基于copula的上市公司信用风险和市值变化相关性分析

首先应用结合变量选择的logistic模型估计了上市公司的违约概率,接着采用核密度估计方法和Archimedean copula函数分别拟合了上市公司的违约概率变化和市值变化的边缘分布和联合分布.并在大样本下通过条件VaR检验了结构化信用分析模型在中国市场的适用性.实证结果显示上市公司信用风险和公司市值变化之间存在负相关关系,公司财务的恶化或好转会对市值产生影响,且违约概率上升风险对市值降低较为敏感.此外,市场违约概率分布的变化是影响模型预测精度的主要因素,而违约概率和市值变化间相依结构的影响则相对较小.

上市公司信用风险分析模型中的变量选择

当前上市公司信用风险数据所呈现出的高维度以及高相关性的特点严重影响了信用风险模型的准确性。为此本文结合已有算法以及信用风险模型的特点设计了一种新的基于非参数的变量选择方法。通过该方法对上市公司用风险相关变量进行分析筛选可以消除数据集中包含的噪声变量以及线性相关变量。本文同时还针对该方法设计了高变量维度下最优解求解算法。文章以Logistic模型为例对上市公司信用风险做了实证分析,研究结果表明与以往的变量选择方法相比该方法可以有效的降低数据维度,消除变量间的相关性,并同时提高模型的可靠性和预测精度。

基于Copula-ACD模型的股票连涨和连跌收益率风险分析

分别使用包含"天数变量"的Log-ACD和Copula模型对股票的连涨和连跌收益率的边缘分布以及二者的联合分布进行了拟合,检验结果表明该模型拟合的效果要优于传统方法.对上证180指数数据做了实证研究,并使用条件VaR对股票连涨连跌收益率进行风险分析,实证结果证明该模型的拟合结果与股市的实际情况是相吻合的.投资者可以依照模型得出的"涨跌风险对比图"分析当前股票市场的涨跌风险对比,从而指导投资行为.