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。

共同风险贡献还是异质性风险传染——来自全球股市的新证据

本文基于广义动态因子模型(GDFM)识别全球股市波动率的共同因子与异质性因子,刻画波动率共同因子与异质性因子的脉冲响应曲线与风险贡献变动,运用长期方差分解网络(LVDN)方法构建全球股市异质性风险传染网络,测度极端事件期间全球股市的异质性风险传染效应,追溯风险传染的源头。结果表明:全球股市波动率共同因子与异质性因子走势间呈现出“协同效应”,在极端事件期间,发达经济体股市波动率异质性因子迅速攀升。在标准冲击下,全球股市波动率共同因子震荡周期约为7天,说明共同风险对于各经济体股市的作用机制以短期冲击效应为主。然而,全球股市波动率异质性因子脉冲响应曲线具有响应程度低与收敛速度慢的特性,在极端事件冲击下,全球股市长期因果网络节点分布具备“高度聚类”属性,在剔除过度识别因素后,运用阈值约束方法求解全球股市异质性风险波动溢出净值发现,美国股市仍然是全球股市异质性风险的主要输出方。