《表3 GPD拟合的参数估计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于R-vine Copula的金融市场系统性风险测度》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

参考Nguyen和Bhatti[15]的方法，文章分别采用广义Pareto分布（GPD）以及高斯平滑概率密度函数（Guassian kernel）进一步对初步获得的标准化残差序列进行拟合区分为上尾部、中部和下尾部，以期改善边缘分布对厚尾特征的拟合能力，同时实现对边缘分布尾部极值风险的度量与判断。文章利用极大似然法对参数进行估计，同时将上尾部分与下尾部分的阈值分别设定为10%及90%分位数。表3为GPD拟合的参数估计结果。根据表3中的数据结果可以看出，各股票市场均在尾部表现出了一定程度的“厚尾特性”，特别是下尾区域，位置参数均显著大于0，“厚尾特性”也就更加明显。同时，利用高斯平滑概率密度函数对中间部分进行估计，效果较好。