金融市場(chǎng)時(shí)頻動(dòng)態(tài)相依結(jié)構(gòu)研究

目 錄IV插圖索引X附表索引XII章 緒 論11．1 選題背景與研究意義11．1．1 選題背景11．1．2 研究意義41．2 文獻(xiàn)綜述51．2．1 Copula函數(shù)理論研究51．2．2 Copula函數(shù)模型的應(yīng)用研究91．2．3金融市場(chǎng)時(shí)間相依結(jié)構(gòu)研究141．2．4尾部風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度151．3 研究思路與研究?jī)?nèi)容161．3．1 研究思路161．3．2 研究?jī)?nèi)容17第2章 貝葉斯Copula相依結(jié)構(gòu)理論192．1 Copula函數(shù)及相依結(jié)構(gòu)分析192．1．1 Copula函數(shù)定義與性質(zhì)192．1．2 Copula函數(shù)分類202．1．3 Copula函數(shù)的相依結(jié)構(gòu)與一致性相關(guān)測(cè)度232．1．4 Copula函數(shù)參數(shù)估計(jì)方法252．1．5 Copula函數(shù)模型選擇與檢驗(yàn)262．2 貝葉斯推斷理論282．2．1 貝葉斯決策282．2．2 抽樣算法292．2．3 MCMC收斂診斷322．3 本章小結(jié)33第3章 基于指數(shù)和Pareto分布的貝葉斯Copula可靠性模型構(gòu)建343．1 二元指數(shù)分布的Frank Copula模型構(gòu)建與估計(jì)343．1．1二元指數(shù)分布的Frank Copula模型343．1．2 指數(shù)分布的Frank Copula模型的抽樣算法353．2 二元指數(shù)分布的Frank Copula模型的貝葉斯分析373．2．1 參數(shù)先驗(yàn)分布的設(shè)置383．2．2 基于二元指數(shù)分布Frank Copula模型的MCMC算法設(shè)計(jì)383．3二元Pareto分布的Frank Copula模型構(gòu)建與貝葉斯估計(jì)393．3．1二元Pareto分布的Frank Copula模型393．3．2 基于二元Pareto分布Frank Copula模型的貝葉斯分析403．4 Monte Carlo仿真實(shí)驗(yàn)分析433．4．1 仿真設(shè)計(jì)與貝葉斯估計(jì)433．4．2參數(shù)貝葉斯估計(jì)檢驗(yàn)443．5 本章小結(jié)46第4章 基于貝葉斯Copula函數(shù)的刪失生存模型構(gòu)建474．1 異質(zhì)貝葉斯Copula刪失生存模型構(gòu)建474．1．1 異質(zhì)Copula生存模型474．1．2 刪失異質(zhì)生存模型的貝葉斯估計(jì)494．1．3刪失異質(zhì)生存Copula模型參數(shù)的貝葉斯推斷494．2 正穩(wěn)態(tài)刪失生存的貝葉斯Copula模型構(gòu)建504．2．1 正穩(wěn)態(tài)刪失模型的貝葉斯分析504．2．2 正穩(wěn)態(tài)刪失Copula模型的兩種貝葉斯估計(jì)534．3 基于刪失治愈率的貝葉斯Copula模型分析544．3．1 刪失治愈率Copula生存模型結(jié)構(gòu)544．3．2 刪失治愈率Copula生存模型的MCMC抽樣設(shè)計(jì)554．4 應(yīng)用研究574．4．1 數(shù)據(jù)來源574．4．2 一步貝葉斯估計(jì)結(jié)果574．4．3 兩階段貝葉斯估計(jì)結(jié)果分析634．4．4 模型的比較分析664．5 本章小結(jié)66第5章 基于混合變量的多元貝葉斯Copula模型構(gòu)建675．1 連續(xù)變量的多元貝葉斯Copula模型構(gòu)建675．1．1 連續(xù)變量的正態(tài)Copula模型結(jié)構(gòu)675．1．2 連續(xù)變量的多元Copula模型MCMC抽樣設(shè)計(jì)685．2離散和混合變量的多元貝葉斯Copula模型構(gòu)建705．2．1 離散變量的多元Copula模型結(jié)構(gòu)分析705．2．2 離散變量的多元Copula模型MCMC算法715．2．3基于混合變量貝葉斯Copula模型分析735．3多元混合變量的貝葉斯Copula回歸模型構(gòu)建735．3．1 多元正態(tài)Copula回歸模型協(xié)方差矩陣先驗(yàn)設(shè)置735．3．2 多元正態(tài)Copula回歸模型MCMC抽樣算法755．4 Monte Carlo仿真實(shí)驗(yàn)分析775．5 本章小結(jié)79第6章 亞太股票市場(chǎng)與國際油價(jià)相依結(jié)構(gòu)研究816．1 數(shù)據(jù)描述與結(jié)構(gòu)突變檢驗(yàn)816．1．1 數(shù)據(jù)的結(jié)構(gòu)穩(wěn)定性檢驗(yàn)816．1．2 數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果分析836．1．3 收益邊際分布模型刻畫856．2 Copula估計(jì)相依結(jié)果分析876．2．1 Copula模型估計(jì)876．2．2 模型的擬合優(yōu)度檢驗(yàn)936．3 貝葉斯時(shí)變Copula模型估計(jì)956．3．1 貝葉斯時(shí)變Copula模型構(gòu)建956．3．2 模型參數(shù)估計(jì)結(jié)果976．4 估計(jì)VaR比較分析1026．5 本章小結(jié)103第7章 中國股票市場(chǎng)和人民幣匯率動(dòng)態(tài)聯(lián)動(dòng)效應(yīng)研究1047．1 前言1047．2 相關(guān)文獻(xiàn)綜述1057．3 數(shù)據(jù)描述與初步分析1067．4 實(shí)證結(jié)果1107．4．1 邊際分布的擬合1107．4．2 邊際分布的擬合優(yōu)度檢驗(yàn)1117．4．3 Copula函數(shù)估計(jì)結(jié)果1137．5結(jié)論118第8章 美國經(jīng)濟(jì)政策不確定性與中印股票市場(chǎng)時(shí)頻聯(lián)動(dòng)效應(yīng)研究1208．1 前言1208．2 文獻(xiàn)綜述1218．3 小波函數(shù)理論1238．4 數(shù)據(jù)選取1258．5實(shí)證結(jié)果分析1268．5．1 連續(xù)小波分析1268．5．2 離散小波因果檢驗(yàn)1308．6 本章小結(jié)133第9章 投資者情緒和加密貨幣分位時(shí)頻動(dòng)態(tài)效應(yīng)研究1349．1 前言1349．2 文獻(xiàn)綜述1369．3 數(shù)據(jù)分析1379．4 實(shí)證結(jié)果分析1409．4．1 連續(xù)小波分析1409．4．2 多尺度分位數(shù)格蘭杰因果分析1439．4．3 穩(wěn)健性分析1499．5 本章小結(jié)158結(jié)論160參考文獻(xiàn)163