基于 Copula 的二元非单调依赖建模:在成交量-收益率关系中的应用

《Insurance: Mathematics and Economics》:Bivariate non-monotone dependence modeling with copulas: an application to the volume-return relationship

【字体: 大 中 小 】 时间:2026年08月28日 来源:Insurance: Mathematics and Economics 2.2

编辑推荐:

   ## 摘要 本文提出了一种构建copula模型的新方法,该方法能够描述任意形式的相依结构。所提出的方法允许以参数化的形式创建此类copula,从而生成能够高度适应各种现实世界数据模式的模型。我们将该方法应用于分析金融市场中收益率与交易量之间的关系,关于这种非单调相依关系的存

  

## 摘要

本文提出了一种构建copula模型的新方法,该方法能够描述任意形式的相依结构。所提出的方法允许以参数化的形式创建此类copula,从而生成能够高度适应各种现实世界数据模式的模型。我们将该方法应用于分析金融市场中收益率与交易量之间的关系,关于这种非单调相依关系的存在性,现有文献中已有充分记载。我们表明,该方法具有很强的适应性,能够对所研究变量之间的相依结构提供精确的描述。

## 引言

尽管copula在统计学领域的引入可追溯至Sklar(1959)的工作,但根据Genest等人(2009)的研究,相关领域的学术成果自1999年以来才出现了显著增长。Joe(1997)和Nelsen(1999)的著作尤其为这一增长提供了强大的推动力,它们极大地促进了copula理论在科学界的传播。Embrechts(1999)和Frees与Valdez(1998)强调了copula在金融和精算应用中的潜力,如今copula已成为建模随机变量之间依赖关系的常用工具。

然而,文献中已知的大多数copula适用于描述具有单调相依类型的现象。令人意外的是,使用copula描述非单调相依性的做法鲜有涉及,相关文献也十分有限。Scarsini和Venetoulias(1993)首次提出了对该问题的数学分析。他们观察到,通过对具有均匀分量的向量的边缘分布施加保持均匀分布的变换,可以获得任意相依结构。这些变换被称为保测函数。具体而言,如果两个均匀分布的随机变量表现出最大正相依性,则施加保测函数将得到一个二元分布,其支撑集与该函数本身的图像重合。在同一项工作中,作者提供了各种保持均匀分布的分段线性函数示例。Durante等人(2009)讨论了构建保测函数的方法,提出了使用copula的置换。直观地说,二元copula的置换是通过一种将概率质量在单位正方形内重新分配的procedure从原始copula中获得的新copula。具体而言,该过程包括将单位正方形切割成有限数量的垂直条带,对这些条带进行排列,可能围绕条带的垂直对称轴翻转某些条带,最后重新组装条带以重建单位正方形(参见Mikusinski等人,1992)。虽然置换技术最初由Mikusinski等人(1992)应用于Fréchet-Hoeffding上界,但Durante等人(2009)提出了将其推广到任意copula的方法,从而提供了一种构建描述非单调相依性的新copula的方法。此外,作者证明了置换过程可以用保测函数等价地描述。这一关键结果表明,置换方法可以纳入Scarsini和Venetoulias(1993)先前建立的理论框架中进行解释。此外,由于大多数已知的copula倾向于将概率质量集中在单位正方形的某条对角线附近,因此显然置换方法生成的copula会将概率质量集中在双射分段线性函数图像附近。这对可达到的保测函数类施加了重大限制。

文献中的多项研究提出了通过拼接方法来构建copula模型。这些方法将单位正方形分割为矩形,并为每个区域分配不同的分布,同时确保整体分布仍为copula。尽管拼接方法通常基于相似的原则,但文献中出现了方法论的变体。有趣的是,其中许多方法能够生成捕捉非单调相依性的copula。例如,Mesiar和Sempi(2010)讨论的有序和方法、De Baets和De Meyer(2007)的二元正交网格构造以及Siburg和Stoimenov(2008)的胶合方法都属于此类。后者尤其是一种通用的多元方法,在二元情况下与正交网格构造一致。正如我们稍后将讨论的那样,可以验证Siburg和Stoimenov(2008)的胶合方法隐含地依赖于分段线性保测函数,因此可以被推广。

文献中提出了一种替代且值得注意的方法,即基于所谓的(a, b)-变换来构建能够建模非单调相依性的copula,由Horanská和Kolesárová(2017)提出。然而,在这种情况下,同样可以证明,施加(a, b)-变换等价于使用分段线性保测函数。

Marchione(2024)和Quessy(2024)通过各自独立的工作,对一般非线性保测函数的研究做出了重要贡献。两位作者都聚焦于双单调函数的研究,双单调函数是由两个不同单调分支组成的函数,一个递减,一个递增,形成V形图像。具体而言,他们指出,为了使双单调函数成为保测函数,函数两个分支的函数形式必须严格相关,并且他们明确表述了这一关系。然而,两位作者采用的构建保测函数的方法是不同的。Quessy(2024)所采用的方法论与McNeil(2021)提出的方法非常相似,其基于以下过程:从一个具有指定分布的随机变量出发,对其施加非单调变换,产生一个新的随机变量,该变量与原始变量表现出完美的非单调相依性。然后研究描述这种完美相依性的copula,并提取底层的保测函数。这种灵活的方法允许构建保测函数,其形状取决于初始随机变量的选择分布和施加的非单调变换。虽然这种方法高度灵活,但它存在固有的挑战,即需要确定产生具有特定期望形状的保测函数所需的初始分布和非单调变换的适当选择。这一挑战可以通过采用本文讨论的方法来应对,该方法允许直接构建具有预期形状的保测函数。这消除了反向推导初始分布和非单调变换选择的需要,从而对最终保测函数的形状和特征提供了更高的控制力。为了采用本文提出的直接构建方法,主要困难在于保测双单调函数的类比一般双单调函数的类要狭窄得多。因此,为了实现保测函数的直接构建,必须确定确保所提出的双单调函数满足保测性质的条件。这些条件由Marchione(2024)明确陈述,他证明了双单调函数的分支必须满足某些正则性条件,才能使该函数成为保测函数。

在本文中,我们检验了Marchione(2024)的结果,并表明这些结果提供了一种构建非单调保测函数的一般方法,从而使得构建能够描述广泛相依结构的copula成为可能。所提出的copula模型以参数化形式呈现,便于其适应从现实世界数据中产生的复杂相依结构。参数估计和模型选择的方法论通过应用我们的结果分析金融市场中收益率与交易量之间的关系进行了说明。收益率与交易量之间存在非单调相依性在文献中已得到充分确立。该主题科学文献的诞生通常归功于Osborne(1959)的工作,他将对股价的建模视为一个方差取决于交易数的扩散过程。然而,正如Karpoff(1987)所指出的,Osborne假设交易在时间上均匀分布,因此他以时间区间为变量表达了价格过程。因此,他并没有直接考察交易量与收益率之间的关系。Clark(1973)则是通过时间变换用Lévy稳定亚ordinator对交易速度的随机性进行建模。通过将交易量视为交易数量的度量,作者得出结论,预期交易量与价格变化的绝对值之间存在正相关。通过分析棉花期货的价格和交易量数据,这一结论得到了实证支持。多年来,不同作者提出了各种实证研究。例如,Crouch(1970)的一项研究表明,美国航空航天行业股票的股价变化绝对值与交易量相关。Tauchen和Pitts(1983)在对国库券价格的研究中得出了类似的结论。该领域中一个有趣的研究类别是探索收益率与交易量之间因果关系的研究,旨在调查潜在的实用应用。Lee和Rui(2002)考察了纽约、东京和伦敦股票市场中交易量与收益率之间Granger因果关系的存在性,而Gündüz和Hatemi-J(2005)研究了东欧市场的因果关系。遗憾的是,作者仅在少数情况下识别出了因果联系,且通常涉及双向因果。因此,尽管理论模型和实证研究的文献非常丰富,但实用应用的识别仍然是一个尚未充分探索的领域。

首次使用copula研究交易量与收益率之间非单调关系的贡献应归功于Neto(2006)。作者使用了Scarsini和Venetoulias(1993)的研究成果来研究一些法国公司发行股票的收益率与交易量之间的关系。然而,Neto使用的copula模型基于固定相依结构的假设,该结构不是以参数化形式定义的,因此并非旨在适应特定数据的考虑。本文提出的结果允许构建灵活的copula模型,这些模型可以适应数据中发现的任何相依结构。

本文结构如下。第2节介绍理论框架,从简要回顾标准copula理论以及保测函数在copula模型构建中的作用开始。第3节呈现主要结果,聚焦于非单调保测函数的构建及其在copula建模中的应用,以表示具有不同模式的相依结构。第4节给出与现有文献的详细比较,第5节讨论将我们的结果应用于copula构造中的胶合方法。第6节随后说明如何应用本文呈现的结果构建参数化copula模型,并讨论参数估计和模型选择。第7节将提出的copula模型应用于真实世界数据,考察Meta股票的收益率与交易量之间的非单调关系。论文以对关键发现及其意义的总结结束。

## 各节摘要

### Copula与保测函数

本节专门讨论保测函数在copula构建中的作用。我们从简要回顾copula的定义和基本性质开始。在全文中,我们将将研究限制在二元情况下。

因此,我们称函数 C: [0, 1]2 → [0, 1] 为 copula,如果它满足以下条件:
1. C(u,0) = C(0,v) = 0
2. C(u,1) = u 且 C(1,v) = v
3. 对于所有满足 u1 ≤ u2 且 v1 ≤ v2 的 u1, u2, v1, v2 ∈ [0, 1],有 V C([

**非单调依赖 copula**
如前一节所讨论的情况,文献中提出的大多数保测函数都是分段线性的。这主要是因为构造保测函数并非易事,而选择更简单的函数形式可以大大简化任务。从理论和实践的角度来看,构造能够保持均匀分布的更一般函数的挑战都是相关的。

**与现有文献的联系**
至此,我们已经研究了定理2如何自然地构造保测双单调函数,我们也说明了如何通过对双单调函数的迭代应用来构造更一般的保测函数。我们现在探索定理2的一个额外应用,用于构造一类特别有趣的copula。为此,我们指出,将定理2应用于copula C和一个适当的函数f会得到

**胶合copula**
在本节中,我们研究定理2在构造copula模型方面的另一个应用。特别是,我们考察本文的结果如何自然推广了所谓的copula构造胶合方法。这一富有洞察力的方法首次由Siburg和Stoimenov在他们的论文Siburg and Stoimenov (2008)中引入,提供了一种将简单copula组合成更复杂模型的系统方法。具体而言,单位正方形被划分为

**参数估计和模型选择**
考虑一个依赖于参数向量θ的单调型copula Cθ: [0,1]2 → [0,1]和一个依赖于参数向量α的函数fα: [0, 1] → [0, 1]。如果fα满足定理2的假设,我们可以构造copula Qα,θ为
Qα,θ(u,v) = Cθ(u, fα(v)) ? Cθ(u, fα(v)?v), u,v ∈ [0,1]。
假设copula Cθ具有密度函数cθ且fα可导,我们可以将Qα,θ的密度函数表示为
qα,θ(u,v) = [cθ(u, fα(v)) ? cθ(u, fα(v)?v)] dfα(v)/dv + cθ(u, fα(v)?v)。

**概率**
**数据和结果**
在本节中,我们分析Meta股票的历史时间序列,Meta是社交媒体行业的领先公司,以研究收益和交易量之间的关系。具体而言,我们考虑从2018年11月1日到2024年9月24日期间n+1个观测值的时间序列,其中n=1485,涉及每日收盘价和交易量。令pk, k=0,...,n表示第k个日收盘价观测值。我们计算日收益率r=(r1,...

**结论**
本文提出的结果建立了一种全面的方法,用于创建能够描述任意形式依赖关系的copula。正如Scarsini和Venetoulias在Scarsini and Venetoulias (1993)中所强调的,非单调依赖copula的定义与具有保持均匀分布性质的函数构造密切相关。本文的研究结果提供了一种构造此类函数的直接方法,

**生成式AI在写作过程中的使用声明**
本工作的核心思想来源于其中一位作者的博士论文(参见Marchione, Marchione (2024))。在翻译论文中的某些概念时,使用了AI技术来增强文本的流畅性和可读性。在使用这些工具后,作者根据需要审阅和编辑了内容,并对出版物的内容承担全部责任。

**CRediT作者贡献声明**
Manfred Marvin Marchione:写作 – 审阅与编辑,写作 – 原稿撰写,方法论,形式分析,数据整理,概念化。
Fabio Baione:写作 – 审阅与编辑,写作 – 原稿撰写,方法论,形式分析,数据整理,概念化。

**利益冲突声明**
作者声明他们没有已知的可能影响本文所述工作的竞争性财务利益或个人关系。

Manfred Marvin Marchione|Fabio Baione 独立研究者,意大利
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号