基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-CoVaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的CoVaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-CoVaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的CoVaR测度存在被高估的可能。     

基于GAS t-Copula模型的金融市场非对称风险溢出效应测度研究

准确测度金融风险溢出效应对于金融风险管理和构建投资组合具有重要意义,而金融市场之间的非线性及动态相关结构一直是风险溢出效应研究中的难点问题之一。本文通过引入GAS t-copula模型与CoVaR方法,结合能够刻画重要典型事实特征的边缘分布模型,构建了金融市场间的风险溢出效应测度模型,以中国内地等五个股市为研究对象,测度美国股市对中国内地等四个重要股市的风险溢出效应,以检验模型的可靠性与准确性。实证结果表明:中国内地等四个股市与美国股市之间呈现出显著为正且时变相关结构,随着金融危机的爆发,相关系数逐渐增加达到最大值;中国内地等四个股市受到美国股市的风险溢出效应呈现出非对称特征,即下跌风险溢出效应强度显著大于上涨风险溢出效应;中国内地股市受到的金融风险溢出效应显著小于香港、日本以及英国股市。     

经济政策不确定性对“中-美”股市、“中国股市-黄金市场”的长期动态相关性影响研究———基于DCC-MIDAS模型

研究聚焦在中国经济政策不确定性对“中-美”股市、“中国股市-黄金市场”的长期动态相关性影响方面。引入Baker提出的用于衡量经济政策不确定性的EPU指数建立修正版DCC-MIDAS模型,基于该模型的实证结果如下:其一,中国经济政策不确定性指数变动对 “中-美”股市的长期相关性具有显著的正向影响;其二,中国经济政策不确定性指数变化对“中国股市—黄金市场”的长期相关性具有显著的负向影响,当经济政策不确定性较高时,投资者会倾向于选择相对安全的黄金资产,这恰恰符合“安全投资转移”效应。除此之外,作为应用案例,比较了美股股指期货和黄金期货的风险对冲效果,结果显示美股期货对冲更优。     

核心城市房地产市场的联动和溢出特征研究——基于中国“北上广深”样本的经验考察

本文基于房价长期趋势和短期波动层面,基于HP滤波法分离北京、上海、广州和深圳四大一线城市的房价,采用有向无环图和信息溢出指数方法剖析了核心城市房价之间的同期联动效应和信息溢出效应,并结合滚动窗口估计法分析了信息溢出对外部信息和调控政策的反应程度。结果显示:一线城市房价之间有紧密的联系程度和较高的信息溢出规模。在同期联动效应上,深圳房价趋势的对外联动效应最明显,北京房价趋势在同期最易受其它城市影响;上海房价波动存在较强的对外联动效应,深圳房价波动受其它一线城市的波动冲击较迅速。在信息溢出效应上,深圳房价趋势有引领作用,对外溢出效应最强;上海房价波动处于引导地位,中长期对其它市场影响最大。核心城市房价趋势之间的溢出指数随着利好政策信息的出现而上升,随着限制政策等不利信息的出现而下降。核心城市房价波动之间的溢出效应对于外部信息反应更为灵敏,国家对房地产市场的调控政策增大核心城市房价波动的信息溢出规模。     

中国股市行业间高阶矩风险溢出效应研究

已有的股市溢出效应研究多集中于均值及波动溢出效应层面,而鲜有研究探讨股市行业间的高阶矩风险溢出效应.针对已有研究存在的不足之处,文章基于高阶矩GARCHSK模型以及Diebold和Yilmaz (2014)提出的Connectedness方法,研究了中国股市行业间的均值、波动、偏度和峰度溢出效应.实证结果表明:中国股市行业间不仅存在着较强的均值及波动层面的溢出效应,高阶矩风险溢出效应同样显著;工业、材料和可选消费行业是中国股市的系统重要性行业,扮演主要的风险净溢出者角色,而电信服务、能源及金融行业是主要的风险净接受者;股市行业间高阶矩风险溢出效应具有显著的时变特征,且容易受到国内外重大事件的影响;重大危机事件往往会引起股市行业间的风险溢出效应的增强,且金融危机期间的风险溢出效应显著强于危机前和危机后;股市行业间动态风险溢出效应在牛市中倾向于减弱,而在熊市中则倾向于增强.文章的研究成果不仅丰富和完善了股市风险溢出效应的研究框架,而且可以为现实中投资者和监管部门进行投资组合及风险管理实践提供有力的决策考量依据.     

政治风险的跨国动态溢出效应——基于溢出指数模型的实证研究

本研究运用Diebold和Yilmaz提出的溢出指数模型，计算了全球22个主要经济体1984～2020年的总体和方向性政治风险溢出效应，并重点剖析了中国与其他国家的政治风险关联结构。研究结果表明：政治风险通过政治、经济、社会、文化等直接和间接联系进行跨国传播，平均总溢出指数为45.16%;政治风险溢出强度在金融危机和恐怖袭击等全球重大经济和政治事件期间显著升高，主要国家的边际净溢出指数和边际总溢出指数大幅增加；各国的政治风险溢出指数比溢入指数波动幅度更大，而发展中国家的溢出和溢入水平均略高于发达国家；中国政治风险的溢出和溢入效应均排名靠后，但在其加入WTO之后以及全球金融危机期间出现波动高峰；在所有国家中，澳大利亚、印度、日本与中国有着较强的政治风险双向溢出关系，南非受到中国政治风险较大的溢出影响，而瑞士、阿根廷和西班牙是中国政治风险的较大输入性来源。     

迎难而上或静待时机：经济政策不确定性对能源企业的投资决策分析

本文以2007～2019年中国能源企业数据为样本，探讨经济政策不确定性对能源企业实体投资与虚拟投资的影响，并进一步检验实体投资成本与虚拟投资收益的中介效应。研究发现：经济政策不确定性对能源企业实体投资具有负向效应，对虚拟投资则为促进作用。同时，验证了实体投资成本与虚拟投资收益的中介效应，并进行了稳健性检验。研究丰富了经济政策不确定性与能源企业投资的理论，同时也为能源企业应对外界高不确定性冲击提供了参考。     

我国金融市场间联动效应研究——基于混频Copula模型北大核心CSCD

目前关于风险联动效应的研究主要是基于微观高频或宏观低频数据进行的,仅采用高频或者低频数据进行分析未能准确刻画市场间的风险联动效应.针对已有研究的不足,充分利用微观高频和宏观低频数据信息,借鉴混频思想,将混频Copula模型与CoVaR模型相结合以研究我国股票市场、金融期货市场、大宗商品期货市场、债券市场以及外汇市场间的风险联动效应.结果表明:GARCH-MIDAS-LI-偏t模型效果最优;金融市场间的相依结构具有时变性和非对称性;金融市场间存在着显著的双向风险溢出,风险溢出均为正值且存在非对称性;股市和期市是风险净溢出者,而大宗商品期市、债市以汇市是风险净接受者.此研究对于投资者的投资决策、监管者的监测风险都具有一定的理论意义和现实意义.     

我国金融市场间联动效应研究——基于混频Copula模型

目前关于风险联动效应的研究主要是基于微观高频或宏观低频数据进行的,仅采用高频或者低频数据进行分析未能准确刻画市场间的风险联动效应.针对已有研究的不足,充分利用微观高频和宏观低频数据信息,借鉴混频思想,将混频Copula模型与CoVaR模型相结合以研究我国股票市场、金融期货市场、大宗商品期货市场、债券市场以及外汇市场间的风险联动效应.结果表明:GARCH-MIDAS-LI-偏t模型效果最优;金融市场间的相依结构具有时变性和非对称性;金融市场间存在着显著的双向风险溢出,风险溢出均为正值且存在非对称性;股市和期市是风险净溢出者,而大宗商品期市、债市以汇市是风险净接受者.此研究对于投资者的投资决策、监管者的监测风险都具有一定的理论意义和现实意义.     

股灾背景下中美股市风险溢出的结构转换研究

选取中美股票市场的上证综指、恒生指数和标普500指数作为研究对象进行风险溢出效应研究,结果表明,总体而言上海市场与香港市场之间双向风险溢出效应最为显著,香港市场和美国市场次之,而上海市场与美国市场之间的双向风险溢出效应最不显著;从风险溢出方向与强度方面分析,无论牛熊市,香港市场对上海市场在极端风险时刻的风险溢出要显著强于上海市场对香港市场的溢出,而香港市场与美国市场之间在牛市行情下双向风险溢出效应相对均衡,在熊市行情下香港对美国的风险溢出相对更大,与常理不一致的结果是上海市场在牛市期间对香港市场的风险溢出效应要大于熊市,围绕这一点进一步采用Chi-plot相关图进行分析表明中国市场还未达到“中国打喷嚏,世界经济感冒”的状态;从风险溢出效应的动态趋势分析看出两个牛市阶段各市场的风险溢出呈现不同特征。美国市场对中国市场的风险溢出效应总体平稳,而中国市场对美国市场的风险溢出效应存在一定差异,在低分位数水平相差较大,随分位数水平提高两个牛市阶段的风险溢出趋于一致。但上海市场对香港市场的风险溢出随时间变化在牛市阶段逐步增强,而香港市场对上海市场的风险溢出则逐渐下降。     

中国股票市场行业间波动溢出非对称效应研究——基于“好的波动”和“坏的波动”分析

选取上证系列行业指数的五分钟数据, 基于广义预测误差方差分解方法构建了波动溢出指数和波动溢出非对称指数(SAM), 研究了10个行业间波动溢出的时变性和非对称性。结果表明, 股票市场各行业间波动溢出存在显著的非对称性和时变性, 多数时期“坏的波动”下的溢出效应占据主导地位。静态分析显示, 股票市场各行业间具有高的波动溢出效应, 可选消费行业是市场波动的最重要来源;动态分析显示, 原材料、工业、可选消费业是波动溢出的净输出者, 金融地产业是净输入者, 电信业务、公用事业和医药卫生等行业对利空消息的传递更为明显, 可选消费行业对利好消息的传递更为有效。纳入标普500指数前后各行业溢出贡献度的对比表明研究结论具有稳健性。     

经济政策不确定性与数字货币市场波动影响研究——基于比特币市场的实证分析

本文运用混频模型(GARCH-MIDAS)实证研究了全球和7个国家的经济政策不确定性指标(EPU)对比特币市场的波动率影响。样本内结果表明,全球和七个国家的EPU指数对未来比特币市场波动率有显著的影响,EPU在样本内能提升比特币波动率的预测效果,且美国和澳大利亚的EPU与比特币市场波动率呈正相关,其余EPU与之呈负相关。然后运用模型置信集合(MCS)样本外检验发现,美国经济政策不确定性指标相比其他EPU指标更能提高对比特币市场波动率的预测精度。进一步指出,了解全球以及七国经济政策不确定性对数字货币市场的影响,有助于监管机构和政策制定者判断数字货币市场的未来走向,从而防范数字货币市场引发的金融风险。     

基于广义CoES方法的金融业与房地产业风险溢出研究

为了克服广义CoVaR只能衡量单一尾部概率下条件风险的局限性,本文提出一种新的风险溢出测度——广义CoES方法,并基于Archimedean Copula函数给出了广义CoES的计算公式。利用该方法对我国金融业与房地产业风险溢出研究的实证结果表明:广义CoVaR相比于广义CoES低估了金融业与房地产业自身的条件风险;两个行业之间存在动态的、非对称的双向风险溢出,房地产业对金融业的平均风险溢出强度为69.71%,而金融业对房地产业的平均风险溢出强度为65.38%;房地产业对金融业的净风险溢出呈现出顺周期性,即当房地产价格低迷时净风险溢出程度较弱,而当房地产价格走高时净风险溢出程度也随之增强。     

银行间与交易所国债市场的信息溢出效应研究

用VAR模型的预测误差方差分解方法和格兰杰因果检验方法研究中国银行间和交易所国债市场信息溢出效应的方向、水平和动态趋势及其原因。研究表明:银行间和交易所国债市场之间收益与波动溢出效应均呈现上升动态特征;在收益溢出效应中银行间是国债市场信息传导者,在波动溢出效应中交易所是国债市场信息传导者;利率变化和市场流动性显著负向影响收益总溢出和波动总溢出。     

我国股指期货与现货市场的波动溢出效应研究——基于HAR-CAW模型

沪深300股指期货与现货波动溢出问题的研究对于风险管理具有重要的理论和现实意义。本文旨在基于高频数据,利用异质金融市场驱动的HAR-CAW模型研究我国股指期货和现货市场之间及其自身的短期、中期和长期波动溢出问题。研究结果表明,沪深300股指期货与现货市场之间整体上存在着双向波动溢出效应,但是溢出效应不对称,期货对现货的溢出效应占主导地位;在相互间各期溢出研究上,两市场间的各期溢出表现各不相同;在自身溢出效应上,各期整体而言现货市场存在溢出,而期货市场不存在。     

时变视角下有色金属市场金融化的行业影响效应研究

本文采用2006年8月至2016年12月的月度数据,选择具有代表性的上中下游行业构建SVAR模型,并将有色金属价格波动的结构性冲击分解为供给冲击、经济总需求冲击、金融投机冲击及预防性需求冲击,实证考察有色金属市场金融化的行业影响效应及相对重要性,在此基础上,进一步利用TVP-SVAR-SV模型,考察金融化对有色金属产业链各环节产出影响的时变性及结构性变化。结果发现:随着有色金属市场金融化的日益深化,其带来的有色金属价格波动会抑制有色金属产业链产出,且在不同有色金属品种中,由于金融化程度的差异,其抑制效应具有差异性;此外,金融化带来的有色金属价格波动对有色金属产业链产出的影响呈现显著的时变性特征,并在不同时间尺度与不同时点的影响程度与持续时间存在明显的差异性,国际金融危机在一定程度上增强了有色金属市场金融化对有色金属行业产出的抑制效应。     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。