论文部分内容阅读
与阿基米德copula相比，分层阿基米德copula（HAC）的结构更具一般性，而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数，主要的步骤是先估计出每个分量的边际分布，以此为基础再估计copula函数。实证分析中，采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前，运用川王MA—GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则，认为完全嵌套的Gumbd型HAC能更好地刻画这种相关性。