki.22-1123/n.2017.03.009

2016-03-27

國家自然科學(xué)基金資助項目(11071026);吉林省教育廳“十二五”科學(xué)技術(shù)研究項目(2015393).

霍俊爽(1982—),男,碩士,副教授,主要從事應(yīng)用統(tǒng)計研究.

O 212.1 [學(xué)科代碼] 110·2110

A