论文部分内容阅读
线性相关系数和Granger因果关系分析是最传统的相关性分析方法，而这两种方法只适合于有线性相关关系的变量，大多数金融变量之间都呈现出非线性关系，用线性相关系数来描述它们之间的相关性会存在一些误导。Copula函数是将若干个边缘分布连接起来形成联合分布的连接函数，由它推导出来的相关性测度在非线性单调增变换下保持不变，能够克服线性相关系数使用中的局限性，在描述金融变量间的相关性及相关结构方面有较多的优势。本文在介绍时间序列和Copula函数基础理论的基础上，选取2009年9月2日到2011年12月16日的国际黄金价格和美元指数作为样本，通过建立Copula模型来描述黄金价格和美元指数之间的相关性。模型的建立分两步完成：首先，确定边缘分布，它描述了黄金价格和美元指数收益率的分布特征；其次，选取适合的Copula函数，它描述的是两者之间的相关结构。本文采用金融时间序列模型来确定边缘分布，通过Eviews6.0软件对样本数据进行分析并做适当的处理，选用GARCH模型来估计黄金价格和美元指数收益率的边缘分布，并用分位数-分位数图评价了模型的拟合效果；对于Copula函数的选择，本文从二元正态Copula、二元t-Copula、GumbelCopula、ClaytonCopula及FrankCopula这五种Copula函数入手，通过估计线性相关参数、求相关性测度、绘制Copula函数的分布函数和密度函数，舍弃不适合的Copula函数，选择用二元正态Copula、二元t-Copula和FrankCopula来描述黄金价格和美元指数的相关结构，最后通过引入经验Copula函数，得出二元t-Copula拟合效果最好的结论。本文最终确定用t-Copula-GARCH模型来模拟黄金价格和美元指数之间的相关性及相关结构，并给出了结论所有具有的理论和现实意义，为投资者进行投资分析提供了良好的建议，提醒投资者在投资黄金时应特别留意美元指数的急剧变化，以规避风险。