我国上证股市波动率关联传导网络分析

将增广因子模型和广义动态因子模型相结合,提出了增广广义动态因子模型,在此基础上用长期方差分解网络模型挖掘上证股市波动率关联传导网络.模拟实验结果表明,所提出的方法不仅能够较好处理维度灾难和股票数据的尖峰厚尾性问题,还能利用额外可观测信息提高模型参数估计的表现.利用本文的方法,根据2002年至2021年我国上证180指数所有成分股的日度收益率数据,构建了六个时期的上证股市波动率关联传导网络.实证发现:1)我国上证股市波动率关联传导网络的动态演化趋势明显,各时期处于网络中心位置的行业不尽相同,且各行业风险溢出水平也有动态调整;2)在大多数时期,金融和能源两个行业都处于网络的核心位置,并在风险传导路径中扮演着至关重要的角色,当前阶段信息技术和电信行业的重要性也明显提升.     

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。     

复杂网络视角下的我国股票之间信息溢出研究

理解股票市场内部股票间的信息溢出规律,对于股票定价、投资组合以及风险防范具有重要的意义。将传统计量经济方法与复杂网络的建模分析方法相结合,从复杂网络的视角出发,实证研究了我国股票市场内股票间的信息溢出关系及其影响因素、个股信息溢出能力分布及其影响因素。研究发现,股票间较长期收益的相互影响要强于较短期收益;股票收益率相关性较强的股票间存在更显著的信息溢出;市场因素显著增强了股票间的信息溢出效应;股票间的信息溢出效应会随着市场行情的上涨(下跌)而增强(减弱);股票的信息溢出能力呈现尖峰、厚右尾的分布;股票成交金额对个股的信息溢出能力具有显著的正向影响。最后,最小生成树能快速而准确有效地揭示股票间信息溢出规律。     

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.     

人民币汇率波动对我国行业风险影响研究

以2008年1月7日到2012年3月30日为样本数据,建立基于广义误差分布的GARCH模型.结果表明,行业指数收益率波动具有"长期记忆性"并且股市价格的波动呈现非对称性,即存在杠杆效应.改变了以往运用总体角度方法,以行业角度出发,同时引入了流动性风险这一控制因素,分析汇市与股市的关系,结论更具有现实意义.     

ARCH族模型对沪市行业指数收益率的实证研究

本文利用ARCH族模型研究沪市行业指数收益率的波动性.通过对各行业指数收益率的分析发现,行业指数收益率是平稳的,但其条件方差是尖峰厚尾的非正态分布且具有明显的ARCH效应.行业指数收益率均具有不同程度"杠杆"效应.外部信息对公用指数和综合指数收益率影响最大.融入相同的风险,它们收益最高.地产指数对外部信息反应迟钝,收益率也不显著.     

基于EASD风险准则的社交网络信息传播模型

本文通过可信性分布函数刻画信息传播中的风险性因素,并建立三种不同的社交网络信息传播风险模型。将可信性理论和绝对半偏差风险评价准则应用到社交网络信息传播问题中,进而考虑从信息传播流量期望值的两侧分别定义不同的风险评价指标来分析信息传播中的部分风险性因素。从数值算例的结果可以看出三种信息传播风险模型的最优值随着关键参数的整体变化波动比较小,最大的相对误差没有超过1.002%,这也充分说明在关键参数变化时,模型的最优值是比较稳定的。三种信息传播风险模型均考虑的是无向全连通社交网络问题,但对于部分有向非连通的实际社交网络,模型的实用性效果就会相对比较差。新模型不仅丰富了社交网络分析的研究方法,而且将可信性理论引入到社交网络信息传播风险问题中,提高了部分主观不确定性因素的处理效率。     

结构突变下投资者情绪与股市收益间的非线性溢出效应研究

为了深入挖掘投资者情绪与股市收益的非线性溢出效应,本文首先选取消费者信心指数、封闭式基金折价率、换手率、新增开户增长率、市盈率这五个变量作为情绪指数潜在变量,再通过R藤Copula得到各潜在变量的联合分布,进而构造出投资者情绪指数;然后运用ICSS模型对股票指数收益率的状态进行划分,将结构突变点作为虚拟变量纳入到经典的AR-EGARCH波动模型中刻画收益率序列;最后运用时变Copula函数对投资者情绪与股市收益率间的动态非线性溢出效应进行定量测度,以期揭示二者之间的内在规律。研究结果表明:投资者情绪与股市收益间确实存在溢出效应,从长期趋势分析,投资者情绪与股市收益率的相关系数为正,说明投资者情绪与市场收益率之间在长期表现为显著正相关,即投资者情绪对收益率有正向溢出效应,投资者情绪的高涨与悲观同收益率的升高与降低步调一致。然而从短期分析,相关系数的波动范围为0.2至0.35,说明在不同投资环境及市场背景下投资者情绪与市场收益率之间的相关程度并非一成不变,投资者情绪高涨时期,两者间溢出效应也随情绪指数升高,投资者情绪悲观时期两者间溢出效应也降低。     

股指极端波动下中国股市复杂网络结构及中心性分析

基于复杂网络理论,以2015年、2008年国内两次股灾为背景,分别构建股灾发生前、中、后的中国股市网络,通过度、度分布、平均路径长度等基本拓扑指标,分析中国股市网络特性及网络结构的变化,综合利用度中心性、介数中心性及接近度中心性,筛选出各时期网络中的核心股票、核心行业并分析其变化情况,基于网络特征向量中心性分析股市的系统性风险及变化情况,通过仿真实验分析股市网络的鲁棒性。研究表明:两次股灾背景下的中国股市复杂网络均具有小世界性和无标度性;与2008年国际金融危机相比,2015年国内股灾对中国股市的影响强度更大,且2015年中国股市对金融风险的弹性更大;股灾期间各行业版块具有明显的风险传染性,指出各行业板块对稳定股市、修复股指的作用;股指极端波动时,股灾的外生冲击会使股市的系统性风险加大,与2015年国内股灾时期相比,2008年国际金融危机时期的股市系统性风险更大;中国股市网络对随机攻击具有一定鲁棒性,但对蓄意攻击具有脆弱性,股灾的外生冲击会降低中国股市网络的鲁棒性。研究为把握股市极端波动风险下的市场结构特征、股市风险管理提供了参考。     

我国大类资产信息溢出机制研究——基于方差分解的网络拓扑分析

采用广义溢出指数法对2011年至2017年我国股票、期货及债券三个市场之间的信息溢出机制进行了研究,结果发现:股市对期市和债市均有收益率溢出影响,而股市和期市对债市均有波动率溢出影响;三个市场的整体溢出指数值偏低,表明我国不同资产市场之间的关联性相对来说较小;时变特征也表明股市大多数情况处于溢出状态,期市方向不明确,债市则大多数情况处于被溢出状态;对溢出值的非对称检验发现,正向波动比负向波动的溢出值更大,但是统计上并不显著。对2015年6月股灾前后三个市场的波动率溢出情况进行分析后发现,股市的极端风险更容易向期市传染,而债市相对更为稳定,不容易被极端风险感染。     

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。     

中国碳强度的影响因素解析——基于LMDI分解方法

基于1996-2009年我国碳强度分析,采用对数平均权重分解法(LMDI)进行因素分解.结果显示1996-2009年中国碳强度总体降低了2.9078吨/万元,其中能源强度效应最大,贡献率为85.64%,能源结构效应偏小,为26.78%,而产业结构效应表现出小幅正负波动,总体为-12.0975%,这说明能源结构效应和产业结构效应的潜力还没有充分发挥出来.因此,降低高耗能产业的能源强度是短期内降低碳强度的关键措施,但长远来看改善能源结构以及优化产业结构是降低碳强度的根本途径.     

要素成本上升背景下我国外贸的中长期趋势分析

本文在近年来广义要素成本上涨的背景下,利用HS98章商品2010-2014年的月度数据,对我国出口商品的国际市场竞争力进行中长期动态预测。文中选取显示性比较优势指数(RCA)作为表征贸易商品竞争力的度量指标,结合要素成本上涨的背景,利用马尔可夫链动态模型,对我国外贸的中长期趋势进行预测。研究发现:短期内在广义要素成本上升的背景下,第一产业的大部分商品及第二产业中纺织原料及纺织品受到较大冲击;从长期趋势来看,第一产业维持了稳定的比较优势,而对于第二产业其影响效应分化,纺织原料及纺织品、轻工业产品、陶瓷及玻璃制品的国际竞争优势呈明显下跌趋势,而矿产品、普通和精密机械、木制品和纸制品的国际市场竞争力并无明显变化,第二产业受到的长期影响要比短期更显著。     

基于ICA-SV模型的金融市场协同波动溢出分析及实证研究

对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的.已有的文献证明SV模型比GARCH模型能够更好地刻画金融市场的波动,使用SV模型研究两个金融市场间波动溢出的文献并不多见,而使用SV模型研究多个金融市场对一个金融市场协同波动溢出的文献则更为少见.本文以独立成分表示金融市场波动的协同指标,提出了独立成分SV模型(ICA-SV),并研究了多个金融市场对一个金融市场的协同波动溢出,实证结果验证了ICA-SV模型在分析金融市场协同波动溢出是可行的.     

国内外股市波动溢出效应——基于多元GARCH模型的实证研究

通过对多个股票市场间波动溢出效应的研究,可以了解波动风险在市场间的传导路径和方向,以及在股市因外部冲击动荡前做出短期预测。本文以美国、日本、香港和我国沪市作为研究对象,采用多元GARCH模型对国内外股市波动溢出关系进行了研究。结果表明:只有香港股市对沪市具有显著的波动溢出,美、日股市对沪市的波动溢出则不显著,但由于美、日股市波动均对香港股市具有传染效应,它们可以借助对香港股市波动的影响间接地引起我国沪市的波动。所以,对我国沪市外部波动风险的把握在短期上应主要关注香港股市波动,其次还必须关注日本和美国股市的波动,尤其是美国股市的波动。     

基于DAG-SEM模型的中美股票市场间信息溢出研究

以中美贸易战为背景,研究美国股票市场、中国A股市场与香港股票市场的动态溢出效应。运用DAG-SEM模型和信息指数模型的静态和动态分析法测度市场间波动率信息溢出的方向、强度以及动态变化过程。研究发现:在贸易战期间,美股、港股和A股之间的溢出强度均增加。中国内地股市与美国股市呈双向信息溢出,标普500指数与沪深300指数的“方向交替”多于道琼斯与沪深300指数。特别地,贸易战白热化阶段,即2018下半年至2019上半年,中国内地股市对香港股市的信息溢出强于美国股市,成为港股信息溢出的主要传导者。     

高频视角下中国股市动态VaR预测模型研究

如何充分挖掘交易数据中有价值的信息对金融风险管理极其重要,现有研究中基于低频波动模型的风险测度方法几乎已经做到了极致,而能达到的预测效果却并不稳健,对高频波动模型的研究相对比较匮乏。那么高频模型能否从高频数据中挖掘出更有价值的信息以便用于风险管理之中呢？本研究通过建立12个低频和9个高频波动模型对上证综指进行样本外动态VaR的滚动预测发现,高频模型相对于低频模型具有更好的稳定性,并且在多数情况下高频模型优于低频模型;多头与空头的风险预测效果具有显著差异,多头风险在高风险情况下高频模型表现出色,低风险情况下并不理想,空头风险则在所有情况下都表现较好。     

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。