中美股指间的动态相依结构及突变因素——基于时变Copula-ARMA-NAGARCH的分析

为了克服传统格兰杰因果检验等方法在研究股市相依结构时存在的不足,文章构建了时变Copula-ARMANAGARCH模型,研究了中美股指及中国主要股指间的动态相依结构及其突变影响因素。研究发现,中国主要股指间的动态相依关系存在显著差异,中美两国主板间和创业板间的联动关系密切,其相依结构具有显著的突变特征。其中,国际因素对中美股指间的相依结构具有正向影响,对国内股指的相依结构影响不显著;国内因素对国内股指相依结构的影响是正向的,对中美股指间的相依结构影响是负向的,中美两国股票市场表现为非对称的相依结构。

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.

新能源、化石能源和高科技公司股价动态相依结构研究

将我国新能源、化石能源和高科技产业纳入同一分析框架,采用因果关系检验、时变copula模型、滚动窗口R藤copula模型研究了三者股价动态相依结构,结果表明:新能源与高科技产业的联动性超过了能源产业内部的联动性,在投资者视角中新能源产业具备较强的高科技属性;新能源与高科技产业的联动性呈下降趋势;新能源与高科技产业的尾部相关系数波动较大,新能源产业的高科技属性对扶持政策的变动较为敏感;新能源产业对高科技产业有长期、稳定的引领作用,而高科技产业仅在特定时期是新能源产业的格兰杰原因,这对“新能源产业的兴衰很大程度依赖于特定科技的发展”这一传统观点提出了质疑。

汇改后汇市与沪深股市动态相依结构分析

本文首先运用超位相关系数和分位数相依系数考察汇改后人民币汇率市场与沪深股市尾部间的非对称关系,然后选取合适的Copula-AR-GJR-t模型研究汇改后人民币汇率与上证综指、深证成指之间的非线性动态相依性及可能存在的"杠杆效应"。研究结果表明,汇改后人民币汇率市场与沪深股市之间并不存在明显的非对称性,且人民币汇率市场和深市均存在一定的负杠杆效应。另外,人民币汇率市场与沪深股市之间存在负的相依性结构。

基于半参数Copula-ARMA-GARCH模型的能源业与银行业动态相依性研究

能源市场与银行市场的关系一般都是从宏观经济层面对两者做定性研究,而本文从微观金融层面出发,采用WIND二级行业数据中的能源业与银行业指数序列,运用半参数Copula-ARMA-GARCH建模,对两者相关性做定量研究。实证结果显示,能源业和银行业具有较大的、长期的动态相依性,而且能源业与银行业的下尾相关性要大于上尾相关性。对其相依关系做进一步研究发现时变性与能源行业的经济形势紧密相连,当行业繁荣时,两个序列相关性较大;当行业萧条时,两个序列相关性明显降低。此外,还得出了时变发生的"政策效应"和"雾霾效应"。由于效应不具有持久性,真正可以促进能源行业繁荣的是对能源行业进行转型升级,迎接"供给侧改革"的春风,使能源行业可以满足消费者的需求。

中美投资者情绪的动态相依性——基于Copula-DCC-GARCH模型和波动率指数的研究

投资者情绪在市场间的传染会加速金融风险的扩散,因此随着中国资本市场的逐步开放,研究投资者情绪传染对中国资本市场的影响越来越迫切。采用波动率指数作为中美投资者情绪的代理指标,并利用Copula-DCC-GARCH模型和结构变点检验方法,对2014年以来中美两国投资者情绪动态相依性的总体特征、结构特征、时变性及突变性进行全面考察,结果表明,总体而言,中美两国投资者情绪具有整体的正向动态相依性,其动态相关系数均值为0.2448,金融风险容易从美国向中国扩散,但是牛市或熊市下投资者情绪的传染没有明显的差异;中美投资者情绪的动态相依性具有时变性,并存在5个变点,这些特征与中国经济金融基本面因素相关,且除了一个区段动态相关系数均值略小于0之外,其他区段动态相关系数均值均远大于0,说明两国投资者情绪间具有很强的相关性。

汇率和利率的联动机制:基于Copula模型的动态相依结构视角

在当前我国利率市场化改革已基本完成,汇率的清洁浮动持续推进的情形下,研究汇率、利率政策的联动机制有助于考察货币政策传导机制的有效性。本文通过使用Copula模型和VAR模型,基于银行间7日同业拆借加权利率和人民币兑美元汇率中间价数据,对汇率和利率的静态和动态相依结构进行了分析。研究发现:汇率和利率呈现全时域对称负向相依的特征,即短期内利率的上升伴随着人民币的升值。2010年7月增强汇率弹性和2013年完全放开对贷款利率管制的措施使得二者的联动机制有所增强,但变动幅度不大。极端事件下,中国汇率和利率的相依结构会出现反转。脉冲响应分析印证了利率平价理论对当期汇率和预期汇率的相反影响,并且利率冲击对二者相依关系的影响更大。汇率冲击则不会对二者的联动机制产生反转影响,保持了稳定的负向。

基于贝叶斯Wishart波动模型的原油市场与股市动态相依性研究

针对时变相关系数矩阵在多变量随机波动模型的估计问题,构建了贝叶斯动态相关Wishart波动模型。在CC-MSV模型的基础上,设置精度矩阵服从Wishart分布,使得模型的相关系数矩阵具有时变特征。通过模型的统计结构分析,选择参数先验分布,设计相应的Gibbs-MTM-ARMS混合算法,据此估计模型参数;并利用上证综合指数、标普500指数与原油期货价格数据进行实证分析。研究结果表明:模型能够有效地刻画原油市场与股票市场的动态相依性;金融危机期间,股票市场与原油市场的相关性较强,并且难以判断正负方向;金融危机后,中国股票市场与原油市场呈现极微弱的相关性,而美国股票市场与原油市场的正相关性较为明显。

国际碳排放权市场动态相依性分析及风险测度:基于Copula-GARCH模型

选取2009年3月13日-2010年8月4日的CER和EUA交易价格数据,借用CopulaGARCH模型,文章对欧洲气候交易所EUA和CER现货市场与期货市场之间的动态相依性进行了分析。分别选取Student-t DCC、Student-t TVC、Gaussian DCC、G3,ussian TVC和SJCPatton五种动态Copula函数来捕捉市场之间的动态相依性结构,研究表明Student-t DCC动态Copula函数能够更好地描述EUA和CER现货市场与期货市场之间的动态相依性。此外,EUA和CER各市场之间存在较强的对称尾部相依性,而非对称尾部相依性的证据尚不十分充足.进一步地,文章基于动态相依性分析运用Monte Carlo方法模拟国际碳排放权市场投资组合的风险VaR。

基于SJC Copula模型的银行业与房地产业动态相依性及其结构突变

引入SJC Copula模型来刻画中国房地产业与银行业在2000~2013年的的动态相依性,并进一步分析这种动态相依性的结构突变特征。研究结果表明:SJC Copula函数相比常见的其他Copula函数能更好地刻画房地产和银行业之间的动态相依结构;房地产业与银行业之间存在具有显著持续性的上(下)尾相依性,而且随着收益率的变化而呈现出非对称和非线性变化特征,主要表现为随着收益率的上升,条件上尾(下尾)相关系数将减小,但上尾相依性系数的下降幅度比下尾相依性系数要大,这说明房地产业和银行业之间的相依性的变化显著依赖于过去的收益的变化并且存在反向关系。房地产业与银行业之间的上(下)尾时变相关系数均具有"自相关、有偏、ARCH效应"的非正态分布特征,而且存在多个结构突变点;这些突变点发生日期附近往往伴绥着我国重大房地产金融调控政策的出台,具有明显的政策效应,但不具有持久性。

中国房地产业与金融业动态相依性及结构突变特征研究

采用中国房地产业和金融业在2000-2012年期间的行业指数收益率数据,引入动态Copula函数对两个行业之间的动态相依结构进行研究,结果表明:SJC Copula函数相比常见的其他Copula函数能更好地刻画中国房地产和金融业之间的动态相依结构;房地产业和金融业之间的相依性缺乏持续性,随着收益率的变化而呈现出非对称性变化,主要表现为随着收益率的上升,条件上尾(下尾)相关系数将减小,但上尾相依性系数的下降幅度比下尾相依性系数要大,这说明房地产业和金融业之间的相依性的变化显著依赖于过去的收益的变化并且存在反向关系,过去收益的波动越大,两者之间的关系越密切,反之亦然。房地产业与金融业之间的上(下)尾时变相关存在多个结构突变点,而且这些突变点发生日期附近往往伴随着影响这两个行业的重大政策的出台或意味着股市走势拐点的发生。

国际碳期货市场间动态尾部相依及风险研究

EUA和CER已成为碳期货市场最重要的两种交易商品,文章基于BP检验将2008—2017年两资产连续期货数据分为三时期;通过VAR模型,以线性、非线性格兰杰检验和脉冲响应及方差分解方法研究两者的因果关系;进而运用GARCH-Copula分析各时期动态相依结构;基于Copula函数,结合蒙特卡罗方法计算EUA资产及投资组合的风险值。结果表明:(1)各时期两者间均存在单向或双向的先导关系,且联动性逐渐降低;(2)EUA序列用ARMA-GARCH-t模型拟合较好,而CER的非对称波动更倾向于ARMA-GJRGARCH-N模型;(3)三时期最优连接函数分别为t-Copula、Gumbel Copula和时变RG Copula,且尾部相关系数依次减小;(4)投资组合风险显著低于单个EUA资产风险,且风险降低比例较大。这些结论为以碳期货为投资主体的投资组合策略提供了决策依据。

国际股市间动态相依性及高阶矩风险溢出效应研究

基于DECO-FIAPARCH和cADCC-FIAPARCH模型从全局视角及两两股市层面刻画国际股市间的相依结构,并首次将GARCHSK高阶矩波动模型与Connectedness方法相结合,量化国际股市间的高阶矩风险溢出效应.实证结果表明:国际股市间的动态等相关性具备显著的时变性,且易受到重大危机事件的冲击而增强.总体而言,欧美股市间的相关性高于亚洲股市,中国大陆与中国香港、日本、印度以及东南亚股市的相关性较高,而与欧美(美国、加拿大、法国、德国、阿根廷、希腊)股市的相关性较低.国际股市间的高阶矩风险溢出效应较为显著,且美国、墨西哥、加拿大和英国(日本、菲律宾、泰国、土耳其、中国香港)股市是最主要的高阶矩风险净溢出者(净接受者),重大国际危机事件会强化高阶矩风险溢出效应,中国香港股市既是中国大陆的风险传染源之一,同时也是大陆股市与国际股市间风险溢出的重要传播媒介.构建包含中国大陆股市与其余股市的投资组合可以显著降低原始投资组合的风险,最优权重投资组合较等权重投资组合具备更高的风险管理有效性.

一类相依网络的动态聚类分析

动态复杂网络因广泛应用于群体生态学、社会生态学、生物学和因特网等领域而成为研究的热门问题之一,聚类分析是提取网络结构的常用工具.以往关于网络聚类的文献大多基于某种特定的条件独立假设.本文我们结合了随机区组模型,隐马尔科夫链和自回归模型给出了一个新模型来放宽这个假设,并给出了相应的统计推断和VEM算法.蒙特卡洛模拟表现良好,表明了我们的方法的一致性和稳健性.

基于动态因子Copula模型的收益率波动相依性分析

金融市场作为风险研究的对象,需要构建联合分布来分析其变量间的相依性变化。针对高维变量联合建模带来的“维数灾难”,动态因子Copula模型能有效处理金融数据的不对称性、厚尾性和动态相依性,解决参数估计问题。以2008年1月至2020年12月22个金融机构股票收益率为研究对象进行实证分析,研究结果表明:银行业与其他金融机构的相依性普遍更强,兴业银行受公共因子的影响最大,因子载荷均值为1.7973;保险业与其他金融机构相依性偏低,中国太保受公共因子影响最小,因子载荷均值为1.2013;证券业居中。

金砖国家股市相依结构研究——基于藤Copula-GARCH方法

在藤Copula理论研究框架下,本文构建Pair Copula-GARCH类模型,并分别采用C藤和D藤结构分解下的t-Copula、Clayton Copula和SJC Copula函数来研究金砖国家股票市场之间的动态相依性结构以及波动溢出效应。研究发现,D藤分解模式下的t-Copula模型更适合描述金砖国家股票市场的数据。研究还表明,巴西和印度、俄罗斯和南非股市间存在很强的波动溢出效应,而巴西和南非股市间则最弱。另外,在D藤结构下,巴西和南非市场出现极值的可能性最小,而巴西和印度市场出现极值的可能性则最大。

中国碳市场与资本市场的风险溢出效应探究

随着“双碳”目标的提出,碳排放权逐渐受到投资者和监管者的广泛关注。本文从双向风险角度出发,对近年碳市场与资本市场的动态相依关系和风险溢出效应进行研究。研究发现:碳市场与资本市场存在一定的时变正相依关系,但在长期内无显著波动趋势;碳市场的波动及风险高于资本市场;碳市与股市存在双向的强极端风险溢出,与债市存在双向的弱极端风险溢出。

基于时变Copula方法的流动性与收益的非线性动态关系研究

现有关于流动性溢价的研究多隐含假定流动性和收益存在线性关系,且假定流动性对收益的影响关系保持不变。文章放松这两个假设条件,运用时变Copula方法、研究了流动性与收益的非线性动态关系。实证结果表明,A股的收益和流动性的尾部相关性存在非对称性,且具有动态性。上尾的相关系数大于下尾的相关系数,意味着收益和流动性同时大幅增加的概率很大,但同时降低的概率则几乎为零。

对我国汇率制度改革后的货币供应量、汇率和利率动态的实证考量

文章选用2005年汇改后的最新数据,实证发现:凭借简单ARMA模型不足以解释货币供应量和利率的动态行为。同时,货币供应量、汇率和利率三者之间没有长期均衡的协整关系。汇率对利率有负的反应,自汇改以来,汇率弹性得到改善。相比之下,汇率对利率有正效应,在利率非市场化条件下,利率对汇率的反应不够灵敏。滞后一期的货币供应量对汇率和利率有显著影响,但随着时间的推移,效应大大减弱。最后,我国的货币供应量受对外经济的影响较大,而受对内经济的影响较小。

我国金融行业间风险相依性研究——基于隐马尔科夫混合Copula模型

基于GAS边缘分布模型,将混合Copula嵌套于隐马尔科夫模型框架中,构建高维动态混合Copula模型,实证研究了我国金融行业中的银行、保险、证券和信托4个子行业间的动态相依性与最优动态路径,并对金融四大子行业间的尾部情况进行了分析。研究结果显示:基于隐马尔科夫混合Copula模型优于3个单一Copula模型和混合Copula模型,它能较好地描述金融行业间的动态相依性和动态转换路径;还能通过高相依状态来有效地捕捉加剧金融行业风险传染的重大事件;两状态的尾部相关系数显示,金融行业高状态时更易发生尾部风险,发生风险时,银行业和保险业对彼此冲击最敏感,且更易受到对方冲击的影响。