次贷危机下中国股市与国外股市相依性分析——基于Markov机制转换模型

文章通过选取2004年1月1日到2009年6月30日中国、香港、日本、英国和澳大利亚五个股票市场日收盘价的道琼斯数据,采用三状态Markov机制转换模型研究这些股市间相依性结构的变化。通过对目标股市结构变化的研究,可以描述并预测股市的波动性,从而指导风险管理。实证分析表明,在有机制转换条件下,澳大利亚与英国、日本股市间的相依性比无机制转换条件下均有所下降,而中国与香港股市间相依性却大幅上升。同时,本文采用总体拟合效果法来选取合适的copula函数并运用基于copula理论的相关系数法进行对比研究,发现次贷危机后各股市间的尾部相依性出现不同的变化,市场收益率呈现下降趋势,波动性均有所增加。其中,澳大利亚与英国股市间的尾部相依性最强,而中国股市与其他股市之间的相依性较弱,说明受到影响的程度较小。     

基于Copula模型的尾部相依性长记忆效应研究

在已有动态Copula模型基础上,提出可同时描述尾部相依性的非对称和长记忆特征的Copula模型.基于沪深股市数据,首次从尾部相依性的角度检验了沪深股市的长记忆效应.研究发现,沪深两市在重大利好或利空消息冲击时的相关性(即尾部相依性)都具有长记忆效应,极端事件对尾部相依性的影响比对未来收益和波动的影响更加持久.而且,样本外分析结果表明,相比已有Copula模型,具有长记忆性的Copula模型能更准确地预测未来1周至1年的市场间相关性.     

基于时变t-Copula的次贷危机前后亚洲股市相关结构的比较分析

将时变t-Copula函数与GARCH模型结合起来刻画金融市场间的相关结构并用于亚洲股市作实证研究.结果表明,次贷危机加剧了亚洲股市的波动溢出效应,提示次贷危机是亚洲股市相关结构的一个结构性变点.     

c-D-Copula模型构建及其在金融风险传染中的应用

金融危机的频繁发生,使得国际金融传染的研究成为了一个重要的课题.文章在动态Copula模型的基础上,对其参数的动态演变方程进行推广,借鉴c-DCC模型的思想假定其截距项存在结构突变,构建了c-D-Copula模型.为了避免人为选择结构性变化时间,对c-D-Copula模型进行变点检测,由数据驱动自动选择断点.为了进行比较分析,同时给出了动态演变方程的参数全部变化的变结构全模型,并给出了相应的假设检验方法.文章选择美国标准普尔500指数和全球主要5个国家(地区)的股票指数的对数收益率进行实证研究,通过检验得出大多数情况下用c-D-Copula模型比变结构全模型更合适对数据进行描述.通过这5个国家或地区与美国之间联动性的动态变化,对美国次贷危机金融传染的存在性和变化过程进行了研究,变点时刻和下尾部相依系数的实证结果表明所分析的国家和地区都受到了美国次贷危机的传染.     

基于极端分位回归模型的原油股市动态相依关系研究

针对国际原油价格对股市波动影响效果,提出极端分位回归的模型检验方法.利用金融时间序列数据,通过加入结构突变,构建分位回归模型分析股票收益问题,根据中国等原油进出口国家股市收益进行实证分析,研究变量之间的相依关系.研究结果表明动态尾部相依普遍存在于国家股市中,国际原油对国家股市的冲击存在明显的异质性,原油可以较好的对冲风险投资.随着石油价格的波动,国家股票收益会因此受到影响,不同国家股市在不同分位点随着石油价格变化的波动出现异质性.     

基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究

考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.     

中国股市长记忆的修正R/S分析

本文在比较各种长记忆检验方法优缺点的基础上,采用修正的R/S分析检验我国沪深两股市日收益和日绝对收益序列的长记忆性。结果表明在0.05的显著水平下,两股市的日收益序列均无长记忆,但深圳成指日收益序列的记忆长度比上证综指日收益序列的记忆长度长;以日绝对收益序列为代表的波动序列具有较强的长记忆性。     

次贷危机后国际股票市场相关性变动的Copula分析

基于C opu la函数导出的尾部相关性,以四个国家的股票指数的对数收益率序列为研究对象,分析了次贷危机前后国际股票市的相关结构变动,结果表明次贷危机后国际股票市场尾部相关系数比危机前大,这说明次贷危机对国际股票市场的相关结构产生了重大影响,危机期间各国的股票市场联系更加紧密.     

基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应

基于Copula函数和极值理论研究美国次贷危机对重要经济体的传染效应,首先根据信息准则来选取Copula函数,然后用Cvm和Ks统计量来检验Copula函数的拟合程度,确保选取合适的Copula函数,并在此基础上计算一般相关系数和尾部相关系数;实证发现使用尾部相关系数度量金融传染并不可靠,因此基于Copula函数和极值理论的POT模型,构造了尾部附近相关系数并通过实证分析了其用于金融传染的有效性.结果表明发达国家所受传染较重,中国所受传染较轻.     

基于时变相关的金融风险传染效应的非参数方法研究

传染效应是监察、控制金融风险跨市场和地区传导的重要内容.在考虑金融市场波动相关系数的时变特征和非正态特征基础上,提出了一种基于DCC模型的动态相关系数传染效应的非参数检验方法.同时,利用方法实证检验了美国次贷危机对中国大陆、中国香港和英国股市的风险传染特征.结果表明,动态相关系数确实不服从正态分析,故结合Wilcoxon符号秩检验验证了美国股市对其余三个市场传染效应的存在性.     

金融风险在股票市场的传染效应及联动行为分析

近年来金融危机频发并表现出了易传染性,引起了众多学者的高度关注。以动态条件相关模型研究美欧股市与中、日、韩股市间的时变相关性,并结合内生多重结构突变模型划分危机传染阶段,选用溢出指数模型分析股市间的风险溢出特性;随后,定义股市间相互影响的联动模式并构建不同传染阶段的加权有向网络图分析股市间的联动行为。研究表明:美欧股市对中日韩股市有明显的传染效应,被传染的速度和持续时间均不相同;金融传染和风险溢出展现出一定的不一致性,危机期间日股的风险溢出效应强于美股;传染效应在联动网络中表现为联动模式的高聚类性和高联动性,相比欧债危机,次贷危机时期股市间展现出更强的联动行为;日股与美欧股市在两次危机中均表现出最强的联动性,其所受影响也最大。     

基于MRS-SJC-Copula模型对A股与港股的动态联动性研究

由于经济增长周期变化,导致不同股票市场存在高低状态转换的现象,在研究不同股票市场之间联动性的研究时,需要考虑股票波动均值和方差两种结构变化。基于具有马尔可夫状态转换的动态SJC-Copula,结合修正ICSS算法对我国内地股票市场和香港股票市场之间的联动性进行方差结构突变点的检验。实证结果表明:国内和香港股票市场之间存在非线性非对称的时变相依性,并持续存在高低两种不同状态的概率转换。股票指数由于动态联动受到负面消息的下跌幅度大于正面消息的变化幅度,且上下尾部均受上期信息的持续影响。“沪港通”、“深港通”、中美贸易战等因素使得其上下尾部发生结构突变,内地与香港股票市场的联动性增大和市场波动幅度趋强。     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

应用变系数分位点回归模型分析经济因素对全球股市风险的影响

全球股市与经济因素之间关系一直是金融领域的热点问题,当前已有研究大都基于线性回归模型分析经济因素对股市收益率均值的影响。本文则基于变系数分位点回归模型研究了全球主要股票市场指数的市场风险与影响因素之间随时间变化的相依关系,对英国、法国、德国、加拿大、巴西、日本以及中国等主要国家股市1997年10月到2014年12月的数据进行了实证研究。实证研究结果表明,S&P500指数、商品市场(石油价格,黄金价格)等经济因素对全球主要股市的风险(下分位点)产生较为显著的影响,并且上述影响随着近期金融危机的发生而有所变化。相比之下,美国经济政策的不确定性、美国股市不确定性变化等对所分析国家股票市场风险的影响不显著。     

基于时变SJC-Copula对商品期货市场间风险传染的探究

分别选取WIND商品指数和CRB指数作为衡量我国商品期货市场及国际商品期货市场综合价格的指标,利用时变SJC-Copula模型构建两者之间的动态相依结构,通过动态的尾部相关系数来探究我国商品期货市场与国际市场间的尾部相关性.实证结果表明,我国商品期货市场与国际市场间的上尾相关性要强于下尾相关性,即当商品期货价格上涨时,两个市场间更易发生风险传染.     

房地产产业链相依结构演化及其危机传染效应研究

以钢铁、有色金属、家用电器、房地产、建筑材料、建筑装饰、银行、非银金融和机械设备九大申万一级行业指数所代表的房地产产业链为研究对象,通过采用R-Vine Copula方法来刻画房地产产业链上行业间相依结构及其在2008年金融危机冲击下的结构演化特征.研究结果表明:房地产产业链上各行业间普遍存在对称、厚尾的相依结构,行业间相依性水平较高;机械设备业在整个房地产产业链上起到了枢纽中心的连接作用;金融危机的发生增强了房地产产业链的总体相依性水平,危机传染效应显著;与CVine Copula和D-Vine Copula方法相比,R-Vine Copula更适合来刻画我国房地产产业链的相依结构特征.     

中国股票市场的分形结构——股票收益长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARF IM A模型对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰和肥尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

基于股市高频数据的半参数估计方法

针对非参数方法研究国内股市长记忆性时结论参差不齐的现状,本文研究了更为稳健的半参数估计方法,即局部W h ittle(LW)估计和对数周期图(LP)回归。通过对不同频率高频数据的分析,证实了LW估计方法尽管需要数值最优化,但仍然要优于LP回归。进而将LW估计首次应用于中国股市,结果表明不同频率绝对收益序列的长记忆强度基本一致;同时发现,重大突发事件发生时的长记忆性表现得最为强烈,且事件后比事件前表现的要强烈,这说明股票市场的溢出效应在事件后增强,此项结论对我国证券市场有一定的借鉴意义。     

风格股票指数的随机动态相依性研究

准确刻画风格股票的联合分布,特别是它们之间的相依性,对基金公司等机构投资者进行资产配置和风险管理都有重要意义。根据已有文献,风格股票指数的相依性与流动性等来自市场的随机变量有关,那么这种动态相依性也可能是随机的。因此,本文在研究我国风格股指数相依性时,考虑了随机形式的动态相依性。文章在Hafner和Manner(2012)随机Copula模型中加入了换手率解释变量,实证分析我国风格股票指数间的相依结构,并从风险管理的角度讨论了随机相依性的经济意义。研究发现,大盘股和小盘股、成长型和价值型股票间的尾部相依性都表现出随机动态特征。考虑随机相依性的投资策略所得组合风险比Patton(2006)模型对应的投资策略低约0.30%-1.20%。对每天、每周或每月调整投资比例的中短期投资者而言,建议考虑风格指数的随机动态相依性。而且,短期投资者在大、小盘股票上投资时,还可以使用换手率信息预测未来1天两风格指数的相依性,以进一步降低组合风险。