摘要
如何更为科学、合理地刻画高维金融变量间的非线性动态相关结构,长期以来都是学界与实务界关注的重要问题。本文基于广义自回归得分(GAS)理论,提出时变C-Vine Copula模型,并给出了该模型的半参数估计方法和模型拟合的假设检验。最后,蒙特卡洛仿真实验结果表明,基于GAS理论的时变C-Vine Copula模型能刻画高维随机变量间的非线性动态相关结构,且具有较好的稳健特征。
It is a hot topic for both academic and practical fields to describe the nonlinear dynamic dependence structure among high dimensional financial variables accurately. In this paper, based on Generalized Auto-regressive Score （GAS） theory, we propose a new semi-parametric method in estimating the time-varying parameters and a goodness of fit test of the time-varying C-Vine Copula model. It shows that the model could capture the nonlinear and dynamic dependence structure among random variables. The reliable and robust performances of the proposed method are further illustrated by Monte Carlo simulation.
出处
《统计研究》
CSSCI
北大核心
2015年第4期97-103,共7页
Statistical Research
基金
国家社会科学基金青年项目"非线性相关结构的计量方法及其应用研究"(12CTJ007)
教育部人文社会科学研究基金西部和边疆地区项目"证券市场动态相关性测度的拓展及应用研究"(11XJC910001)
中央高校基本科研业务费重点研究基地项目"金融数量研究中心"(JBK120405)资助
