基于MFXDMA方法的加密货币和中国股市间的多重分形交叉相关性研究

加密货币这一新兴的金融市场目前引起了学者的广泛关注。本文主要基于多重分形降趋移动平均交叉相关分析法(MFXDMA),以4类加密货币(比特币、以太坊、瑞波币和莱特币)、上证指数和恒生指数为研究对象,实证分析了加密货币单一市场、交叉市场间收益率的多重分形特征,以及加密货币和上证指数、恒生指数交叉相关性的多重分形特征。实证结果表明,比特币、以太坊、瑞波币和莱特币各单独市场的收益率具有长记忆性、非对称的多重分形特征。4个加密货币市场中以太坊的市场效率最强,而比特币的市场效率最弱。加密货币市场对内地股市和香港股市产生了一定影响,市场间的交叉相关持续性增强。通过对比特币、比特币和以太坊交叉市场采用中心和前向移动平均法进行对比分析,实验表明本文使用后向移动平均法的结果是稳健的。最后通过滑动窗技术,研究了单一市场和跨市场相关性、波动函数的时变特征,结果表明比特币和以太坊,上证指数和恒生指数时变特征具有一定的相似性,并且上证指数比恒生指数更易受加密货币市场的影响。     

金融网络风险下多因子矩阵回归的资产组合与定价

本文从企业的股权、债权关系出发,基于违约距离构建无向图网络,分析了不确定性风险以网络形式进行传染、溢出和蔓延等现象,通过最小生成树的稀疏网络优化方法最大限度降低资产组合的非线性风险影响。站在资源配置的角度,利用稀疏聚类算法深入挖掘资产特征和捕捉其间的相依关系,采用多目标、多指数的稳健矩阵回归策略动态跟踪市场趋势,并通过自适应权重学习策略对网络风险叠加影响下的资产组合进行选择和配置,最终获得最小生成树风险下投资组合的稀疏聚类优化策略,进一步扩充了资产定价多因子模型。研究发现多目标矩阵回归的稀疏聚类投资组合,不仅对组合内投资标的进行了选择性舍弃,使资金能够集中配置于优质资产,更有助于通过最小生成树减缓甚至切断风险在网络中的传播,有效降低了资产之间风险的传染性。基于金融网络的风险分析方法不仅有效地刻画了风险以网络方式互相传染、互相影响、互相强化的非线性叠加效应,而且通过资产之间配置系数的压缩变换和最小生成树的优化方式,最小化最坏情形下风险传染的影响,对复杂网络环境下的资产配置和全面风险管理进行了有益补充,为长期投资基金获得风险和收益更为均衡的资产配置,提供了合意的投资策略和决策依据。     

全球数字货币波动对中国金融资产的风险溢出效应研究北大核心CSSCI

随着数字经济的快速发展,经济社会对于数字货币的需求迅速增大,推动经济增长的同时也给金融市场带来了巨大的冲击。与此同时,中国金融市场的开放程度越来越高,全球数字货币的波动也可能对中国金融资产造成输入性风险。本文测度了全球数字货币资产价格波动对中国大类金融资产的风险溢出效应及其动态演化特征,并在此基础上分析和识别了影响全球数字货币与国内大类资产之间系统性风险的核心因素。结果发现,全球数字货币与国内金融资产之间具有一定的极端风险关联性,长期看,全球数字货币在该系统的风险传导中占主导地位,受国内金融资产的影响相对较小;短期看,下行风险总体关联性波动以及瞬时大幅上涨次数要高于上行风险总体关联性。同时,市场中的恐慌情绪是全球数字货币与国内金融资产之间系统性风险的主要影响因素。     

混合泊松违约强度下信用资产组合风险度量

基于共同风险因子的相依关系转换为不同资产的违约示性函数的相依关系来刻画的思想,利用参数为Gamma分布线性组合的Poisson分布来描述不同资产的违约示性函数的相依关系,建立基于混合泊松分布的信用资产组合多因子的风险度量模型,并引入重要抽样技术到模型进行有效数值模拟计算,拓宽和丰富信用资产组合风险度量模型.进一步地,结合中国金融市场四个产业的数据把混合泊松分布应用到实证研究中.在模型的构建过程中,首先运用经典的结构模型和期权定价公式估计单个债务人的动态违约概率;再利用单资产动态违约概率得到混合泊松模型下每个资产的动态泊松强度;接着结合共同风险因子的值求得资产不同的因子载荷系数,该因子载荷系数反映了不同资产间的相依结构程度;最后,把重要抽样技术发展到混合泊松模型中,对由不同产业组成的信用资产组合的损失分布进行有效Monte Carlo模拟.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

不同时变Copula-EVT-ES模型精度比较研究

结合EVT极值理论,构建了4类时变Copula模型,拟合了股指间的动态极值相依系数,并对各类资产组合进行了预期损失ES风险测度.通过Backtesting方法,对比研究了不同时变Copula-EVT-ES模型的风险测度精度.实证结果表明,在市场极端波动状况下,结合EVT极值理论的时变Copula-ES模型能够对资产组合尾部极值风险进行有效测度,并且对于空头头寸的风险测度效果优于其在多头头寸的表现.善于刻画变量间厚尾极值相依关系的时变tCopula-EVT-ES能够取得较好的组合风险测度效果,而对于二元资产组合,在高风险水平上,时变SJC Copula-EVT-ES模型也值得重点关注.     

基于互联网金融模式的结构性理财产品风险度量研究进展

针对由期权和固定收益类产品组合而成的结构性理财产品，本文基于互联网金融模式对结构性理财产品进行风险度量理论、方法及应用研究进行了分析和述评，并对基于互联网金融环境下用不同分布类型来刻画风险因子相依关系的线性和非线性资产组合的风险集成度量模型进行了归类总结。最后，提出了基于互联网金融模式的结构性理财产品风险度量研究展望。     

国际油价与中美股价的相依关系研究——基于不同行业数据的分析

石油市场和股票市场作为现代经济中两个重要的市场,在经济活动中发挥着重要的作用。二者之间的关系对研究市场间的价格波动和风险传递有着重要的意义,本文通过vine copula模型对国际油价和中美两国股价之间相依关系进行分析,并将得到的相依关系运用到风险管理中。利用国际油价和中美各十个行业股票价格指数进行相依关系建模,得到相应的相依结构和相依关系,选择出与油价相依关系较强的行业股票价格指数和油价构建投资组合,利用相依关系模拟出收益率数据,度量投资组合的风险。实证研究结果表明中美两国的行业股票价格指数与国际油价的相依关系存在着显著的不同,中国行业股票价格指数与国际油价之间的相依关系要弱于美国行业股票价格指数与国际油价的相依关系;同时利用相依关系组成投资组合,对两组投资组合进行风险度量,风险度量的结果显示vine copula-GARCH能对具有较强的相依关系的变量组成的投资组合风险有很好的估计。     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

基于高阶矩波动和Copula函数的相依性模型及其应用

本文提出了基于高阶矩波动的相依结构模型:Copula-NAGARCHSK-M模型。考虑资产的时变条件方差风险、条件偏度风险和条件峰度风险对边缘分布的影响,应用模型研究了上证综指和深证成指对数收益率之间、条件方差之间、条件偏度之间和条件峰度之间的相依结构。发现两股票市场的指数对数收益率之间、条件方差之间和条件峰度之间有相似的相依结构,而条件偏度之间的相依结构则是负方向的相似。     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

基于复杂网络理论的股票指标关联性实证分析

复杂网络理论是研究股票市场内在结构和功能的有力工具,股票指标的关联性已成为研究股票市场的一个新视角。基于复杂网络理论对深沪300指数(2011年7月28至2012年2月28)构建网络拓扑结构。利用DFA进行数据筛选,计算筛选后数据的股票指标的绝对相关系数。根据股票指标的绝对相关系数概率分布确定阈值,构建网络拓扑结构,计算股票指标的网络统计特征指标,分析收益率、成交量、市盈率的网络结构。研究结果表明,股票收益率和成交量指标的具有较强的关联性,具有小世界性质;市盈率指标具有较弱的关联性,不具有小世界性质,是随机网络且受外界影响较大、效率低下,风险比较大。     

资产收益序列相依下的多阶段投资博弈模型

现有投资组合优化研究普遍假设投资者之间相互独立,且假定标的资产在不同阶段的收益序列不具相关性.然而在实际投资过程中,投资者往往是相互影响,资产收益序列也存在相依特征.基于多阶段投资组合优化和纳什均衡理论,利用相对绩效来刻画投资者之间的博弈现象,以每个投资者的相对终端财富的期望效用水平为目标,构建多阶段投资组合博弈模型.在资产收益序列相依情形下,给出了纳什均衡投资策略和相应值函数的解析表达式,以及纳什均衡投资策略与传统策略的关系.采用累计经验分布函数和夏普比率等指标,对纳什均衡投资策略与传统策略进行仿真比较,分析了纳什均衡投资策略随投资者反应敏感系数的变化趋势.结果表明:相比于传统的投资策略,当考虑竞争对手的相对绩效时,纳什均衡策略投资者更愿意冒高风险去追求高收益;并且投资者的反应敏感系数越大,其对风险的偏好程度也越高.     

中国金融市场的发展趋势与战略选择

一、全球化浪潮下西方金融市场的发展新趋势传统经济把金融市场分割为货币市场和资本市场 ,从而赋予两个市场不同的功能。 2 0世纪 90年代以来 ,随着金融全球化的发展 ,西方主要发达国家的货币市场和资本市场重新统一的趋势非常明显 ,整个社会资金运动系统出现了新变化。其金融市场融合的主要标志是 :(一 )各种子市场的资金标价越来越趋于统一。由于投资者在不同市场之间的流动性逐步加大 ,以及大量的、多样化的边际买者和边际卖者不断博弈 ,经过折现后不同市场的金融资产在同等风险程度下成交价格的差额在缩小 ,相同风险偏好的资产投资组合…     

我国股票市场收益率偏度对风险补偿的影响研究

收益率与波动率之间的关系(风险补偿)在金融资产定价和风险管理中至关重要,但二者之间的研究却一直没有定论。金融理论表明为正向关系,但实证却往往得到相反的结果。众所周知,尖峰厚尾以及负偏是收益率的典型特性。这些内在属性对风险补偿无疑有着重要的影响。本文研究表明,收益率的负偏和尖峰厚尾会导致风险补偿系数减小,进而导致风险补偿系数在实证当中的不确定性。虽然各个行业的夏普比率相差无几,我国股票市场的第“I”类、第“II”类风险补偿以及风险价格在不同行业之间存在较大的差异,且三者随着投资期限的增长,分别有下降、上升和轻微上升的趋势。     

基于共同持有资产的银行间接关联网络研究

金融市场是一个复杂系统,银行之间不仅有直接的拆借关系,还能够通过投资市场建立间接关联。本文分析了资产内生相关性、资产降价出售以及银行投资行为等因素对银行间接关联程度的影响,基于这些因素通过持有共同资产构建银行系统的间接关联,并以此为基础通过平面极大过滤图方法生成银行间接关联网络,论证了该网络中的系统重要性银行,并通过对该网络结构特征的分析,发现间接关联网络具有小世界和无标度等特征,这些特征与银行通过直接拆借形成的网络相似。本文对于银行间接关联网络的研究不仅能够更加清晰地了解银行之间的关系,也为银行系统性风险的监管提供了新的视角。     

中国A股市场金融板块间风险相依关系及动态演化研究

将中国金融板块细分为国有大型银行、全国性股份制银行、城商行、证券、保险和信托等6个金融子板块，并以2015年中国股市异动和2019年新冠肺炎疫情为研究背景，分析在两个场景下的不同时期内，6个金融板块间的风险相依关系及其动态演化。通过计算各板块间波动指数的互信息，构建金融板块风险相依关系网络，并使用最大生成树刻画该相依关系的核心结构。研究发现，在市场处于相对平静时期，银行类金融板块与非银行类金融板块二者彼此之间的风险关联较弱，处于相对割裂状态；在市场走势波动较大时，银行类金融板块与非银行类金融板块之间的风险关联程度增强，且保险板块成为重要的中间节点；在两个场景下的异动期和疫情期，国有大型银行板块和城商行板块分别成为最大的风险节点。     

金融资产收益非对称性的多标度分形测度及其在VaR计算中的应用

通过提炼多标度分形分析过程中所产生的对描述金融资产收益非对称特征有益的统计信息,提出了一种新的资产收益非对称测度--多标度分形非对称测度(Multifractal asymmetry measurement)Δf,并以沪深300指数长达7年左右的5分钟高频数据为实证样本,通过两种不同的VaR后验分析(Backtesting analysis)方法,实证对比了Δf测度和传统的偏度系数(Coefficient of skewness)测度在市场风险计算准确性方面的差异。实证结果表明:基于Δf测度的市场风险计算模型的VaR计算精度优于基于偏度系数测度的对应模型,Δf测度具有较偏度系数测度更为优异的对金融资产收益非对称特征的刻画能力。     

Copula函数在风险价值度量中的应用

在计算投资组合的风险价值（Value-at—Risk）时,传统的方法是假设多个金融资产的收益率序列服从多元联合正态分布．但这种假设经常与实际市场的观测不符,并且在极端事件发生时常会低估风险。为了更好地刻画投资组合的风险．本文提出利用Copula函数结合非对称Laplace分布技术来解决这个问题：Copula函数能够很好地刻画多个金融资产间的相依结构关系．另一方面利用非对称Laplace分布来刻画单个金融资产收益边际分布的非对称性和厚尾性。利用Kupiec的失败频率检验方法,本文验证了模型的有效性。实证研究表明Copula函数结合非对称Laplace分布技术能够很好地度量投资组合的风险价值VaR．从而有助于更好地测度和规避金融市场的风险．     

结构突变下的高维汇率资产时变投资组合预测研究

金融市场存在结构突变现象是发生金融风险传染的关键所在,而风险传染又是投资组合研究中亟需解决的难点。本文以9种国际主要货币对美元汇率为研究对象,先构建隐马尔科夫模型来对汇率资产进行结构突变预测,并基于结构突变刻画的结果,构建动态R-Vine Copula模型来预测汇率资产的风险传染关系;最后,基于结构突变与风险传染的研究结果,筛选出适合的组合汇率资产,构建时变投资组合预测模型。实证结果表明：HMM模型能够有效地刻画出汇率资产中的结构突变;动态R-Vine Copula模型能够更加有效地刻画出汇率资产间的风险传染关系;基于结构突变与风险传染关系下的动态投资组合预测模型,具有降低投资组合风险与提升投资组合预测收益的优越性,能够为金融风险管理和投资组合研究提供模型参考。