中文摘要：

次贷危机后，金融市场间的极端风险溢出与非线性相依问题成为金融研究的热点，此研究的核心学术问题在于各市场收益率联合尾部的动态建模。本项目拟基于时变Copula方法分析市场间的极端风险溢出问题，时变Copula方法不但能有效刻画收益率间的非线性相依与联合尾部，而且能描述相依结构的动态变化。本项目首先针对极端风险溢出中的双重不对称现象（即正负收益率不对称与国别不对称），提出基于双线性演变方程与双门限演变方程的非线性时变参数Copula模型。其次是探索基于时变Copula方法的极端风险溢出指标ΔCoVaR的估计方法与技术，提高ΔCoVaR估计的计算效率与准确性。第三是研究时变Copula相依假设下的投资组合问题，以优化下边风险度量指标ES为目标，从单阶段、多阶段与Worst-case三个角度分析最优资产配置。最后利用时变Copula方法对中国大陆与国际主要金融市场间的极端风险溢出进行实证分析。

结论摘要：

项目提出基于形状约束的最小二乘支持向量机方法的非参Copula估计方法。最小二乘支持向量机回归使具有非线性拟合能力，形状约束使拟合函数满足Copula的三个基本条件grounded、marginal和2-increasing。此方法可极大提高二元Copula函数的拟合能力，实验结果表明此方法显著优于核平滑方法(kernel smooth)。 在系统性风险度量方面，项目提出基于时变参数Copula的CoVaR度量技术。它以动态参数Copula模型描述金融变量间的相依结构，以GARCH类模型描述各金融变量的边际分布，通过构建的联合分布计算△CoVaR。利用此方法对中国大陆与美国、香港的股票市场间的极端风险溢出实证结果表明，通过此方法计算的△CoVaR能同时反映时变波动性与时变相依性，可更灵敏准确地度量危机时的极端风险溢出。项目在研期间发表SCI检索国际期刊论文9篇(其中第一作者论文8篇)，接受SCI检索国际期刊论文1篇，CSSCI检索中文期刊论文1篇。项目成果发表于运筹学权威期刊European Journal of Operational Research与数据挖掘领域顶级期刊IEEE Transactions on Neural Networks and Learning Systems。