《表4 Copula参数估计结果及检验》

  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

《中国房地产业与银行业动态相关性及风险溢出性——基于GPD-Copula-CoVaR模型的实证研究》

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

注:由于T-Copula自由度非整数，对其参数采用White信息矩阵进行GOF检验

在得到边缘分布后，通过选取最优的Copula函数来测度房地产与银行业的相关性。为此，本文估计了包含Elliptic Copula、Archimedean Copula函数及双参数Copula函数在内的共10个Copula函数，通过比较Carmer von Mises统计量（Cv M）和AIC信息准则等拟合优度进行判定。Copula函数的参数估计及相关检验如表4所示，由表4可知，BB1 Copula函数的AIC值最小，T-Copula的AIC值与之相差甚微，且两个函数的参数都通过了相关检验。而Gauss Copula函数虽然了Cv M通过检验，但AIC值比T Copula和BB1 Copula函数大，其他Copula函数则没有通过检验，说明T Copula与BB1Copula模型都能较好地拟合房地产与银行的相关性。将Copula函数的估计参数转换为一致性Kendall秩相关进行比较，发现房地产与银行的秩相关在0.46左右，说明房地产与银行相关性较高。BB1 Copula测度的上尾相关系数为0.37，下尾相关系数为0.44，说明房地产与银行的尾部相关性具有非对称性，下尾相关系数大于上尾相关系数，即一个市场在发生危机时传染到另一个市场的概率较高（4）。