国际大宗商品市场对中国金融市场的风险溢出效应研究——基于冲击规模和好坏波动的非对称性分析

近年来,国内外金融市场间的联动和风险传染日益增强,国际大宗商品价格波动对我国金融体系产生愈发显著的影响,尤其是在极端风险事件冲击下,风险溢出效应及其非对称性更加显著。文章选取四种代表性国际大宗商品市场,通过计算已实现半方差将其波动率分解为好波动和坏波动以区分由资产价格上涨和下跌带来的波动,进而采用基于条件分位数的溢出指数方法,研究了国际大宗商品价格波动对中国金融市场的风险溢出效应及其非对称性特征。结果表明:第一,国际大宗商品价格波动对中国金融市场具有显著的风险溢出效应,且在不同冲击方向和冲击规模下表现出明显的非对称性,正常状态下的风险溢出主要由坏波动驱动,而极端状态下主要由好波动驱动;第二,极端状态与正常状态下的风险溢出走势存在较大的差异,极端状态下风险溢出水平远高于正常状态;第三,方向性溢出在总波动、好坏波动上具有明显的非对称性,且与国际金融危机、突发公共卫生事件等极端经济金融事件密切相关。新冠肺炎疫情发生之后,工业金属市场的好坏波动对我国金融市场的风险溢出显著增强,外汇市场接收的溢出最为显著。研究结论对我国防范国际大宗商品市场风险溢出,维护金融市场平稳运行具有一定政策启示。

基于跳跃、好坏波动率的混频已实现EGARCH模型的波动率预测与风险度量

为探究资产价格的跳跃行为和收益波动的非对称效应对波动率预测的影响,以高频数据建模为视角,基于跳跃、好坏波动率将Realized EGARCH-MIDAS模型进行拓展,以提升模型的波动率预测能力与风险度量效果。运用拓展后的模型,以沪深300指数价格高频数据为样本进行实证分析,探究中国股票市场的波动性规律,并采用似然函数、信息准则和基于损失函数的DM与MCS等检验方法,综合比较了改进前后的模型对波动率及风险值的预测效果。实证结果显示:(1)沪深300指数收益的长期波动主要来源于连续波动而非跳跃波动,且受正连续波动影响更大,而负跳跃对波动具有明显的负向冲击;(2)文章提出的拓展模型均能更好地捕捉波动率的长记忆性,在样本内估计和样本外预测上也都有更好的表现,其中同时考虑跳跃与非对称影响的Realized EGARCH-MIDAS-RSJ拓展模型拥有最优的估计及预测效果。

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架，基于跳跃、好坏波动率与百度指数提出HAR改进模型，实证研究揭示股指期货波动运行规律，并通过MCS检验分析预测模型优劣．HAR建模考察连续一跳跃波动、好一坏波动率的两种已实现波动分解．为了降低波动率估计偏差，基于序列相关法仿真统计最优抽样频率，利用已实现核修正的ADS检测识别跳跃，进一步修正好坏波动率与符号跳跃．基于沪深300股指期货的样本内外预测表明：连续波动比跳跃波动对未来已实现波动的预测贡献更大；好坏波动率具有不对称的波动冲击，好（坏）波动率抑制（加剧）未来波动性；符号跳跃对未来波动具有负向冲击；好坏波动率分解优于连续与跳跃波动分解；百度指数能显著提升HAR波动建模的样本内外预测能力；MCS检验证实，考虑符号跳跃与百度指数的HAR—RV—SJ—BI模型表现最佳．研究结论对认识股指期货波动规律和市场风险具有意义．

波动预测建模与尾部风险测量方法

作为中国资本市场的对冲工具,股指期货在2015年经历了一轮极端牛熊市。在股指异常波动阴影下,研究股指期货尾部风险的测量方法,对风险管理与资产配置具有理论意义和实践意义。传统风险测量方法通常利用低频波动率构建尾部风险VaR和ES估计量,但高频波动率比低频波动率蕴含更多信息且计算效率更高,利用高频波动率建立高效的尾部风险测量方法成为研究趋势。基于条件极值理论和新型高频波动率,构建RV-EVT框架的股指期货尾部风险测量方法。阐述已实现波动率衍生的跳跃、好坏波动和符号跳跃理论;为提高波动率估计精度,利用已实现核修正CPR跳跃检验、好坏波动和符号跳跃;考虑跳跃、好坏波动和符号跳跃建立4组对数形式的HAR类波动预测模型。在极值理论框架中嵌入HAR类模型预测波动率,构建两步法的RV-EVT尾部风险测量方法 ;根据样本外滚动预测评估股指期货尾部风险测量水平,采用无条件覆盖和自枚举检验对VaR和ES进行回测分析。研究结果表明,波动率的样本外滚动预测显示,HAR波动预测框架下好坏波动分解优于连续跳跃波动分解,好坏波动衍生出的正负符号跳跃具有极为突出的波动预测能力;回测分析检验结果显著,尾部超出数接近理论预期,表明RV-EVT尾部风险测量方法有效; HAR-RV-RS和HAR-RV-SJd模型的尾部风险测量表现最佳; ES模型比VaR模型具有更优的尾部风险测量水平,特别是在高风险状态下ES模型能弥补VaR模型失控的缺陷;通过量化交易资金管理研究,揭示尾部风险测量方法的应用价值。建立了高频波动率与风险管理的桥梁,为金融资产尾部风险度量提供了有效方法,对资产配置和风险控制具有借鉴意义。