基于Copula理论的高频数据间非线性相关结构建模与应用研究

The advantage of Copula in modeling dependence structure has been widely verified by previous studies based on low-frequency data, whereas the distributional features of high-frequency data are even complicated, and thus the modeling of its dependence structure will rely more on the flexibility of Copula. Therefore, this project introduces the tool of Copula into the modeling of the non-linear dependence structures among high-frequency financial data, to solve those challenges in the existing empirical researches on High-Frequency Trading and Market Microstructure. By gradually expanding the research scope, this project provides a comprehensive analysis on the dependence structrues modeling for high-frequency financial data, including the dependece structures among intraday returns, among order flows, between order flows and returns, and among various market microstructure variables in a transaction process. Meanwhile, when the specification and estimation of Copula become problemtic due to the special features of high-frequncy financial data, this project will also try to make corresponding improvement in the methodology side. The research in this project has both theoritical and pratical implications, our research not only can provide direct investment suggestions for investors through constructing new high-frequency trading strategies, but also can show new directions for the design of institutional setup in China's financial markets through testing and improving the existing market microstructure theories.

Copula 工具在相关结构建模方面的优势已被以往基于低频数据的研究广泛验证，而金融高频数据的分布特征更为复杂，其相关结构建模更加需要借助Copula 的灵活性。因此，本项目研究将Copula 工具引入到金融高频数据间非线性相关结构建模中，以解决目前关于高频交易和市场微观结构实证研究中存在的挑战。本项目研究范畴逐步拓展，对金融高频数据序列间相关结构进行全面建模与分析，包括：日内短期收益率间、定单流间及定单流与收益率间、以及交易过程中所涉及的多个微观结构变量间非线性相关结构。同时，针对由金融高频数据特殊性导致而可能出现的Copula 设定与估计问题，进行相应的计量方法改进。本项目研究兼具理论与实践意义：即可以通过构建新的高频交易策略，为投资者提供直接的参考依据；又可以通过对现有市场微观结构理论进行检验与改进，为我国市场交易机制的设计提供新的思路。

相比低频数据，金融高频数据分布更为复杂但却包含更丰富的信息。本项目研究借助灵活的Copula函数对多个金融高频数据序列间相关结构进行全面建模与分析，考察其可能存在的非线性特征。通过深入挖掘高频数据所包含的海量信息，为市场微观结构理论研究和业界人员投资实践提供重要参考依据。具体研究成果如下：（1）股市日内高频收益率之间存在明显的非线性相关结构，基于Copula来捕捉这种非线性特征并制定相应的高频交易策略，能带来更高收益；（2）股市和债市间相关结构呈现为负向关系，因而可以通过债市来分散股市风险，但不同类型债券之间存在正向非线性相关结构，进入债市的投资者需合理控制风险； （3）定单流之间以及定单流与收益率之间同样存在一定的非线性相关结构，证实了定单流具有市场内的和跨市场的信息含量，而且也证实了股票市场中不同类型股票间存在着投资转移的行为；（4）借助Clayton Copula对个股与市场间相关结构建模并计算出其下尾相关性系数，该指标可以刻画极端下跌市场风险，并对股票收益具有线性Beta及传统定价因素之外的解释作用，有潜力成为一种新的定价因子；（5）基于Copula的结构变化点检验显示，沪港通政策实施前后，上海股市和香港股市间相关结构并无明显改变，其相关结构仅在2007年金融危机和2010年股指期货推出前后有显著改变；（6）发现了一种边际分布设定模型，预测性回归。基于股票收益预测和保费收入预测的研究均显示，该方法能够有效克服传统回归方法缺陷而广泛应用于金融研究领域；（7）Copula函数同样可以推广至操作风险度量领域，并就操作风险边际分布设定进行了理论研究。