中美股票市场和债券市场联动效应的比较研究——基于尾部风险溢出的视角

本文以中美股票指数和债券指数(包括总债券、国债和企业债)数据为研究样本,基于多元多分位数CAViaR(即MVMQ-CAViaR)模型研究了中美股票市场和债券市场在不同市态下(包括牛市、熊市和震荡)极端风险溢出效应,并使用分位数脉冲响应函数分析了市场冲击对不同市场尾部风险的动态影响过程。研究发现,中国股票和债券在早期的牛市和熊市中不存在显著的尾部风险溢出效应,相对分割的债券市场隔离了股票市场的风险传染,但随着金融改革的不断深化,股票和债券的极端风险传导效应在近年来得到加强;而美国股票和债券的互联互通程度相对较高,二者的尾部风险溢出关系随着债券的信用等级不同呈现出明显分化,其中企业债与股票始终保持显著的尾部风险溢出效应,而国债和股票只在熊市阶段维持这种溢出关系,符合"flight-toquality"现象。本文研究结论为加快推进我国债券市场的发展提供了重要理论依据和方向。

基于半参数模型的中国商品期货尾部风险度量

以我国四种代表性的商品期货指数为例,分别运用CAViaR和条件EVT两类半参数模型对尾部数据进行动态VaR测度,同时在现有CAViaR模型基础上构造了双门限常数-TGARCHT模型和双门限AR-TGARCH模型,最后通过3个似然比检验和1个动态分位数检验对比了各个模型的预测效果以及在不同分位数的适用情况。实证结果发现:两类半参数模型各有优劣,其中CAViaR模型更适合于刻画低分位数的尾部风险,而条件EVT模型对高分位数的极端尾部风险具有更强的预测能力;新建的双门限常数-TGARCH模型显著地提升了原有模型的预测绩效,而双门限AR-TGARCH模型提升的效果不如前者。

随机波动模型的扩展:理论与中国股市的实证

传统随机波动模型(SV模型)仅从宏观基本面角度揭示了潜在波动的随机性。本文基于修正混合分布假设模型(即MMDH模型),将单因素SV模型拓展为两因素随机波动模型,并赋予每个波动因素新的经济意义解释。通过对中国股市高频数据和日数据进行了校准分析,所得校准结果与理论假设保持一致,并发现股价波动与信息到达过程和流动性风险均成正相关。最后,本文使用有效矩估计方法(EMM)比较了两因素SV模型和传统SV模型,其模型拟合统计量显示前者绝对优于后者;其得分t比率表明宏观因素控制波动的持久性,而市场微结构的流动性因素主要决定波动的厚尾性。