我国股票市场和封闭式基金市场的Copula尾部相关性分析
中国股市量价尾部相关性研究——基于随机copula模型的实证
基金项目: 本文为国家自然科学基金资助项目 (71501001) ; 教育部人文社科基金资助项目 (14YJC790133) ; 中国博士后科学基金 资助项目 (2015M580416) ; 安徽省自然科学基金资助项目 (1408085QG139) 。 作者简介: 吴鑫育 (1982—) , 男, 湖南衡山人, 博士, 副教授, 研究方向: 金融工程与风险管理; 李心丹 (1966—) , 男, 江苏南京人, 博士, 教授, 研究方向: 金融工程, 行为金融。
中国股市量价尾部相关性研究——基于随机 copula 模型的实证
中国股市量价尾部 相关性研究
——基于随机 copula 模型的实证
2 吴鑫育 1, , 李心丹 2 (1.安徽财经大学 金融学院, 安徽 蚌埠 233030; 2.南京大学 工程管理学院, 江苏 南京 210093)
摘要: 构建了随机 copula 模型来研究中国股市量价间的尾部相关性。采用上证综合指数和深证 成分指数的价格和交易量数据进行了实证研究。结果表明: Survival Clayton copula 函数相比其 他 copula 函数能更好地刻画中国股市量价尾部(上尾)相关性; 中国股市量价尾部相关性具有明 显的非对称特征, 股市高收益率 (股市大涨) 伴随着高交易量, 但股市低收益率 (股市大跌) 与高、 低交易量不存在相关关系; 沪市量价尾部相关性略强于深市量价尾部相关性; 中国股市量价尾 部相关性展现明显的动态特征。 关键词: 股票市场; 量价关系; 随机 copula 模型; 尾部相关性; 极大似然估计 文章编号: 1003-4625 (2017) 01-0093-05 中图分类号: F830.91 文献标识码: A
收稿日期: 2016-09-28
股指期货市场与股票市场的相关性_基于Copula模型度量
PRICE :THEORY &PRACTICE2010年4月16日,沪深300股指期货正式推出,开创了我国股指期货市场的新纪元。
股指期货推出前,股指期货和股票市场之间的相互关系研究主要集中在理论方面。
涂志勇和郭明(2008)预测股指期货在推出前短期内将抬高大盘,推出后则压低大盘。
股指期货推出后,学者对股指期货与现货之间的关系进行了一些实证研究。
华仁海和刘庆富(2010)对股指期货与现货市场间的价格发现能力进行了研究,结果表明股指期货价格和现货价格之间存在协整关系和双向价格引导关系。
和以往研究的对象不同,本文首先将对股指期货收益率和上证综指收益率之间的相关性进行研究,其次是对研究股指期货交易量变化率与股票市场交易量变化率之间的相关性进行研究。
研究股指期货与现货收益率之间的相关性有助于了解两市场间联动情况,监控市场的有效性,为管理者在制定金融市场相应法律法规时提供参考。
和以往研究的方法不同,本文将运用Copula模型进行相关性的研究。
Copula模型在研究金融时间序列之间的相关性方面具有很多优点:(1)Copula模型导出的随机变量之间的相关性与传统的线性相关系数相比,具有严格单调增变换不变的特性;(2)Copula模型不依赖于随机变量的边缘分布函数,与传统的多元变量联合分布相比,不受联合分布的限制;(3)Copula模型可以进行变量之间的尾部相关性研究,分析两个变量同时发生极端情况的概率。
一、理论模型与实证研究(一)理论模型假设二元随机变量(X,Y)的联合分布函数是F(x,y),边缘分布函数分别是F X (x)和F Y (y)。
根据Sklar定理,存在二元函数C(u,v),使得(1)其中,C 被称为Copula分布函数。
假设(X t ,Y t )(t=1,…n)为二元随机变量的样本序列,似然函数为:(2)其中,α和β分别表示X 和Y 边缘分布函数或密度函数的参数,λ表示Copula分布函数或密度函数的参数,θ(α,β,λ)′表示所有待估参数向量。
基于copula函数的股票影响因子相关性分析
基于 copula 函数的股票影响因子相关性分析摘要本文通过对上证 300 股票近 10 年的数据抓取,获得了 10 年内各季度的资产负债表和利润表以及该股开盘日的价格等信息,并计算得到每支股票各季度的盈利收益率(EPS),净资产收益率(ROE),账面市值比, 总资产收益率(ROA) , 主营毛利率 , 净利率 , 资产负债 , FAP , CMV ,年化收益率等 9 个因子,考虑根据上述因子对股票收益率的影响程度,获得有效且不存在冗余的多因子模型。
首先,本文通过对各季度每只股票所得因子值计算排序,将股票分组,并根据年化组合收益率得到收益率与因子值的数据,再选择其中较为稳定的股票作为基准市场收益率,从而得到各组合收益与因子值之间的正负相关性,进而选取高低收益组合与基准市场收益率做比较,最终判断得到其中有效的因子。
其次,在所选有效因子中,考虑个因子间的相关性影响,选取每一对因子,分别进行 pearson 相关性以及 copula 相关性计算,对比两种相关性的计算值得出结论,并通过对因子值的 copula 密度函数估计,选取不同 copula 函数,即分别运用高斯 copula 以及t-copula函数对上述数据进行分析,得出更合理的相关性分析结果。
关键词:多因子选股pearson相关性分析copula函数秩相关系数一、内容介绍本文研究内容是建立在多因子模型选股分析后期对所选择有效因子进行相关性分析并对冗余因子剔除的问题,由于股票市场数据波动性较大且所选年限跨度较长,因此各因子之间的相关性仅仅通过简单的线性判别方式不具有说服力,因此我们考虑使用 copula 函数方法对每对因子之间进行相关性分析,这里主要介绍净利率和 EPS 这一组。
下面我们对所用到理论知识进行梳理。
1.1 多因子模型多因子模型是关于资产定价的模型。
与资本资产定价模型和单指数模型不同,多因子模型认为证券价格并不仅仅取决于证券的风险,还取决于其他一些因素,如,投资者未来预期收入、未来消费品的相对价格及未来的投资机会等。
基于Copula的中国股市与基金回报的尾部相关性分析
基于Copula的中国股市与基金回报的尾部相关性分析王敏;周石鹏;陈瑞浦;梅志伟【摘要】本文运用二元Archimedean Copula函数分析上证三支股票和三支基金回报间的尾部相关性,以求得出这几种股票与所选取基金之间的相关度.结果表明,在众多具有非对称尾部相关性的Archimede-an Copula函数族类中,所选用三类具有代表性的Copula均不能很好地描述所选股票与基金间的相关性.由此得出,所选择股票与基金的相关性在一年时间跨度内难以用Copula捕捉,这种现象应引起风险管理者的注意.【期刊名称】《山西师范大学学报(自然科学版)》【年(卷),期】2011(025)001【总页数】7页(P38-44)【关键词】Archimedean Copula;股票;基金;相关性分析;非参数估计【作者】王敏;周石鹏;陈瑞浦;梅志伟【作者单位】上海理工大学管理学院,上海,200093;上海理工大学管理学院,上海,200093;上海理工大学管理学院,上海,200093;上海理工大学管理学院,上海,200093【正文语种】中文【中图分类】O29;F830.91自Embrechts[1]等将Copula引入到金融风险管理领域以来,Copula理论已成为研究金融风险的强有力工具.Andrew J P[2]提出了条件Copula,并应用它刻画了汇率之间的非对称相关结构.Claudio Romano[3]应用Copula理论和极值理论研究了意大利资本市场的投资组合风险问题.Helder和Luiz[4]利用条件Copula动态地研究了金融资产间的相关结构.Nikolai Kolev[5]等详细总结了Copula函数理论近年来的发展及应用,并针对目前的研究现状进行了合理的展望.国内学者张尧庭[6]从理论上探讨了Copula在金融领域应用的可行性.韦艳华[7]将Copula函数与GARCH模型结合,研究了沪深股市的相关结构.以上众多关于Copula研究风险分析与相关性的文章,基本上都是首先确定随机变量的边缘分布,然后选用不同的Copula函数构造变量间的关系.在这个条件下,如果对于边缘分布所作的假设是不正确的,那么基于它之上的各种研究都将被修改或抛弃. 本文并不假设Copula的边缘分布,而是用非参数估计方法,估计Copula函数的参数θ.然后对股票与基金尾部相关性做出分析[8,9].目前,用多元Archimedean Copula刻画多个金融资产间的相关结构还处于探索阶段.普遍应用的二元正态Copula函数分布具有对称性和尾部渐近独立性,无法捕捉到变量间的非对称相关和尾部相关,金融市场的分布具有尖峰厚尾的特征,所以我们选取尾部特征明显的Copula函数类.Joe (1997)指出对数收益率的相关性结构符合Archimedean Copula分布,因此我们选用Archimedean Copula族中下尾特征明显的Clayton Copula和上尾特征明显的Gumbel Copula函数以及同时具有上尾和下尾相关的Thirdparty Copula函数对金融数据进行拟合[7].由Sklar 定理知,当边缘分布函数连续时,Copula函数是唯一确定的.但Nelsen R B(1999)指出若边缘分布函数的假设模型有误,会导致Copula函数一个有偏估计.此外Archimedean Copula函数族有一个特性,就是Kendall τ均为θ的解析函数(θ为Copula函数的参数)[7].本文鉴于Archimedean Copula的特性,采用非参数估计方法,分析直接利用Kendall τ统计量估计Copula函数.(1)Gumbel Copula函数分布函数的表达式为其参数θ描述相关程度,当θ=1时,变量独立;当→—θ∞时,变量完全一致相关.Gumbel Copula函数对变量在分布上尾处的变化十分敏感,因此能够快速捕捉到上尾相关的变化,可用于描述具有上尾相关特性的金融市场之间的相关关系.Gumbel Copula呈J型,具有上尾相关系数λu=2-21/θ,且τ为θ的解析函数:即我们可以得到不同α水平下的λu(α).(X、Y分别代表股票与基金的对数收益率) (2)Clayton Copula函数分布函数表达式如下:Clayton Copula函数呈L型,对变量在分布下尾处的变化十分敏感,因此能够快速捕捉到下尾相关性的变化,可用于描述具有下尾相关特性的金融市场之间的相关关系.当θ=-1和→θ∞时,分别代表变——量独立和变量完全一致相关.τ为θ的解析函数:那么同样,可以得到Clayton Copula函数的表达式.再由公式我们可以得到不同α水平下的λL(α).(3)Thirdparty CopulaArchimedean Copula函数族中有一个函数类同时具有上尾和下尾相关,函数呈U型对称,其函数式为在众多的Copula族类中,这种表达式还没有人给它正式命名,为便于区分,这里我们暂时称之为Thirdparty Copula.θ的解析式为τ由定义可知此处,(x1-x2)和(y1-y2)是独立同分布变量.基于{(xi-xj);(yi-yj)},1≤i≤j≤n的τ估计量为式(9)(Frees,1998),并由Kendall τ估计出参数θ的值将θ计算出来后,则Copula函数唯一确定.再由下式计算出上尾相关系数和下尾相关系数的估计值研究随机变量之间的尾部相关性可以帮助我们了解、量化当一个变量发生变化时,另一个随机变量会发生什么样的变化.尾部相关性可以衡量当随机变量x大幅度增加或者大幅度减少时,随机变量y也发生大幅度增加或者大幅度减少的概率,以有利于风险管理者制定政策控制风险.本文中,我们用Copula尾部相关系数来研究上证个股和上证三个封闭式基金之间的相关性[10,11].封闭式基金到期前不能被赎回,且操作手法较开放式基金灵活多样,尤其在股市上涨或下跌时,其操作不当会加强金融市场中的动荡.因此,我们选择封闭式基金和股票之间的尾部相关性作为分析目标.以工业板块的上海机场、能源板块的中国石化、金融板块的浦发银行和三个封闭式基金:基金银丰、基金兴华、基金金泰作为样本.其从2008年1月1日到2009年1月1日一年的日收盘价Pi(1≤i≤244),共244组(剔除了不一致的数据)有效数据,数据来源于大智慧软件.对数收益率为x=lg(Pi+1/Pi),1≤i≤244,图3是各个股票和基金的对数收益率图(根据上述公式计算).由图3可知,2008年期间股票市场一直在不停的震荡,基金市场在2008年3月到4月都遭受大幅下降,基金银丰和基金金泰收益相对平稳,拥有中等的收益和风险,在金融市场中的操作手法更为稳健.基金兴华收益率波动较大,在证券投资基金中属于中高风险的品种.由(8)式解得τ和对应的θ值如下表所示.由τ及θ值我们可以看出,上海机场跟三个基金是正相关关系,在0.05的显著性水平下研究其相关性是合适的.中国石化跟三个基金是负相关关系,并且θ<1不在Gumbel Copula函数的范围之内,用Gumbel Copula函数来讨论不合适,下文不再讨论.浦发银行与基金银丰是微弱的正相关关系,τ值最大仅为0.02,其与基金兴华接近独立τ=0.001,而与基金金泰却是完全独立的τ=0,此时Gumbel Copula和Calyton Copula的θ分别等于1和0.由此推断,基金金泰在2008年没有投资于浦发银行,三只基金可能在构建自己资产池的时候选择了持有上海机场的股票,而对中国石化则可能是清仓.其相关性的量化分析在下文进行.Thirdparty Copula的θ值均小于1,不在参数范围内,不予讨论.估计参数时为了避免Copula函数边缘分布假设错误,直接利用Kendall τ来估计参数,因此并不知数据具体的边缘分布函数.下面利用经验分布和Kc构造服从均匀分布的变量并检验.首先用Copula分布的几何方法检验(Roberto,2001),然后用K-S统计量进行优度拟合检验.单变量分布函数Kc(t)定义为其中,φ(t)是Copula函数的生成函数,Kc(F(x),G(y))(t)服从标准均匀分布.设变量x,y都服从经验分布,则利用θ可以求出Kc(F(x),G(y))(t)(x1、x2、x3分别表示上海机场、中国石化、浦发银行;y1、y2、y3分别表示基金银丰、基金兴华、基金金泰).选择合适的Copula按照下面的步骤进行:(1)求对数收益率(2)分别求出(3)用均匀分布的Q-Q图进行检验.利用上述步骤得到的进行Q-Q检验,结果如图4和图5所示.比较图4和图5,在度量基金和单个股票的相关性上,Gumbel Copula的KGuc(F(x),G(y))(t)和Clayton Copula的Kclc(F(x),G(y))(t)两个函数的拟合效果都不是很好,曲线均呈S型,说明其Kc(t)均不服从均匀分布.当τ=0时,Gumbel Copula中θ=1,变量独立.由(12)式知,当θ=0,Clayton Copula中的Kc(t)不存在,无法做出Q-Q图,所以浦发银行和基金金泰的Q-Q图无法做出.当θ=0.002 0时,变量接近独立,Clayton Copula Kc(t)的Q-Q图也与均匀分布的偏离异常大,如图5中的h.所选择的股票和基金之间的相关性难以捕捉.下面再进行K-S检验,结果见表2.K-S检验的结果Asymp均小于0.05,拒绝原假设,即Clayton Copula函数不能很好地描述股市在大幅下跌时的股票与基金的下尾相关性.同时,Gumbel Copula 也未能很好地描述此种情况下个股与基金之间的上尾相关性.在描述相关性上,本文中Gumbel Copula拟合效果并不优于Clayton Copula.下面仅计算Clayton copula的下尾系数λL(α),以验证上文得到的结果,根据式(6)和α分位数,计算结果见表3和表4.可以得出,表4与表1和图5的结果是吻合的.例如在Clayton copula中,当上海机场的对数收益率小于p0.01时,基金银丰的对数收益率小于q0.01概率是0.14,大于二者独立时的概率0.01,二者具有相关性.同样可以分析其他α分位数下的上海机场和其他基金的下尾相关性.虽然上海机场与基金之间的具有相关性,但是其相关性非常不显著,因为当α→0时,其下尾相关系数分别仅为0.080 6、0.052 1、0.039 7.而中国石化与基金之间的相关性更弱,甚至几乎为0,如0.000 1,且均不大于二者独立时的概率.由图5也可以看出,上海机场与基金之间的Q-Q图的拟合效果明显优于中国石化和基金之间的Q-Q图,但是两者的拟合效果均不理想,与直线间的偏差较大.而浦发银行的下尾相关系数仅仅略大于二者独立时收益率的概率,相关性很弱,甚至为0,即二者完全独立,与Q-Q检验图一致,我们不能做出浦发银行和基金金泰的Q-Q图,其与基金兴华的Q-Q图偏差也是非常大.本文通过Copula函数对上证股票和上证基金回报间的尾部相关性进行研究,选择Archimedean copula函数族中具有尾部相关性特性的Gumbel Copula和Thirdparty Copula进行数据拟合.参数估计采用函数进行均匀分布检验的结果表明,在2008年股市大规模动荡的情况下,不管是Clayton Copula还是Gumbel Copula,都未能对股票与基金相关性提供很好的拟合效果.也有学者用这两类Copula拟合上证指数与深证指数的相关性[3,6],得出的结论与本文不同,但是其考虑数据的时间长度也较本文长.也有很多学者用Copula来度量组合资产的风险情况[8~10],如果是同时投资于股票,也许是合适的,但是在同时投资于基金与股票,并且考虑时间跨度时,用Copula来度量组合资产的风险是否合适[11,12],仍然需要进一步讨论,也许函数的适用需要某些特殊条件或环境[13,14].研究结果在某些方面与王强,杜子平关于《上证指数与恒生指数的copula尾部相关性研究》.在时间跨度较短时,用Copula来分析资本市场中的尾部相关性不是最精确的,不容易捕捉到股市与基金间的尾部相关性.希望这篇文章能够为研究资本市场相关性的同僚们提供一点微薄的建议,同时引起风险管理者的重视.【相关文献】[1]Embrechts P,Mcneil A J,Straumann D.Correlation and dependence in risk management Properties and pitfalls[M].Risk Management:Cambridge University Press,1999.176~223.[2]Andrew J Patton.Application of Copula Theory in Financial econometrics[D].San Diego:Doctor Thesis of Department of Economics in University of California,2002.14~35. [3]Claudio Romano.Calibrating and Simulating Copula Functions:An Application to the Italian Stock Market[J].Working Paper 2,CIDEM,2002,(6):12~46.[4]Helder Parra Palaro,Luiz Koodi ing in conditional copula to Estimate Value at Risk[J].Journal of Data Science,2006,4(1):93~115.[5]Nikolai Kolev,Ulissesdos Anjos,Beatriz Vazde M Mendes,et al.Copulas:A review and recent developments[J].Stochastic Models,2006,22 (4):617~660.[6]张尧庭.连接函数(copula)技术与金融风险分析[J].统计研究,2002,(4):48~51.[7]韦艳华,张世英.Copula理论及其在金融分析上的应用[M].北京:清华大学出版社,2008.29~33.[8]史道济,关静.沪深股市风险的相关性分析[J].统计研究,2003,(10):45~49..[9]司继文,蒙坚玲,龚朴.国内外股票市场相关性的copula分析[J].华中科技大学学报(自然科学版),2005,33(1):114~116.[10]吴振翔,叶五一,缪柏其.基于Copula的外汇投资组合风险分析[J].中国管理科学,2004,12(4):1~5.[11]张尧庭.我们应该选用什么样的相关性指标[J].统计研究,2002,(9):41~44.[12]张世英,樊智.协整理论与波动模型——金融时间序列分析与应用[M].北京:清华大学出社,2004.121~135.[13]Joshua V.Rosenberg,Til Schuermann.A general approach to integrated risk management with skewed,fat-tailed risks[J].Journal of Financial Economics,2006,79(3):569~614.[14]Andrew J Patton.Modeling asymmetric exchange rate dependence[J].International Economic Review,2006,47(2):527~556.。
Archimedean Copula在尾部相关性分析中的应用简介
Archimedean Copula在尾部相关性分析中的应用简介摘要:金融风险分析中尾部相关性的研究是一个重要课题,而copula从其概念的提出伊始便与相关性的研究有着最为直接的联系,因此利用copula来进行尾部相关性分析有着得天独厚的优势。
本文对较为常见且重要的二元archimedean copula在尾部相关性分析中的作用进行了简单介绍。
关键词:archimedean copula;金融市场;尾部相关性随着各国金融市场的进一步开放,金融市场相依性的研究受到越来越多的重视。
copula(拉丁语中“连接”的意思)函数,是把多维随机变量的联合分布用其一维边际分布连接起来的函数。
a.sklar在研究概率度量空间中首次提出了copula函数,此后nelson、joe等进一步发展了copula理论。
copula的应用以及渗透到了金融中的各个领域。
而archimedean copula是最为常见的一copula,其良好的性质(对称性、可结合性等)使之成为金融研究,特别是尾部相关性分析的重要工具。
尾部相关性刻划的是当小概率事件发生时变量之间的相关性,在某种程度上与蝴蝶效应有一定的相似性。
尾部相关性强,则变量间共同发生极端事件的概率大。
以股市为例,若各支股票的尾部相关性较强,那么其中一支股票的猛涨或暴跌就极有可能导致整个股市的巨大震荡。
(一)预备知识简介archimedean copula是最为常见的一copula,其自身的良好性质(对称性、可结合性等)使之成为金融研究的重要工具。
而常见的copula有ali-mikhail-haq copula、clayton copula、frank copula、gumble copula、joe copula等。
这些copula各有特点,因此在刻划尾部相关性时也有不同的作用。
ali-mikhail-haq copula的优势在于能够较好的刻画变量间同向变化的相关性特征,即可以描述正相关和负相关的随机变量;clayton copula仅适用于描述正相关的随机变量,它具有的是下尾相关的性质,因此对变量在分布下尾部的变化十分敏感,能够敏锐地捕捉到下尾相关的变化,能够较好刻划两个金融市场收益同时下跌时的情形;gumbel copula和joe copula与clayton copula正好相反,具有的是上尾相关性,适合描述两个金融市场收益同时上涨的情形;frank copula可以拟合上尾、下尾相关,适于两个收益波动相同的金融市场之间尾部相关性的描述,但对称性使其在研究随机变量间的非对称关系上无能为力。
沪深两市行业板块尾部相关性研究——基于M-Copula-t-GARCH模型
沪深两市行业板块尾部相关性研究——基于M-Copula-t-GARCH模型沪深两市行业板块尾部相关性研究——基于M-Copula-t-GARCH模型摘要:本文旨在研究沪深两市不同行业板块之间的尾部相关性,并以基于M-Copula-t-GARCH模型进行实证分析。
结果显示,在中国A股市场中,不同行业板块之间存在显著的尾部相关性,即在极端事件发生时,不同行业板块往往呈现出同步上涨或下跌的趋势。
这一研究对于投资者和风险管理者具有重要的指导意义。
关键词:沪深两市、行业板块、尾部相关性、M-Copula-t-GARCH模型1. 引言尾部相关性是金融领域中的重要概念,它描述了不同资产在市场极端事件中的联动关系。
在中国A股市场中,不同行业板块的投资者普遍存在“齐涨齐跌”的现象,即在大盘上涨或下跌时,不同行业板块的股票价格往往呈现出高度的同步性。
因此,研究沪深两市行业板块的尾部相关性具有重要的理论和实证价值。
2. 文献综述关于沪深两市行业板块尾部相关性的研究主要有两种方法。
一种方法是基于相关系数或协方差矩阵的分析,它通过计算不同行业板块之间的相关系数或协方差矩阵来衡量它们的尾部相关性。
然而,这种方法存在着忽略极端事件的问题,无法准确描述不同行业板块在市场极端事件中的联动关系。
另一种方法是基于Copula函数的分析,它能够捕捉不同行业板块之间的非线性尾部相关性。
然而,现有的研究多数局限于传统Copula函数,并未考虑股指收益率的相关性结构。
3. 方法ology本文采用M-Copula-t-GARCH模型来研究沪深两市行业板块之间的尾部相关性。
该模型融合了M-Copula函数和t-GARCH模型,能够同时考虑不同行业板块的非线性尾部相关性和收益率的波动性。
具体步骤如下:(1)选择10个代表性的沪深两市行业板块作为研究对象,包括:医药生物、电子、计算机、通信、农林牧渔、汽车、有色金属、化工、房地产和银行。
(2)计算每个行业板块的日收益率序列,并进行收益率的正态性检验。
基于Copula函数的金融市场尾部相关性分析
究 了意 大 利 资 本 市 场 的投 资 组合 风 险 问 题L 。 2 ]
R sn eg和 S h ema n利用 C p l 理 论 , 市场 oe b r cu r n o ua 对
风险、 信用风 险及 运 作 风 险 的聚 合 问题 进 行 了 综合 研 究 【I 3。Anrw.. de JP系统地 研 究 了 C pl o ua函数在
中图 分 类 号 :2 4 F 2 文献标识码 : A 文 章 编 号 :0 7 1 62 0 }6—0 6 —0 1 0 —3 1 (0 8 0 06 6
一
、
引 言
势, 因此 自 E r hs 将 C p l mbe t 等 o ua引入 到金 融 风 险 c 管理 领域 以来 , p l理论 已成 为 研 究 金融 风 险 的 o C ua 强有 力工具 , 且 取得 了许 多 有 意 义 的成 果 … 。例 而
金 融风 险分 析 中的应 用 L 。A de J P提 出了条 4 n rw. . J
件 C pl, o ua并应用 它 刻 画 了汇 率 之 间 的非 对 称 相关 结 构 。He e 和 L i利 用 条 件 C p l 态 地研 lr d u z o ua动 究 了金 融资产 间 的相关结 构 【 。 Ni l l 6 j k aKoe Oi v等详 细 总结 了 C pl o ua函数理论 近 年来 的发 展 及应 用 , 并 针对 目前 的 研 究 现 状 进 行 了 合 理 的展 望【I 国 内 7。 学 者从 20 02年开始 了 C p l在 金 融 数据 分 析 中 的 o ua 研究 。张 尧庭 从 理 论 上 探 讨 了 C pl在 金 融 领 域 o ua 上应 用 的可行 性 ; 明恒 研究 了基 于 C p l 张 o ua的多 资 产 Va e t s( l —a—Ri 以下 简记 Va 的计算 方法 L ; u k R) 8 韦艳 华将 C pl o ua函数 与 GA C R H模 型结 合 , 研究 了 沪深 股市 的相关 结 构 [ ; 9 而且 越 来 越 多 的学 者利 用
基于Copula函数的股市相关性研究
基于Copula函数的股市相关性研究[摘要] 金融市场的相关性研究比较复杂,其中股票收益率尾部相关性是研究金融市场关联性的重要内容。
而传统的相关性系数研究有很多局限性,已经不足以满足如今复杂的数据分析。
将Copula函数引入金融市场,可以更加准确地反映变量间的相关结构,尤其是尾部相关特征。
应用Copula函数对中国股票收益在尾部的相关关系的实证研究,并得到尾部相关性增强以及相关不对称等结果。
[关键词] 股票市场尾部相关性copula函数[Abstract] Correlation of the financial market is complex, in which the tail stock return correlation is the study of financial markets, an important part of relationships. The correlation coefficient of the traditional study has many limitations, has been insufficient to meet today’s complex data analysis. Copula function will be to introduce financial markets, to more accurately reflect the correlation structure between variables, in particular the relevant characteristics of the tail. Copula Function Application in the Chinese stock returns between the end of the relevant empirical research, and with tail-related enhancements, and related the results of asymmetric.[Key words] stock market tail correlation copula function1、引言金融危机和波动频繁出现,金融市场间的相关性比较复杂,各种形式相关性的组合构成独特的相关结构,相关结构是对各种相关性最全面的描述。
基于因子copula模型的我国大型上市公司股票收益关联性及风险分析
摘要基于因子Copula模型的我国大型上市公司股票收益关联性及风险分析在改革开放进一步深化和经济发展的不断推动下,我国金融市场逐步发展健全和完善,金融市场之间的依赖性和金融资产的价格协同效应愈来愈显著,其中股票市场作为金融市场的重要组成部分,不同市场、不同板块、不同行业以及不同股票之间常常存在着联动效应,某一市场或资产的波动,经常会引起其他市场或资产的波动,导致风险会迅速波及、传染、放大至其他市场或资产。
随着我国股票市场的深入发展,不同上市公司之间的联系和依赖越来越强,公司股票之间的关联性也越来越明显,对我国大型上市公司股票收益之间的关联性和投资风险进行分析,对投资组合构建、市场风险管理乃至股市的健康发展都有着十分重要的意义。
本文基于Copula理论基础,利用因子Copula模型和结构因子Copula模型中的嵌套Copula模型,分析了以沪深300成分股为代表的我国大型上市公司股票的收益率序列,计算得到了不同行业内每对股票收益之间的Spearman秩相关系数、相依尾部加权测度和不同资产组合的VaR和ES,以此分析了不同行业内各公司股票收益的关联性和投资组合风险,以及以全部沪深300成分股为代表的整个市场的投资组合风险。
本文选取了沪深300成分股近5年的日对数收益率序列,剔除上市时间不满5年的股票,利用两阶段极大似然估计法,首先采用GARCH (1,1) - Gaussian模型、GARCH (1,1) -t模型分别对每只股票收益率序列进行拟合,并用AIC信息准则选择拟合效果较好的模型,经过对标准残差序列的K-S检验和Ljung-Box自相关检验发现,GARCH (1,1) - Gaussian模型、GARCH (1,1) -t模型可以较好的拟合各收益率序列的边缘分布,并且利用单因子Copula 模型对各公司股票收益的标准残差序列进行拟合,发现在所有17个二级行业中,保险、材料、地产、能源、汽配、食品饮料、银行、运输、资本市场等9种行业的股票收益序列拟合效果较好的为单因子BB1 Copula模型,公用、零售、媒体、耐用服装、软件、硬件、制药生物、资本品等8种行业的股票收益序列拟合效果较好的为单因子Rotated Gumbel Copula 模型;同时本文利用结构因子Copula模型中的嵌套Frank Copula模型,对17个行业的全部股票收益残差序列进行了拟合,并得到了相关模型参数。
基于Copula函数的沪深股市尾部相关性分析
指 数 之 间 的联 动 性 .并 利 用 C o p u l a函数 分别 对美 国 次 贷 危 机 发 生 前 后 的 沪深 两个 市 场 指 数 之 间 的 尾 部 相关 性 进 行 实 证 分 析 。 C o p u l a函 数 理 论 的 提 出 为 研 究 变 量 之 间 的 相 关 性 提 供 了 很 好 的方 法 。 S k i a r ( 1 9 5 9 ) 指 出可 以 将 一个 n维 联 合 分 布 分 解 为 n个
果表 明 。 上涨期和下跌期上证、 深 证 指 数 之 间分 别 具 有 较 强 的 上 尾 和 下尾 相 关性 。但 相 比较 而 言 , 下 跌 期 尾 部 相 关 系数 大
于 上 涨期 尾 部 相 关 系数 [ 关键词 ] Gr a n g e r 因果 检 验 ; Co p u l a函 数 ; 尾 部 相 关性
S e p . , 2 0 1 4
Vo 1 l . 1 7. No . 1 8
第1 7 卷第 1 8 期
基于 C o p u l a 函数的沪深股市尾部相关性分析
姜凤 利 , 2
( 1 . 东 北 财 经 大 学 数 学 与数 量 经 济 学 院 , 辽 宁 大连 1 1 6 0 2 5 ; 2 . 辽 宁石油化工大学 理 学院, 辽 宁 抚顺 1 1 3 0 0 1 )
[ 摘 要 ] 利用 G r a n g e r因果 检 验 考 察 上 证 指 数 与 深证 指数 之 间 的联 动 特 性 . 发现 上证 指 数 是 深 证 指 数 的 Gr a n g e r 原 因 。 由 于上证 、 深 证 指 数 之 间的 尾 部 非 对 称 性 。 F r a n k C o p u l a函数 无 法 准 确 拟 合 数 据 分 布 , 进 而通过选择 A r c h i me d e a n C o p u l a函 数族 中 G u m b e 1 C o p u l a函数 和 Cl a y t o n Co l : , u l a函 数 分 别度 量 美 国 次贷 危 机 前 后 上 证 、 深 证 指 数 之 间的 尾 部相 关性 。 实证 结
Copula函数分析欧美与中国股票市场的尾部相关性
Copula函数分析欧美与中国股票市场的尾部相关性范晓倩;王伟科【摘要】选用阿基米德族Copula函数研究美、英、德、法四国主要股票指数与中国沪深300(HS300)指数的尾部相关性,结果表明:德国DAX30指数、法国CAC40指数对HS300指数以上尾影响为主,英国富时100(FTSE100)指数对HS300指数的影响主要为下尾影响,美国标准普尔500(S&P500)指数对HS300指数的影响较其他指数对中国的影响最小.【期刊名称】《宜宾学院学报》【年(卷),期】2018(018)006【总页数】5页(P100-104)【关键词】股票市场;Copula函数;尾部相关性【作者】范晓倩;王伟科【作者单位】兰州财经大学统计学院,甘肃兰州730000;兰州财经大学统计学院,甘肃兰州730000【正文语种】中文【中图分类】F224随着全球经济一体化的发展逐渐深入,各国金融贸易关系日渐紧密,作为金融市场敏感且关键的组成部分,股票市场间齐涨共跌的现象尤其如此.2008年的次贷危机在席卷美国的同时,对其他国家的市场也造成了不同程度的影响,引发各国股市不同程度的下跌.2009年全球经济逐渐回暖,但紧接着又出现了欧债危机等继发事件.金融市场的“黑天鹅”事件不仅增加了投资机构对金融市场风险管理的难度,还对散户投资者造成不小的困扰.尤其在我国投资市场对外开放程度不断增大的背景下研究各股市之间的相关性,更利于投资者加深其认识,审慎投资的同时规避风险. 在金融市场中,金融数据之间既有线性关系,又有非线性关系,Copula函数便是一种既可以研究非线性、非对称性又可以分析尾部相关性的统计方法.Sklar[1]提出的定理为Copula函数的应用奠定了理论基础,Nelsen[2]进一步系统地介绍了Copula函数的定义、性质等内容.1999年Embrechts等[3]首次在金融风险管理中运用Copula函数,随后Mcneil[4]用Copula函数研究了风险资产之间的相关性等一系列问题.近年,Durante等[5]用Copula函数分析了危机期间欧洲各金融市场之间的风险传染关系,Li[6]用Cop⁃ula函数研究了S&P500和FTSE100之间的相关性,Ayusuk[7]基于Copula函数对东盟国家股票市场在次贷期间和之后的投资组合进行了分析研究.在国内研究中,张尧庭[8]用Copula方法分析了金融风险问题,贾鹏[9]用阿基米德族Copula函数对中国股票市场不同板块间的关系进行了分析,姜凤利[10]用Copula函数研究了沪深股市在次贷危机前后的尾部关系,张连增等[11]用Copula函数研究了中国A股中四支股票之间的相关关系,李强等[12]将Copula函数用于台湾与韩国股票市场间的相关性研究,庞海峰等[13]用该函数研究了沪港股市间的相关性.这些文献对股票市场的研究要么集中在国内股票市场间的关系,要么专注于各地区内股票市场的相关性,少有文章研究近几年欧美市场与中国股票市场的关系,基于以上情况,本文主要对近几年欧美股票市场与中国股票市场的尾部关系进行相关性分析.1 Copula函数基础知识1.1 Copula函数定理Copula函数的功能是连接联合分布函数和边缘分布函数.根据Sklar[1]给出的Copula函数的定理可知,若随机变量X1,X2,...,XN存在一元边缘分布函数:F(x1),F(x2),...,F(xn)且连续,又存在多元联合分布函数:F(x1,x2,...,xn),则存在唯一的Copula函数C(u1,u2,...,un)使得:1.2 Copula函数分类Copula函数的形式有很多,金融中用到的主要为椭圆族Copula函数和阿基米德族Copula.椭圆族Copula函数包括Gaussian Copula函数和t-Copula函数.这两种函数中,前者由多维正态分布衍生而来,适用于解决具有对称性但无厚尾的多维风险问题;后者由多维t分布衍生而来,用于对称但有一定厚尾特征的多维风险问题.阿基米德族Copula函数主要有Gumbel Copula函数、Clayton Copula函数和Frank Copula函数三种.它们的区别在于:Gumbel Copula函数有非对称和上尾厚重的特点,适合解决具有非对称性且上尾关系较强特点的金融问题;Clayton Copula函数的特点是非对称厚下尾,对下尾部的变化更加敏感,适用于描述有非对称厚下尾特点的金融情况;Frank Copula函数的上下尾都较厚,适合分析整体分布较均匀的金融数据.1.2.1 椭圆族Copula函数(1)Gaussian Copula函数.其分布函数为:相应密度函数为:其中θ为相关参数,取值范围为(-1,1).(2)t-Copula函数.其分布函数为:相应密度函数为:其中v为自由度,θ为相关参数,取值范围为(-1,1).1.2.2 阿基米德Copula函数(1)Gumbel Copula函数.其分布函数为:相应密度函数为:其中C为常数,θ为相关参数,取值范围为(1,+∞).(2)Clayton Copula函数.分布函数为:其密度函数为:其中θ为相应参数,取值范围为(0,+∞).(3)Frank Copula函数.其分布函数与密度函数分别为:其中θ为相应参数,取值范围(-∞,0)⋃(0,+∞).2 Copula函数的参数估计与选择2.1 Copula函数的参数估计Copula函数中相关参数θ的估计方法主要有:极大似然估计法、IFM估计法、τ统计量估计法(τ为Kendall秩相关系数).极大似然估计法常见于椭圆族Copula函数的参数估计,而统计量估计法更多用于阿基米德族Copula函数的参数估计.常用的阿基米德族Copula函数的相关参数θ与Kendall秩相关系数τ之间的关系如表1所示.表1 Kendall秩相关系数与阿基米德族Copula函数中的参数关系Gumbel Clayton Kendallτ τ=1-1 θ τ=θ θ∫0 θ+2 τ=1-41θ Frank θ( )1-et-1dt t2.2 Copula函数的选择检验最优Copula函数时可用图像法,也可用分析法.图像法用Q-Q图来判断拟合效果,较分析法能更直观地发现经验Copula函数与Copula函数的拟合程度,两者之间缝隙越大拟合程度越低.分析法能将经验Copula函数和拟合Copula函数的拟合效果量化,常用的有AIC准则和平方欧式距离法.为了清楚知道拟合函数和经验函数之间的差距,本文在选择最优Copula函数时采用平方欧式距离法,通过平方欧式距离来得出经验Copula函数和拟合Copula函数间的距离,距离越小对应的Copula函数拟合效果越好.其计算公式可表示为:其中C(u,v)为拟合Copula函数估计值,C^(u,v)为经验Copula函数估计值,满足其中I(·)为示性函数,Fn(x),Gn(y)分别为随机变量X和Y的经验分布函数.3 尾部相关性Juri[14]认为研究随机变量之间的尾部相关性,其目的是想知道当一个随机变量发生变化时,另一个随机变量也发生类似变化的可能性.尾部相关系数可将这种可能性量化为一个概率值,使影响结果更加直观可测.在Copula函数中尾部相关系数表达式为:式中C(u,u)为相应的最优Copula函数,u为对应的分位数,当两个随机变量独立时,有λup=λlow=0.4 国内外股票市场相关性实证分析4.1 数据选取选取中国HS300指数、美国S&P500指数、英国FTSE100指数、德国DAX30指数、法国CAC40指数的日对数收益率作为研究对象,日收益率计算公式为Rt=100×ln(Pt+1/Pt)(其中Pt是每日收盘价),样本区间从2012-01-04至2017-12-29.针对各个股票市场节假日不一样导致的非同一交易日的情况,将S&P500、FTSE100、DAX30、CAC40与HS300交易日非重叠的交易数据删除,得到的样本数据量依次为 1406、1418、1424、1436.所得数据均来自Wind资讯.4.2 样本数据的统计特征分析对选取的样本数据进行描述性统计分析,结果如表2所示.由表2可以看出:各收益序列都存在不同程度的偏度和峰度,均为非正态分布,符合金融收益序列非对称、尖峰的特征;从收益序列的方差和峰度来看,HS300和CAC40更加接近;从偏度来看HS300与DAX30和CAC40更接近,整体上HS300收益序列和DAX30、CAC40收益序列的相似度更高,极有可能与之存在较高的相关性.表2 收益序列基本统计特征统计量均值方差偏度峰度HS300 0.038 5 1.514 4-0.857 5 9.245 5 S&P500 0.052 5 0.771 7-0.202 0 6.258 5 FTSE100 0.021 5 0.883 3-0.091 8 6.022 1 DAX30 0.052 6 1.163 7-0.430 0 5.699 6 CAC400.035 4 1.178 2-0.372 9 6.821 04.3 参数估计根据表2收益序列的基本特征,选取阿基米德族Copula函数对本文的样本数据进行分析.在MATLAB中先求解Gumbel Copula、Clayton Copula和Frank Copula函数的Kendall秩相关系数τ,再根据表1中τ与θ的关系求出Copula函数HS300指数与其他股票指数之间的相关参数.参数估计值结果见表3.4.4 模型检验根据上文提到的平方欧式距离法来判断三种Copula函数与经验分布函数之间的距离,以期选出最优模型,结果如表4所示.表3 各Copula函数的参数估计值Gumbel Clayton Frank DAX30 1.083 50.152 9 0.628 7 S&P500 1.066 1 0.140 5 0.495 0 FTSE100 1.114 3 0.224 8 0.995 0 CAC40 1.090 1 0.163 0 0.744 8表4 各Copula函数与经验分布函数的欧式距离CAC40 0.021 4 0.027 7 0.027 1 Gumbel Clayton Frank S&P500 0.035 5 0.042 5 0.035 9 FTSE100 0.052 0 0.026 3 0.051 4 DAX30 0.026 5 0.032 6 0.028 5由表4可知:Gumbel Copula函数在表示HS300与S&P500、DAX30和CAC40的关系时更有优势,说明S&P500、DAX30、CAC40与HS300之间存在更强的上尾相关性,所以在求解HS300与美国、德国、法国股票指数之间的尾部相关系数时用Gumbel Copu⁃la函数效果最好;Clayton Copula函数能更好地刻画HS300与FTSE100的关系,说明两者下尾关系更显著,所以用Clayton Copula函数更适合来分析HS300与FTSE100间的相关性.4.5 尾部相关性研究研究股市之间两变量相关性是为了将风险量化,得出其中一个变量发生变化时另一个变量发生类似变化的概率值.根据尾部相关系数公式和由表4得到的各股票市场的最优Copula函数,分别考虑α=0.010、α=0.050、α=0.100的下尾相关性和α=0.925、α=0.975、α=0.995的上尾相关性.所得尾部相关系数λ(α)的计算结果如表5所示.表5 不同Copula函数计算的尾部相关性系数λ(α)α 0.010 0.050 0.100 0.925 0.975 0.995 S&P500 0.000 1 0.003 3 0.013 4 0.091 8 0.031 3 0.006 3 FTSE100 0.001 1 0.008 9 0.024 6 0.090 3 0.030 4 0.006 1 DAX30 0.000 2 0.003 6 0.014 1 0.167 9 0.125 3 0.108 3 CAC40 0.000 2 0.003 7 0.014 40.174 5 0.132 4 0.115 6由表5可知,DAX30指数和CAC40指数与HS300指数的上尾关系最强,当DAX30指数超过q0.925、q0.975、q0.995分位数时,HS300指数超过相应分位数的概率分别为0.167 9、0.125 3、0.108 3,当CAC40指数超过q0.925、q0.975、q0.995分位数时,HS300超过相应分位数的概率分别为0.174 5、0.132 4、0.115 6.英国FTSE100指数对HS300指数的下尾影响更明显;美国S&P500指数对HS300指数的影响总体最小.5 结语本文选用Copula函数对美、英、德、法四国主要股票指数和中国沪深300指数进行了尾部关系分析,选用阿基米德族Copula函数中的三种Copula函数对样本数据进行拟合.由参数估计和Copula函数选择的结果表明:Gumbel Copula函数能更好地描述沪深300和美国标准普尔500、德国DAX30、法国CAC40之间的尾部相关性;对于沪深300和英国富时100指数之间的尾部关系Clayton Copula函数的效果更好;DAX30和CAC40对沪深300指数的影响主要为上尾影响;富时100对沪深300指数的影响主要为下尾影响;标准普尔500对沪深300指数的影响较其他三支股指都更小.尾部相关系数将股市之间的上尾相关关系和下尾相关关系量化,风险管理者可根据相关系数预测当美、英、德、法四国股票市场发生大幅度波动时沪深300指数发生类似变化的概率,在一定程度上调整投资计划,规避风险.参考文献:【相关文献】[1] SKLAR A.Fonctions de répartition àn dimensions et leurs mar⁃ges[J].Publication Institute Statistique Universite de Paris,1959(8):229-231.[2] NELSEN R B.An introduction to copulas[M].Springer,1998.[3] EMBRECHTS P,STRAUMANN E M D.Correlation:pitfalls andalternatives[J].Risk,1999(12):69-71.[4] MCNEIL A J,NYFELER M A,FREY R.Copulas and credit models[J].Risk,2001(10):111-114.[5] DURANTE F,FOSCOLO E,SABO M.A spatial contagion test for financialmarkets[J].Springer,2013(190):313-320.[6] LI L,YUEN KC,YANG J.Distorted mix method for construct⁃ing copulas with tail dependence[J].Insurance Mathematics&Economics,2014,57(3):77-89.[7] AYUSUK A,SRIBOONCHITTA S.Copula based volatility models and extreme value theory for portfolio simulation with an application to Asian stock markets[J].Springer International Publishing,2016,75(5):561-568.[8] 张尧庭.连接函数(Copula)技术与金融风险分析[J].统计研究,2002(4):48-51.[9] 贾鹏.基于Copula方法的中国股票市场相关性研究[D].长沙:湖南大学,2012.[10]姜凤利.基于Copula函数的沪深股市尾部相关性分析[J].中国管理信息化,2014,17(18):87-90.[11]张连增,胡祥.基于分层阿基米德Copula的金融时间序列的相关性分析[J].统计与信息论坛,2014,29(6):34-40.[12]李强,周孝华.基于Copula的我国台湾和韩国股票市场相关性研究[J].管理工程学报,2014,28(2):100-107.[13]庞海峰,刘振亮,庞舒月.基于Copula函数的深港通开通前后沪港股市相关性分析[J].哈尔滨商业大学学报(社会科学版),2017(4):77-84.[14]JURI A,WÜTHRICH M V.Copula convergence theorems for tailevents[J].Insurance:Mathematics and Economics,2002,30(3):405-420.。
我国股票市场和债券市场收益率的相关性和联动性研究——基于时变Copula和VAR模型
我国股票市场和债券市场收益率的相关性和联动性研究——基于时变Copula和VAR模型我国股票市场和债券市场收益率的相关性和联动性研究——基于时变Copula和VAR模型摘要:股票市场和债券市场是我国金融市场的两大核心组成部分,它们之间的相关性和联动性对于投资者、市场监管部门以及投资策略制定者来说具有重要意义。
本文基于时变Copula和VAR模型,通过对我国股票市场和债券市场的收益率进行研究,并利用相关性和联动性指标对其进行衡量,旨在深入分析两市场之间的关系,并探讨可能的影响因素。
1. 引言股票市场和债券市场在我国经济中的地位日益重要,股票市场代表了一国经济的活力和潜力,债券市场则反映了一国经济的稳定性和成熟度。
因此,研究两市场之间的相关性和联动性,有助于深化对我国金融市场的认识,为投资者提供更准确的决策依据。
2. 文献综述过去的研究对于股票市场和债券市场的相关性和联动性已有一定的探索。
研究表明,股票市场和债券市场之间存在着显著的相关性,但该相关性在不同时间段和市场条件下可能存在变化,因此需要考虑时变性的影响,并采用合适的模型进行研究。
3. 数据与方法本文选取我国A股市场和债券市场的日频收益率数据,在时间跨度上覆盖2005年至2020年的样本期。
首先,利用时变Copula模型对两市场的收益率进行建模,得到相关性和联动性指标。
然后,利用VAR模型对两市场之间的引导关系进行分析,以了解其动态变化的特征。
4. 结果分析4.1 相关性研究时变Copula模型的分析结果显示,在整个样本期内,股票市场和债券市场的收益率呈现出正相关的趋势,相关系数稳定在0.2左右。
虽然相关性较弱,但也说明两市场之间的联系不可忽视。
进一步的分析发现,相关性在不同市场条件下可能存在显著的变化,这与市场环境和宏观经济波动有关。
4.2 联动性研究利用VAR模型对两市场之间的引导关系进行分析,研究发现债券市场对股票市场的联动关系较为显著,而股票市场对债券市场的影响相对较小。
基于Copula函数的深市行业间的尾部相关性分析
3 3.1
深市行业间的尾部相关性分析
样本数据的选取 为了贯彻中国证监会 《 上市公司行业分类指引 》, 反映各
K-S 检验结果
Archinedean Copula 函数 C(u,v) , 则 Kc(t)=P(C(u,v)≤t)=t- φ(t) φ'(t+)
(10 )
CBzs CJzs DCzs FWzs
是容易捕捉到变量分布的尾部相关关系 。 基于此分别采用 Clayton Copula 函数和 Gumbel Copula 函 数对深市各行业间的尾部相关性进行分析 。 结果表明 , 除了服务行业外 , 其他行业之间均具有显著的 非对称的尾部相关性 。 关键词 : 尾部相关性 ;Copula 函数 ; 深市行业 中图分类号 :F832.59 文献标识码 :A 文章编号 :1002-6487 (2008 )22-0123-03
若 λU∈(0,1] , 则 X 、Y 存 在 着 上 尾 相 关 ; 若 λU=0 , 则 称 X 、Y 上
Clayton Copula 函数可得 α= 1 1-τ
同理可得 Gumbel Copula 函数的参数估计式 (8 )
λU= lim P(Y>Gy (u)|X>Fx (u)) u→0
+
-1
Archinedean Copula 函数具有 构 建 且 计 算 简 单 , 并 具 有 明 显
的尾部特征 , 能够较好地测度金融时间序列的相关关系 。 Joe 在 1997 年 的 研 究 表 明 , 对 数 收 益 率 的 相 关 结 构 符 合
2
Copula 函数的参数估计与尾部相关性
Archinedean Copula 分 布 。 基 于 以 上 的 考 虑 , 文 章 采 用
基于时变Copula的基金、股票和国债动态尾部相关性分析
系 。王 璐等在构建股 市和债市D A 模 型的基础 J VR
[ 作者简介 ] 周好文 (9 7一 )男 , 14 , 陕西商洛人 , 西安交通 大学经 济与金融 学院教 授 , 士生导 师 ; 富贵 (9 6一 ) 男 , 博 晏 18 ,
河南光 山人 , 西安 交通 大学 经济与金 融学院博 士研究生。
逐 步上 升 到 1 9 9 8年 的 0 6左 右 , 在 19 . 又 9 8年 后 全 部
够 在复杂 多变 的金 融市 场 环 境 下 , 定 相应 的投 资 策 制 略, 构建合 适 的投 资 组 合 , 达 到 分 散 投 资 风 险 的 目 以 的。 由于我 国资本市 场发 展时 间较短 , 金市 场 、 票 基 股
[ 摘 要 ] 全 面的风险管理 既要 考虑 正常状 态, 也要 考虑极 端情 况 , 为此 , 用上 证指数 数据 , 用 Tm 利 采 ie—
vrigC p l ay oua函数 对极 端市场环境下基金 指数 、 n 股票指数和 国债指数 的尾部相 关性进 行 了研 究, 发现 三者相 互间有较 为显著的下尾 相关 , 上尾相 关相对不 明显 , 中基金 和股 票、 其 基金 和 国债 、 股票和 国债之 间的 下尾相 关性依 次减弱 , 因此 , 分散风 险的角度 来看, 从 用股票和 国债构建投资组 合比用基金和 国债组合更好。 [ 关键词] 基金 ; 票; 股 国债 ; 尾部相 关性 ; m —vri oua t e a n cp l i yg [ 中图分 类号 ] F 2 . 249 [ 文献标识码 ] A [ 文章编号 ] 10 - 5 2 1 )402 - 0 82 X( 00 0 -0 1 6 4 0
多 , 内容 上 可 以分 为两 个方 面 : 是基 金市场 与 股票 从 一 市 场相关性 的研 究 。华 特 ( r e) 过 引 人 回馈 交 Wat r 通 h 易 者假说 、 价格 压力 假 说 和投 资 人 情 绪假 说 来 说 明基
利用Copula函数实证分析金融风险尾部相关性
利用Copula函数实证分析金融风险尾部相关性吴雪;陈文财【摘要】The empirical studying on tail correlation between Hushen300 and Shenzhen composite index was used as the example,the copula technique's application was applied to analyze tail correlation in financial risks. The empirical results showed that Gumbel Copula functions well simulate the data of daily returns of Hushen300 and Shenzhen composite index,there exist strong tail correlation between Hushen300 and Shenzhen composite index at different tail level a.%以沪深300指数和深证成份指数的尾部相关性实证分析为例,利用Copula函数分析金融风险尾部相关性.实证表明:Gumbel Copula函数能够很好的模拟沪深300指数和深证成份指数的日收益率,并且在不同尾部水平下,沪深300和深证成份指数具有很强的相关性.【期刊名称】《南昌大学学报(工科版)》【年(卷),期】2012(034)001【总页数】5页(P98-102)【关键词】阿基米德Copula;尾部相关性;秩相关系数【作者】吴雪;陈文财【作者单位】南昌大学数学系,江西南昌330031;南昌大学数学系,江西南昌330031【正文语种】中文【中图分类】O211在给定随机变量的边缘分布情况下,如何确定它们的联合分布变成了一个非常重要的问题。
中国股市与国际股市一体化进程中的尾部相依性的开题报告
中国股市与国际股市一体化进程中的尾部相依性的开题报告一、选题背景随着全球化和经济一体化加速发展,各国经济之间相互依存程度进一步加深。
在这一背景下,股市作为经济活动的重要组成部分,也在不断地向国际化、全球化方向发展。
尽管当前在全球疫情的影响下,股市出现了反复波动,但是对于长远来说,股市一体化是必然趋势,而且也有利于实现全球经济的资源优化、信息共享和合作发展。
目前,许多国家和地区之间的股市相互关联度不断提高,股市间的互联互通也日益频繁,这给投资者提供了更多的机会和选择,同时也带来了更多风险。
中国股市作为全球最大的股市之一,其与国际股市的相互关联度也越来越高,已经成为国际资本市场的一部分。
与此同时,随着中国加入全球机构和签署国际协定等一系列举措,中国股市与国际股市之间的联系也变得更加紧密。
因此,了解中国股市与国际股市的互动和相互影响,研究二者之间的开放程度和相依性,具有重要的理论意义和现实意义。
特别是在当前全球股市动荡的情况下,研究中国股市与国际股市的一体化进程,对于提高中国股市的风险管理能力和国际竞争力,具有重要的现实意义。
二、研究问题中国股市与国际股市一体化进程中的尾部相依性是什么?其影响因素和机制是什么?三、研究目标和方法本文旨在通过文献资料研究和实证分析,探讨中国股市与国际股市的一体化进程中的尾部相依性,并分析其影响因素和机制。
具体研究方法包括:1. 文献资料研究。
通过查阅国内外相关文献资料,了解中国股市与国际股市之间的关系和影响因素,了解尾部相依性的研究现状和最新进展,为实证分析提供基础资料和论据。
2. 实证分析。
基于实证分析方法,选取中国股市与国际股市的数据资料,采用多元回归模型和协整分析模型等方法,对中国股市与国际股市的尾部相依性和影响因素进行实证分析,并探讨其机制。
四、研究意义1. 对于了解中国股市与国际股市的相互关系和联系,具有重要的理论价值和实践意义。
2. 对于研究尾部相依性的影响因素和机制,提高风险管理能力和国际竞争力,具有现实意义。
Copula理论在金融上的应用——相关性分析和VaR估计
个能很好的描述边缘分布的相关结构的Copula函数。GARCH类模型能很好的描 述金融时间序列的分布和波动特性,因此可以用来刻画边缘分布。对于描述金融 序列间相关结构的Copula可从多种Copulaqa选取,然后选择最优的Copulai垂l数。
Y 1089tZ7
分类号:
密级
辩矢
蒿究 ¨~ 害论
论文题目(中文)£壁p世a堡诠查金融上鳇厘崩
二二捣差:睦佥圭匠塑№基值i土
论文题目(外文)堡纯Q!i盟鱼Q堕煎鱼趟垦i壁毯旦璺塾盟
巫.堑—— 二=二Dependent Analysis and Estimation of VaR.
研究生姓名
学科、专业
2
第l章绪言 3、分析了时变相关的正态Copula和BB7 Copula,并用正态Copula作实证分析;讨
论 4个、了C0用如p何uClo建积p立ufl类Vaa理似R作C论op估和ul计a蒙的,特时得变卡相 出罗关结方性论.法:对正资确产的组边合际的分喇布行是了螂分计析的,关用键多,
而Copuh的选择不是很重要。 本文的主要内容安捧如下:第二章对Copula和条'[}:Copula的定义、性质、
the out-of-sample performances ofthe differem approaches,using various back—lesting
techniques.The empirical analysis showed that correct marginals specification is abso—
in the ability of descriptiOil and prediction of dependence between financial series.The
股市流动性与收益的Copula尾部相关性分析
特征 , 而混合 C p l 0ua函数的使 用又可 以捕 捉到不 同的相 关结构。应用 ቤተ መጻሕፍቲ ባይዱ p l 0u a函数对 中国股 市收益和
流动性在尾 部的相 关关 系的 实证研 究结果表 明 : 中国证券 市场上 , 在 收益和流动性存在 同时发 生极值
的一致性 , 但拒绝 了收益与流动性 的尾部对称相 关结构 , 上尾 的相关 系数大于下尾 的相 关 系数 。
( 9 3 、 i od等( 9 9 、 u( 0 2 等 。国 内一些 学者也对 C p l 技术 及 其在相 关性 和金 融 风险分 19 ) De l b 19 ) H 2 o ) 0ua
析上 的应用作过 探讨 , 张尧 庭 (0 2 、 悦 等 (06 、 如 20 )李 2o ) 吴振翔 等 (o 6 和韦艳华 等 (07 , 总 的来 2o ) 2o ) 但
量指标 。但众多 的研 究成果 表明 , 多金融变量 具有 明显 的厚尾 性 , 许 与正态 分 布假设 相差 较 大 ; 当市 而
场发生重大波动时, 线性相关系数也无法反映出变量间的尾部相关特征。值得欣喜的是 ,ou 函数克 cp I a 服了上述传统风险理论的不足。c pl 是连接单变量边缘分布和多变量联合分布的函数。对于多元分 ou a 布 函数 ,oua函数 可 以将 边际分 布与联合分 布分开来 考 虑 , 可灵 活地选 择 边际分 布 的形 式 , Cpl 并 不再 局 限于正态分布; c l函数引入风险管理 , 将 叩u a 可以更加准确地反映资产问的相关结构 , 尤其是变量间的 尾部相关特征。Cpl尾部相关性可以很好地衡量当一个随机变量大幅度增加或者大幅度减少时 , ou a 另 随机变量也发生大幅度增加或者大幅度减少的概率( s Ir,02 。最早将 C l技术引入金 mes lo20 ) ad 叩u a
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
的钱 � 你赚的钱就是他亏的钱 � 在这种作用机制下 � 投资者为 资者的 合法权益 �是市 场建设的重要环节 � 成熟的证券市场 了 赚钱 而不 亏钱 � 只 能冒 险 � 甚至 铤而 走险 � 结果 使操 纵股 均 有一套完整 的投资者 保护机 制 � 概括地 讲 � 主要是 投资者 价 � 操纵市场 � 违法违规的现象不断 发生 � 这种状态的 市场 � 的诉讼机制 � 教育机制和赔偿机制 � 通过集团诉讼的方式 �对 是缺乏根基 � 基石不稳的市场 � 证券市 场违法违规行为进行诉讼和 索赔 � 从而在制度上约束 发行主 体 �中介机构甚 至监管机构的行为 � 开展投资者教育 这 种状 态的 市场 � 只能 是一 放就 乱 � 一 乱就 收 � 一 收就 死 � 一死又放 � 不断恶性循坏的市场 � 这种市场 � 不仅增加了 更是市 场监管的一项经常性工作 � 此外 � 成熟市场一般都设 投 资风险 � 加大 了监管的难 度 � 也造 成了社会 财富不 合理的 立投资 者合法权益保护基金中心或 公司 � 致力于在会员公司 再分 配 � 在这种状态的市场中 � 广大投资者 所拥有的财富不 丧失清偿能力时对投资者的赔偿工作 � 我国在这方面刚刚起 仅被行为不规范的上市公司所侵占 � 而且 �在股市的炒做中 � 步 � 应借鉴成熟市场经验 �逐步建 立我国投资者保护机 制 �真 " 庄家 "们 还会通过各 种操纵手 法 � 剥夺广 大投资 者的财富 � 正把保护投资者利益落在实处� 为了 防止这些不合理的局面产生 � 我们必须 重视股票市场市 � 二 � 积极采 取措施 �减 轻大 � 小 非解禁 对股票市 场的冲 场功能的完善 � 击� 三 � 我国股市的治标与治本 全流通是 我国股票市场的发展 方向 � 但是实现全流通的 过程应 尽可能平稳 �尽 可能避免对市场造 成过大的冲击 � 然 从现实情 况上讲 � 我国股票一级市场高 溢价的现象与二 级市 场高股价的现象已持续了十几 年 �投资 者都是用很高的 而现实 的情况却是 �我 们的股市在汹涌的 大小非解禁潮中颤 抖 甚至摇摇欲 坠 � 这种局面 如果任 由其发 展下去 �我 国的金 成 本购买了 上市公司的 股票 � 支持 了国企 改革 � 这是 在不健 康 的市场中 形成的既定 事实 � 对于 这种客 观现实 �我 们必须 融稳定乃至社会稳定都会因此而动摇 � 因此必须充分认识到 大 �小 非解禁可能 造成的严 重后果 � 积 极采取措 施 � 将大 �小 认真面对 � 不能回避 � 非解禁的不利后果降到最低 � 规范股市 � 消除股市泡 沫 �促进 股市健康发展是正 确的 � 但 � � 是如果不 顾历史原因 �不 考虑现 有投资 者的利 益 � 只是简 要求大 �小非减持前应做详尽的信息披露 � 大小非减持 信息披 露制度是一个合理的要求 � 一方面 � 它没有破坏股改 单地 将国内股价压低与国外股价接 轨 �这就 大错特错了 � 因 为如 果国内股市真跌到 点 � 恐怕就会 有许多股民破产 之 初各方达成 的协议 � 另一 方面 � 由 于大小 非具有接 触上市 公 司信息的天 然优势 � 其他 流通股 股东与 其相比 �在 信息获 了� 我国的股 市涉及到上千家公司 的命运 � 涉及到几千万投 得 上存在客观 的不公平 �因 此 � 要求 其在抛 售股票前 对抛售 的 理由 � 数量 � 期限做 一个充分 说明 � 是符 合公平 原则的 �同 资者 的利益 �还涉及到 市场经济改革及国企 改革的成败 � 我 们必 须注意中国股市的矛盾性 � 复杂性 � 采取任何措施和政 时也可 以防止由于信息不透明而引 起的恐慌性抛售 �从而有 利于市场稳定 � 策 � 都必须从保护投资者利益出发 �不能简单从事 � 我们只能 � � 对大 �小非开征资 本利得税 � 通过提高大 �小非的套现 " 正本清源 " �正确地探求病 因 �对症 下药 � 才能逐渐使股市走 成 本遏制大 �小非 在限售股 解禁后 的强烈 抛售冲 动 � 从而减 向健康 � 轻大 � 小非减持对市场的冲击 � 同时 �为了鼓励产业资本的长 在解决我 国股市问题时 � 要防止急躁情 绪 � 一是主要靠 期 投资 � 资本利得 税的税率 应有差 别 � 即解 禁后持有 的时间 发 展来解决 问题 � 二是要注 意采取 配套措 施解决 问题 � 但是 � 越长 � 税率越低 � 而对于解禁后急于 套现的 ( 如解禁后 年内 更 重要的是 要标本兼治 �重 在治本 � 将上市公 司作为 治理的 套现 ) 则征收高额的资本 利得税 � 有人认为 � 仅对大 �小非征 重点 � 收资本 利得税对大 �小 非不公平 � 对此笔 者认为公平应当是 可以说 � 加强证券市场监管 �消除股价泡沫只能治标 � 值 指实质 上的公平而不是表面上的公 平 � 考虑到大 � 小非在股 得 深思的是 �我 国的股市在 这两年 大幅下 跌之后 �其 市盈率 改 中为获取流 通权而 支付的 非公平 对价以及 极其低 廉的持 反而 比下跌之前的市盈率更高 � 究 其原因 � 就在于我们在消 股 成本 � 对其抛售 后获得的 暴利征 收资本 利得税 �恰 恰是体 除股 价泡沫的同时 � 上市公司业绩 的泡沫被消除的更快 �因 现了实质公平的要求 � 此 �在 股市的价 格大幅下降 过程中 � 股市的风 险却没 有同比 � 三 �想方 设法打造诚信上市公 司 �提 升上市公司的整体 例下降 � 质量 � 可以预期 的是 �即 使管理层不得不再次 推出救市政策来 � � 完善上市公司法人治理结构及运作 � 上市公司诚信的 托 市 � 引起股市 的暴涨 � 但是 如果没有 上市公 司业绩 的同步 缺 失与公司治 理结构不 完善 � 运作 不规范 有密切 关系 � 因此 上扬 � 股市暴涨之后照样会暴跌下来 � 打 造诚信上市 公司首 先就要 完善上 市公司的 法人治 理结构 因 此 � 加强对上 市公司 的管理 � 大力提高 上市公 司的业 及运作 � 具体来说 �一是 要督促上市公司董事 �监事 �管理层 绩才能治本 � 上市公司是证券市场的基石 �基石不稳 �证券市 强化股东权益意识及规范运作意识 � 二是要完善上市公司财 场这 一大厦越建越高 � 必然存在巨大的风险 � 我国的证券市 务管理 制度 �重大投资决 策 �关联 交易决策等内控制度 �并保 场 要想健康 发展 � 股市要想 良性运 行 � 就必须 作好上 市公司 证制度得到有效执行 � 三是要督促上市公司设立以独立董事 的工作 � 使上市公司的业绩水平不断提高 � 只有上市公司的 为 主体的审计 委员会 � 薪酬 与考核 委员会 � 切实保障 独立董 业绩不断提高 �才能为股市的上涨提供坚实的基础 � 事履行职责 � 四是要完善企业经理人市场化聘用机制和激励 四 � 化解股市矛盾促其健康发展 约束机制 � � 一 �加强制度建设 �积极培育证券市场 � � � 强化对上市公司信息披露的监管 � 要进一步贯彻以强 进一步加强证券市场的法制建设 � 市场经济是法制经 制信息 披露制度为核心的监管理念 �规范 会计准则和信息披 济 � 完善市场制度首先 就要完善市场的法制 基础 � 我国证券 露 的标准 � 提高公 司财务会 计信息 的真实 性和可 信度 � 增强 市场 发展十分迅猛 �相形之 下 �法制 建设就显得滞后了 �因此 证券市场的透明度和公信力 � 信息披露制度必须有严格的事 要进一步加强证券市场的法制建设 � 一是除了目前正在执行 后监管作为保障 �对虚假披露者必须严厉惩罚 � 的 �证 券法 � �� 公司法 �等 以外 � 还应 制定其他 相关市 场监管 � � 规范上市公司再融资 � 严格再融资的条件 �尤其是要将 法律 � 完善证券市场监管法律体系 � 特别是应抓紧制定 �证券 上市公 司能否再融资与其过往对股 东的回报紧密挂钩 �对于 市 场监管法 �� 弥补 � 证券法 �在 市场监管 程序 � 方 法 � 处罚等 只 知一味索取 而不考 虑回报 股东的 公司应坚 决关上 再融资 方面的空白 � 二是要严格执法 � 对于发布虚假信息 � 进行内幕 的大门 � 交易 � 恶意操纵市场的行为要依法严惩不贷 � 强化投资者保护机制 � 保护投资者特别是保 湖北 省社科 院
促其健康发展
武汉 �
李爱萍
政法 所� 湖北
一 � 我国股市的主要矛盾 各大报 纸上刊登 ,却已由 其它渠道泄露出来 , 对中 , 小散户极 � 一 �市场化与政策市的矛盾 � 不公平 � 四是对市场传闻不做必要的澄清 � � � 股市是市 场经济中最市场化的 一个部分 , 按道理 讲 ,股 其他方面的不诚信 � 一是信贷及担保活动中的不诚信 � 市的发展方向应当由市场决定 ,实行市场化 � 但在我国 "政策 目前上 市公司的股权因为债务纠纷 及担保责任被法院 冻结 , 市 " 这个概念却随股市与生俱来 � 拍卖 , 抵债的情形较为普遍 � 二是随意改变募集资金投向 ,资 " 政策市 " 是指利用政策来影响 股指的涨跌 , 政策的操作 金的实际使用情况与当初承诺相差千里 � 三是 "重融资 ,轻回 和影 响对象很明确 ,那 就是股票指数 � 政策 市在本质上是对 报 " ,只 一味考虑股市的融资功能 ,不计公 众损益地进行再融 现代 市场经济原则的违背 � 我国股 市过去长期历尽磨难 ,其 资 , 而到了需要对股东负 责 ,需要 对股东分红的时候 ,却难以 中 一个很重 要的原因 就是行 政权力对 市场运 行与发 展的过 给予有吸引力的回报 � 分干 预和控制 � 由于是 " 政策市 ", 在我国投 资者往往热衷于 二 � 建立股票市场的正本与清源 揣摩 政策意图甚至某个官员的讲话 ,在股市 低迷时更是将希 面 对错综复 杂 , 众说纷 纭的股 票市场 , 我们不能 不提出 望寄 托在政府 "救市 " 上 , 不仅造成政府压力 很大甚至难免顾 一个本源性的问题 ,即我们为什么要建立股票市场 � 此失彼 ,而且也扭曲了股票市场本身的运行轨迹和运行规律 � 第一 , 发展股票市场 ,不仅仅 是为了企业集资 , 更不仅仅 � 二 �大 � 小非解禁与稳定市场的矛盾 � 是为国有企业集资 � 最重要的是要建立起上市公司与股票市 流通性是 股票的基本特征之一 ,因此国 外成熟股票市场 场之间内在的 ,互相联系 , 互相制约的机制 � 都是全流通市场 � 但在我国 , 由于历史的原因 , 却存在着流通 在 健康的股 票市场 中 , 股票价 格的波 动 , 在客观 上可以 股与非流通股并存且同股不同权的现象 � 为了解决这一股权 起到对 公司进行评价的作用 � 如 果股份公司经营不好 ,股份 割裂 的状况 , 我国从 年开始进行股改 , 非流通股股东 公 司的一部分 股东就会 采取 " 用脚投 票 " 的办法 , 一走了 之 , ( 大 , 小非 )通过向流通 股股东支付一定的对 价换取几年后股 这会促 使股份公司的股票价格不断 下跌 , 进而使股份公司声 票进 入二级市场流通的权利 , 即所谓的 " 限售股解禁 "� 随着 誉受到影响 , 经营出现困难 � 当股价下跌到一定程度 , 该股份 时 间的推移 ,越 来越多的限 售股解 禁进入 二级市场 , 非流通 公司还 会出现被其它公司兼并的危 险 ,这 无疑对股份公司形 股股东与流通股股东之间的矛盾也日益突出 � 因为非流通股 成了一种巨大的外在压力 � 同时 , 股份公司的股价下跌 ,会使 股东 基本上是以一元甚至低于一元 面值购得股票 , 而流通股 公 司中的一部 分股东因 自身利 益受到损 害 , 而采 取 " 用手投 东却是以几倍甚至几十倍的溢价购得 � 如果非流通股一下子 票 " 的方式 , 向董事会提出质问 , 甚至要求 更换领导层 � 这对 涌 入二级市 场 , 那股价一定 会暴跌 , 非流通股 股东套 现获得 公司形成了一种巨大的内在压力 � 由于公司存在着内外两种 暴利 , 流通股持有人却损失严重 � 年 月 日紫金矿业 压力 , 公司领导者必然要 努力提高管理水平 , 增加公司 效益 , 亿限售股上市 , 产生近 名亿 万富翁 � 紫金矿业 这 来回报公司的股东 ,这是促使公司健康发展的重要保证 � 名 内部职工已经 获利超过 亿元 , 平均获 利水平超过 第二 , 我们建立的 股票市场应当是一个 能够不断创造财 万 , 说其是一夜暴富的典型一点也不为过 � 富 , 能够合理分配财富的市场 � 从 年 月到 年 月 , 短短一年的 时间里我 正 常的股 票市场应 当具有 两种基 本功能 � 一是 创造财 国股 市暴跌了 % 多 , 其中一个非常重要的 原因就在于来势 富 , 二是分配财富 � 在股 市中 ,创 造财富者主要是上市 公司 , 汹汹的大 , 小非解禁股超出了市场的承受能力 � 大 , 小非过多 分配财富者主要是投资者 � 正是由于上市公司能够源源不断 参与二级市场 ,将会大大加剧股市的动荡 � 因为大 , 小非关心 地为股 市提供新创造出来的财富和 利润 , 股市才有了利润的 的 是以前 元钱甚 至不到 元钱买的东 西 , 现在增 值为 源泉 , 上市公司才成为 股市的基石 � 正是 因为股市具有利润 元 甚至更多 ,抛 售就可以兑 现巨额 利润 , 而不 会去考 虑自己 的 源泉 , 才能够吸 引投资者 通过在 股市中 的投资 ,分 享上市 行 为的外部 效应 , 不 会去考 虑自己的 行为是 否会伤 害到市 公司的 利润 � 正是股市能够源源不 断地产生增量利润 ,股市 场 , 伤害到市场上的其他投资者 � 才不是零和交易 ,股市才不是赌场 � � 三 �上市公司公众化与上市公司诚信缺失的矛盾 � 一个股票 市场 , 是投资型的 股市还是投机型的股 市 ,不 上市公司 可以称之为公众公司 ,因为它 通过资本市场向 是看投 资者是否存在博取差价的行 为 ,而 是看这一市场是否 公 众股东募 集资金 , 其一言 一行 , 一 举一动都 必须对 公众股 具有利 润的源泉 , 是否存在上市 公司不断成长的业绩 支撑 � 东负 责 ,因此上市公司 应该最讲诚信 � 然而 我国的上市公司 如 果一个股票 市场 , 没有利 润的源 泉 , 没有 上市公司 不断成 却往往不讲诚信 � 长的业 绩支撑 ,那么 , 这个市场就 有可能变成零和交易 ,变成 信息披露上的不诚信 � 一是信息披露虚假 , 虚构利润 , 赌场 � 在这样的市场里 ,没有利润的提供者 , 投资者无法从上 粉饰 财务报表的现象仍十分突出 � 二是信息披露不及 时 �三 市 公司身上赚 钱 , 股价又没 有上市 公司业 绩的支 撑 , 大家只 是信 息披露不公平 ,上 市公司的消息还没有 在证监会指定的 能靠炒作股票赚钱 � 炒作的结果 , 必然是我赚的钱 , 就是你亏