非稳定性对估计和建模每日股票收益经验边缘分布的影响
摘要：金融时间序列之间的统计依赖往往被简化为线性相关系数。然而，这可能无法捕捉到现实的所有方面。我们通过它们的成对copula来研究每日股票收益的经验依赖关系。在这里，我们特别研究了金融时间序列的非平稳性对经验copula的估计和建模的影响程度。我们从非平稳的原始收益时间序列和平稳的局部归一化时间序列中估计经验copula。因此，我们能够探索两个不同尺度上的经验依赖结构：全局和局部尺度。此外，强调经验copula的不对称性作为一个基本特征。我们将我们的经验研究结果与单个高斯copula、高斯copula的相关加权平均值、直接处理非平稳性依赖关系的K-copula以及偏斜的T-分布copula进行比较。K-copula最能准确地捕捉到局部尺度上的经验依赖结构，而偏斜的T-分布copula最能捕捉到全局尺度上的经验copula的不对称性。
作者：Marcel Wollschl"ager and Rudi Sch"afer
论文ID：1506.08054
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2017-09-01