研究一篇论文做了什么（随便看的）

看了下主要文章提到的一些方法：

1.矢量自回归模型

使用矢量自回归模型研究了英国、美国、加拿大、澳大利亚、荷兰和爱尔兰的总收入、利率和股票价格对房价的影响。使用矢量自回归模型研究了英国、美国、加拿大、澳大利亚、荷兰和爱尔兰的总收入、利率和股票价格对房价的影响。（就是用了相关性系数具体哪种文章没有说明，而根据我数学建模的经验相关性系数大体上根据数学家和经济学家提出的有接近100种可能用的就是这个回归方程的某个相关系数？）

同时有翻阅一些文献的结论比如当地的研究什么的

2.利用非线性技术，特别是非参数协整，建立了一个长期的关系。此外，他们利用非参数格兰杰因果关系检验发现了两个市场之间的双向因果关系的证据。

巴拉巴拉的讲了很多种方法（没见过玄乎的）来进行讨论影响因素与变量的线性性质和非线性性质

3. Copula Functions（联系函数）可能得需要一点点概率论的知识去理解

为了检验股票和住房市场之间的依赖结构，我们试图用联结理论对它们的条件联合分布进行建模。连接函数是多元累积分布函数，其边缘遵循从0到1的均匀分布。利用Sklar（1959）定理，可以将联合概率密度分解为边际密度和连接密度的乘积，从而可以分别建模单变量动力学，然后应用连接函数构造有效的联合分布。这使我们能够通过实证调查这两个市场之间的关系是否表现出非线性特征，包括分布的左右尾不同程度的依赖。

大致上就是基于某个论文的模型上加一下创新点（和数学建模一样复合模型，似乎很多本科研究生写的sci就是在前人的基础上进行一点点小创新（bushi），或者a+b模型能否在特定的条件下比单独的a，b好，后面的数据实验显示就是这样的思路体系）

4. Models for Marginals边际模型

和上面同理的建模思路

我觉得我们需要关注的一些方向，以及先前没考虑的

Key：房地产指数（由房地产股票投资组合构成）

一些重要的房地产和股票之间联系的指数系数我觉得是需要去特定了解方便我们把抽象的问题结合数据量化

越来越多的文献表明，每个区域住房市场的特征都存在着重要的差异。

       可想而知分区域性的讨论是有一定必要的

鉴于伦敦房价往往是英国最高的，不仅受到国内影响，还受到全球经济状况的影响。

       一线城市可能还得考虑全球化

文章的研究结果主要就是

       我们的研究为英国住房和股票市场之间的依赖结构提供了一些新的见解。先前基于线性模型的研究表明，这两个市场之间存在正相关关系（萨顿2002；艾希霍尔兹和哈策尔1996）；我们的研究结果表明，当两个市场经历大幅低迷时，这种正相关性更强。我们的研究结果与Knight等人（2005）一致，在他们不断关联的研究中报告了英国房地产证券和总股票市场之间的左尾依赖更强。此外，我们的论文表明，股票和英国国家住房市场之间的依赖性是不对称的和时变的，使用一个恒定的连接可以显著低估尾部风险。

建立好模型调试完代码就可以跑数据然后根据跑出来的数据进行分析啦

总的来说这篇思路和美赛可能很像就是先提出背景，各个模型分别讨论，再分析跑数据

发现了个很有意思的东西：