自然基金评审的体会
线性与非线性资产相关性度量
1.研究背景与研究意义
二十世纪80年代以来，伴随着经济全球化与经济金融化的快速进程，金融市场不确定性因素日趋增多，金融市场所面临的复杂性程度与系统性风险急剧提高，各国金融市场的稳定性受到严重威胁。然而，通过运用正确的投资策略，就可以降低投资风险并获得投资超额收益。马克维茨提出的资产组合理论作为一种投资策略被广泛运用。根据资产组合理论，分散投资到不同的资产可以降低风险。但是，这并不意味着随着投资的品种数目提高风险自然就降低了，负相关的资产才会最有效地降低资产组合风险。如果知道两种资产之间存在相关性，要达到期望收益最大，风险最小，资产组合的头寸和资产间的相关系数必须同号，最优头寸依赖于各资产的波动率。在国际资产中，黄金、石油与美元占有非常突出的地位，总的来说，近二十年来，黄金和美元，石油和美元之间都表现出相当的负相关，黄金和石油之间则正相关。索罗斯利用―广场协议‖的投资策略是一个很好的案例，证明利用资产相关性投资的实际可行性。通过对资产相关性的研究，可以投资者的投资策略给予指导。
2.国内外研究现状
对资产相关性的度量的模型可大致分为两种。线性与非线性。线性的度量模型最著名的代表是pearson系统，而非线性度量模型的代表是copula函数模型与社会网络模型。
pearson系统研究方面。在统计学中，pearson相关系数是用来衡量两个随机变量的线性相关的程度。国内学者文海涛和倪晓萍（2003）通过计算深圳市场492家上市公司的主要财务指标的pearson相关系数，对我国上市公司财务指标和股价的相关性进行实证研究，得出我国上市公司财务指标与股价存在确定的相关性的结论。杜秀英（2012）利用pearson相关性分析对从中国知网下载的图情类48种主要期刊2010年文献引用数据进行了比较，pearson相关系数不但能精确量化经验察觉到的期刊引用关系，而且能揭示出期刊引用上一些平时觉察不到的隐含规律。
copula理论研究方面。相关性分析是多变量金融分析中的中心问题，资产定价、投资组合、波动的传导和溢出、风险管理都涉及相关性分析。而常用的线性相关系数具有一定的局限性，如要求变量之间的关系是线性的，且方差存在，但金融市场的数据往往是厚尾分布，且方差有时不存在。这就需要一种新的相关性分析的理论----copula理论。copula函数就是把多个随机变量的联合分布与他们各自的边缘分布连接起来的函数。而对应的每一个联合分布函数都存在唯一的copula函数。丁杰（2007）利用copula模型对上证指数和恒生指数的相关性进行研究，得出用正态分布描述金融资产的收益率和用线型相关系数描述金融资产之间的相关性并不合适。用正态分布和线性相关系数来度量风险实际上会低估风险，会给投资者带来损失。而且上证指数和恒生指数并没有明显的尾部相关性。也就是说预测到当一个股票市场发生大幅上扬或下跌时另一股票市场相应发生大幅上扬或下跌的概率不大，杜子平和张雪峰（2013）利用阿基米德copula函数对外汇市场的相关性进行研究，发现外汇市场下尾波动具有相关性和传递性。国外一些学者利用copula理论来研究金融变量的相关性。比如patton（2002）研究了主要外币之间汇率的相关性并发展了用于时变依赖空间的条件copulas;hu（2006）利用混合copula函数衡量金融市场之间的相关性；ningzhao和winstont.lin（2011）基于jaynes准则利用两变量和三变量的copula熵模型分析股票市场的相关性。
(未完，全文共6349字，当前显示1480字)
(请认真阅读下面的提示信息)
