中国金融业跨市场风险测度与分析——基于GARCH-Copula-CoVaR模型

采用GARCH-Copula-CoVaR方法对银行、证券、保险和信托业之间的风险传导进行了实证研究,研究分析当某一行业自身处于极端风险时,对其他行业影响的共同风险绝对值和相对值。研究表明,银行、证券、保险、信托业两两之间都存在显著双向风险传递,平均共同风险相对值为32.46%;银行、证券、保险与信托业两两之间风险外溢值呈现非对称性;传统行业间风险外溢大于新兴行业间的风险外溢。证券行业对其他三个行业的关联影响最大,是最大的风险源头,体现了风险传递结构上的多层次性。中国的金融监管需要更加关注风险源头,建立机构监管向功能监管转变的联合协调监管机制,引入第三方评估机构,完善信息公开机制。

房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型

近年来,房价过度波动已成为引发系统性风险的主要爆发源,给经济金融安全运行带来了一系列负效应。笔者在文献梳理的基础上,针对现有研究视角和方法存在的不足,将测度系统性风险的主流方法——Co VaR模型进行拓展,通过构建GARCH-Copula-Co VaR模型,实证研究了房价过度波动的系统性风险溢出效应。通过研究发现:房价过度波动的系统性风险溢出效应明显,但对不同经济层面的风险溢出效应存在差异,其中对金融机构的风险溢出效应最为显著;经济环境变化对房价过度波动影响显著,其中宏观经济环境和制度条件的变化是引起房价过度波动的原动力,对房价过度波动起决定性作用。为此,在宏观调控政策实施中应尽量保持政策的连续性,避免频繁救市或过度打压房价,既要防范房价过度波动所引发的系统性风险向金融体系和实体经济传导,也应为稳定房价创造良好的宏微观经济环境和制度条件。

耦合风险视角下基于GARCH-Copula模型的基金组合风险研究

在资本市场不断多样化的投资方式中,投资组合以其相对稳定的风险与收益而得到广泛应用,其中基金组合凭借在收益一定的情况下的低风险成为投资者关注的热门品种.传统的投资组合研究大多只考虑市场风险的影响,忽略了信用风险的耦合效应,从而往往导致对组合总体风险的低估.首先借助于GARCH模型获得边缘分布,然后选择Copula函数刻画各基金之间的相关结构,建立联合分布模型,进而采用Monte Carlo方法模拟生成基金组合中各基金的收益率序列,最后根据损失函数计算基金组合的风险价值.实证结果表明,市场风险大的基金组合其信用风险不一定大,并且基金组合能有效分散基金风险.同时,耦合风险视角下基金组合的CVaR值大于市场风险视角下的CVaR值,耦合风险能更好地衡量基金组合的风险.另外,Student t-Copula模型较之其它模型能更好地刻画耦合风险的联合相依结构.

基于GARCH-COPULA模型的沪铜期货动态套期保值比率研究

由于金融收益率通常存在尖峰厚尾和偏态的特征,并且考虑到金融市场价格变动具有随机性,需要随时变动期货头寸来规避风险.因此选取动态GARCH-COPULA模型来估计最优套期保值比率.并且通过实证表明动态GARCH-COPULA模型相比较于OLS模型、EGARCH模型和二元GARCH模型套保成本最低,套保有效性最高,能够更好地降低风险.

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMAGARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCHCopula模型能更准确地度量投资组合风险。

基于RGARCH-Copula模型的中美股市尾部相关性研究

本文采用上证综合指数和标普500指数的收益率和已实现测度数据,利用已实现GARCH-Copula(RGARCH-Copula)模型对中美股市尾部相关性进行了研究。具体地,首先利用RGARCH模型对数据进行过滤,然后利用两步估计法(IFM)对各种Copula模型进行估计,通过对数似然值和两种信息准则的比较,选出最佳Copula模型,进而对两市场尾部相关性进行分析。实证结果表明,SurvivalGumbelCopula表现较好,即两市场的相关性存在非对称特征,下尾相关性较强,不存在上尾相关性,说明美国股市大跌中国股市也有较大的概率会大跌,但美国股市大涨中国股市却不一定会大涨。

市场流动性与市场预期的动态相关结构研究——基于ARMA-GJR-GARCH-Copula模型分析

本文在兼顾"时间尺度"和"价格尺度"双重因素下构建了标准化的市场流动性测度,并利用时变信息熵方法提出了一类市场预期的新指标。将ARMA-GJR-GARCH模型与时变Copula模型相结合分析了市场流动性与市场预期之间的动态相关结构。利用2009年1月~2014年9月中国股市日度数据进行实证分析,结果表明:市场流动性和市场预期存在较明显的持续性和负向"杠杆效应",通过LL、AIC和BIC三种准则比较发现时变正态Copula模型的拟合效果最好,时变相关性分析说明市场流动性和市场预期长期内保持着负相关的总体态势,欧债危机期间时变相关系数在正负状态间转换频繁,其相关结构出现了几次较大的变点,但正常时期两者之间的相关程度并不显著。该结论对于监管部门在危机期间及时引导市场预期,增强市场流动性从而减少危机传染和缓释金融风险非常重要。

基于尖峰厚尾、有偏GARCH-copula模型的风险测度

考虑到证券投资组合中资产收益分布的尖峰厚尾属性和波动率集聚效应以及金融资产变量间的非线性相依结构,假设资产收益率分布服从广义误差分布(GED),以尖峰厚尾、有偏的GJR-GARCH-GED模型刻画资产收益率的边际分布,以copula函数描述变量间的相依性,构建起改进的GARCH-copula模型。以研究GED分布的GJR-GARCH模型与不同copula函数耦合对金融序列的拟合能力,进而测度投资组合风险。实证研究发现,沪深收益波动存在明显的非对称性,适宜采用GJR-GARCH-GED模型处理收益率的尖峰厚尾性,波动率的集聚性。考察上述模型与Clayton copula、Gumbel copula、Frank copula以及t copula耦合下的实际拟合表现,进而对投资组合风险VaR和CVaR检验发现,Clayton copula刻画风险相依性的效果最佳,适合应用于风险管理。

金融科技对商业银行系统性风险的溢出效应

近年来,金融科技逐渐成为我国银行体系进行风险控制的新工具。以我国A股市场上市商业银行为样本,构建GARCH-EVT-Clayton-Copula-Co Va R模型,测量样本区间内16家商业银行的金融科技发展水平及系统性风险溢出值,对金融科技与商业银行系统性风险之间的关联机制和影响效应进行理论与实证分析。研究发现,商业银行通过金融科技进行风险控制存在增强和减弱两条路径。进一步分析发现,金融科技能降低商业银行系统性风险溢出;商业银行规模、总资产收益率、存款负债比、杠杆率以及非利息收入占比等因素也对商业银行系统性风险溢出有着不同程度的影响。

基于Copula方法的中国金融市场间相依结构研究

利用ARMA-GJR-GARCH方法、小波变换和Copula模型研究国债期货与人民币计价的三项资产——股票、黄金、原油之间的联动关系。实证结果表明,国债期货价格与上证50指数在短时间内有显著的Copula负相关性,在8天及以上情况下相关性则不显著。国债期货与上海黄金价格在不同时间区间均有显著的Copula正相关性和上尾相关性。国债期货与上海原油价格在各期限内Copula相关性均不显著。进一步研究表明,引入国债期货对股票组合具有有效的对冲作用,能够提高单位风险下的投资收益率。本文研究结论可为投资者构建投资组合、设计风险控制策略以及监管机构制定相关政策、实施监管职责提供理论支持。

基于Copula函数的股票市场风险溢出网络特征研究

为捕捉全球主要股票市场间时变风险溢出的网络结构与特征,识别各国在全球风险溢出中的角色与地位,把握风险溢出的全貌,采用时变Dcc-Garch-Copula-ΔCoVaR模型测度任意两两股票市场间的时变风险溢出,并基于小波多分辨分析提取风险溢出的特征量,构建静态与动态复杂网络进行分析。研究结果发现,时变Dcc-Garch-Copula-ΔCoVaR模型能够较好地捕捉股票市场的风险溢出演化趋势。在全局静态网络中,美国以及部分欧洲地区是风险溢出的中心,欧洲国家的金融风险传染具有明显的非对称性。美国、英国以及中国香港等国家或地区具有“主溢出”效应;中国、新加坡、泰国等发挥“经纪人”作用。动态风险溢出网络的聚类系数与平均路径长度基本呈反向变动,符合小世界特征。

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。

基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究

基于巴塞尔协议和商业银行风险管理新视角,本文运用GARCH-EVT-COPULA模型构建了GARCHEVT-Gaussian-COPULA和GARCH-EVT-t-COPULA两种方法,对美元、欧元、日元和港元四种人民币汇率的等权重投资组合风险进行了度量,优化了极值分布作为COPULA函数边际分布的多序列超阈值比例确定方法,并与历史模拟法、正态方法、蒙特卡罗方法三种传统方法和单用极值方法度量的VaR进行了比较并作返回检验。结果表明:GARCH-EVT-Gaussian-COPULA和GARCH-EVT-t-COPULA两种方法符合巴塞尔协议的内部模型法(I--)对商业银行风险管理的要求,而且估计结果优于其他四种方法,其中,GARCH-EVT-Gaussian-COPULA方法的估计结果比GARCH-EVT-t-COPULA方法更有利于节省商业银行的经济资本。

金融市场的相关性分析——Copula-GARCH模型及其应用

作为一种全新的分析方法,Copula技术不仅可以有效地捕捉金融时间序列间的相关性,还可用于研究整个金融市场的特性、投资组合的选择及风险分析等其他金融问题。结合t-GARCH模型和Copula函数,建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明,不同板块的指数收益率序列具有不同的边缘分布,各序列间有很强的正相关关系,条件相关具有时变性,各序列间相关性的变化趋势极为相似。

基于时变Copula的房地产业与银行业尾部动态相关性研究

文献多数从线性相关和静态相关的视角研究房地产业与银行业(金融业)的相关性,本文基于大智慧"板块指数"中的"房地产"(代表房地产业)和"银行类"(代表银行业)数据,采用GARCH、EVT和时变Copula模型研究房地产业和银行业的动态尾部相关性。实证结果表明,时变Copula模型刻画尾部相关性的效果优于静态模型,时变SJC-Copula的建模效果相对最好;样本考察期内,上、下尾相关系数均为正,分别落在区间[0.2287,0.6146]和[0.4666,0.7143]内,且下尾相关系数均大于上尾相关系数,说明市场低迷时,房地产业和银行业易产生共生风险,并且低迷时的相关性强于活跃时的相依性;上、下尾相关系数均具有自相关性、ARCH效应。分析月均下尾相关系数发现,房地产业和银行业的下尾相关性具有"政策效应":下尾相关系数相对较低的月份往往伴有严厉的房地产调控政策出台或之前的月份出台了调控政策,意味着房地产调控政策将弱化房地产业和银行业的下尾相关性。未来应继续执行或出台更严厉的调控政策,降低银行业与房地产业的共生风险,促进房地产业的健康发展。

基于pair copula-GARCH模型的多资产组合VaR分析

提出了多资产组合风险分析的pair copula-GARCH模型.相比于以往的copula-GARCH模型,它能够更好描述投资组合中两两资产间的尾部相关性的差异,从而更好地度量多资产组合间的相依结构.在此基础上,还探讨了pair copula-GARCH模型下的多资产线性组合的VaR的计算方法.最后给出模型的实证分析.

对金融危机风险传染效应的比较研究——基于静态与动态copula函数的分析

随着国际经济一体化程度的提高,一国经济的突发性事件导致国际金融市场间关联程度发生变化,甚至对世界范围内的经济产生传染效应。本文运用Skew t-GARCH模型处理了时间序列数据表现出来的尖峰、波动性和厚尾等特性,并结合静态和动态copula函数方法,比较了近20年两次金融危机前后美、中两国三个金融市场间相关结构的变化,从而对金融风险的传染效应和传染途径进行了对比分析。

多元Copula-GARCH模型及其在金融风险分析上的应用

针对传统风险分析模型的不足,结合Copula技术和GARCH模型,提出了多元Copula-GARCH模型。指出该模型不仅可以捕捉金融市场间的非线性相关性,还可以得到更灵活的多元分布进而用于资产投资组合VaR分析。在详细探讨了基于Copula技术的资产投资组合的MonteCarlo仿真技术的基础上,运用具有不同边缘分布的多元Copula-GARCH模型,对上海股市进行了研究,结果证实了所提模型和方法的可行性和有效性。

互联网理财创新、债市波动与风险传染

以余额宝为代表的互联网理财创新冲击了中国传统金融市场的收益率。通过收集2013年6月到2014年9月余额宝收益率、银行间同业拆借利率以及国债收益率的数据,运用时变Copula-GARCH模型等方法实证分析互联网理财与传统债市收益率之间的动态相关关系。实证结果显示,余额宝收益率与同业拆借利率及国债收益率整体上呈负相关的,收益率波动趋于平缓。并且上、下尾部相依性基本为零。说明互联网理财创新没有明显抬高传统债市的风险收益率,而且两者之间并不存在明显的风险传染关系。

中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究

股票市场流动性与收益率相关分析对把握股票市场内在运行机制至关重要。文章在借鉴既有研究的基础上,利用因子分析法重新选择构建了我国股票市场多维流动性度量指标,并在验证我国股票市场流动性与收益率非正态分布性的基础上,引入Copula函数构建Copula-GARCH模型对我国股票市场流动性与收益率相关关系进行了实证分析,发现我国股票市场流动性和收益率不存在尾部对称性,牛市时期收益率大幅增加而流动性也同时增强,熊市时期收益率急剧下降而流动性也同时减弱,但是前者同时出现的概率大于后者,这与成熟市场流动性与收益率负相关的流动性溢价理论是不相吻合的。