基于Copula 函数的设计洪水地区组成研究

3.常用的Copula函数 3.1.二元正态Copula函数 3.2.二元t-Copula函数 3.3.二元阿基米德Copula函数

论文研究-基于Copula-ASV-EVT-CoVaR模型的中小板与创业板风险溢出度量研究.pdf,  本文以条件在险价值(CoVaR)法为基础, 结合Copula-ASV-EVT模型分析了我国中小板与创业板市场之间的风险溢出效应.结果表明, 中小板与创业板市场之间存在双向风险溢出效应, 且中小板市场对创业板市场的风险溢出效应强于创业板市场对中小板市场的风险溢出效应. 此外, 文章还分析了波动冲击对中小板与创业板的影响. 最后, 本文为风险监管以及投资者在中小板与创业板之间进行资产配置提供了建议.

基于Copula函数的我国沪市股票交易量与价格相依性分析，郑嘉露，王艳丽，股价与成交量是股票市场上非常重要的两个变量，其两者之间关系一直以来也是研究的热点问题。本文选取沪市股票日收盘价与成交量为

论文研究-基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究.pdf,  鉴于股票波动具有显著的多尺度特征，本文引入二元经验模态分解（EMD）与二元Copula-GARCH算法，提出一种新的VaR风险度量模型，即BEMD-Copula-GARCH模型.具体地，新BEMD-Copula-GARCH模型可分为三个主要步骤：数据分析，分风险估计和总风险集成.首先，基于二元EMD模型，将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量，以降低建模难度.其次，引入二元Copula-GARCH模型，刻画各组分量间的相互关系，以度量股票投资组合在不同尺度上的分VaR值.最后，集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合，结果表明：本文所构建的新模型能有效度量投资组合风险，其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.

我国股票市场与债券市场组合风险测量 --基于Copula-GARCH-EVT方法，周军，陈燕武，股票和债券是投资者进行投资组合的重要工具，股票市场与债券市场风险存在着复杂的相关关系。本文运用AR(1)-GARCH(1,1)模型分别提取两�

matlab-Copula理论及应用实例+源代码

介绍了Copula函数的基本定义和性质以及非参数统计中的核估计方法,运用核估计方法来估计Copula函数,应用核估计的性质证明了估计出的Copula函数是真实Copula函数的一致强相合。

亚洲股票市场的联动性研究--基于vine-copula方法，夏芷贤，张强，本研究综合了金融学理论，经济基础假说、金融传染假说和贸易理论来作为理论基础并使用藤Copula模型来研究上证综指，韩国综合指数，

在金融投资组合的边缘分布GARCH模型中加入风险因素,与联合分布Copula模型结合重新构建了Copula GARCH M模型,强调风险因素与金融资产收益的相关性。通过对华夏沪深300基金的数据进行蒙特卡洛模拟的实证分析,发现Copula GARCH M模型与以往的Copula GARCH模型相比,其具有优越性及更强的风险度量能力,能对投资组合的风险进行更有效地管刀。