国际油价、宏观经济变量与中国股市的尾部风险溢出效应研究

本文首先基于Massacci (2017)提出的时变POT模型、应用纯时间序列方法测度动态尾部风险,再利用Diebold和Yilmaz (2012, 2014)提出的溢出指数模型,结合滚动样本估计方法,从方向、大小和动态性的角度考察中国股票市场与宏观经济体系之间的尾部风险溢出效应。研究结果表明,中国股票市场与宏观经济变量之间存在显著的尾部风险溢出效应,总溢出指数在危机时期显著提高。股票市场对宏观经济的方向性尾部风险溢出效应要弱于其接收自宏观经济体系的冲击,是系统中最大的尾部风险净接收者。其中,国际原油价格、货币政策的极端变动等均对股市尾部风险水平产生重要影响,是中国股票市场尾部风险的重要来源。此外,我国经济政策不确定性指数与股票市场之间的尾部风险溢出效应正逐渐增强。因此,在经济转型的关键时期,政策制定者和监管当局应特别关注经济政策不确定性对金融市场和实体经济的负面影响。     

经济政策不确定性与我国股市波动率预测研究

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

沪港股市的波动溢出和时变相关性研究

采用基于加权CCF的方差Granger因果检验方法,分析了上证指数、恒生指数收益序列的波动溢出效应,并以此信息为依据构建BEKK模型对两序列间的时变相关性进行了实证,结果显示两股市之间的波动溢出并不显著,一股市的冲击对另一股市的波动产生的传导性影响不明显;两股市的联系和联动性相对较弱,但有逐渐增大的趋势。     

经济不确定性是股市波动的因子吗？——基于GARCH-MIDAS模型的分析

本文运用混频模型（GARCH-MIDAS）分析了经济不确定性对中国股市波动率的影响。经济不确定性包括宏观经济不确定性和经济政策不确定性两方面。总体来说,经济不确定性会影响中国股市的波动,但强度有限,且A股、B股间表现出差异。经济运行（IP）和消费（inf）中的不确定性是A股、B股共同的波动因子,且IP的贡献度最高;货币政策（IR）、中国经济政策不确定性（CEPU）对A股无显著影响,但会显著影响B股的长期波动趋势;美国经济政策不确定性（AEPU）的影响则不显著。加入显著性指标有助于提高波动率的预测精度,混频模型为分析股市波动中的长期趋势和短期波动提供了一个新视角,有助于识别股市波动中的经济影响因素。     

经济政策不确定性与我国股市波动率预测研究北大核心CSCDCSSCI

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

危险的波动:国际油价跌宕起伏的走势

今年以来，国际油价剧烈波动，用过山车来形容一点儿都不为过。而其变化似乎总出人意料，油价波动仿佛无视经济学的既定准则。年初，在金融危机的影响下，全球经济增长预期大幅下降，IMF预计将出现-3．8％的增长，而国际油价从去年底的每桶39美元大幅攀升，5月份累计就上涨达到30％，创十年来单月涨幅的最高纪录，6月初骤升至每桶73．23美元的8个月高点，整个第二季度国际油价涨幅超过40％。而7月份，美国、中国经济出现明显回暖，人们认为油价已经确立上升走势之时，却出现直线下行。7月初的五个交易日中，油价连续大跌了近10美元，跌幅高达13％．     

中国经济政策不确定性的跨国动态溢出效应

中国作为世界第二、亚洲最大的经济体，在国际事务中发挥的作用日益突出，其经济政策波动对其他国家的影响也日益显著。本文基于1997年1月至2017年5月经济政策不确定性（Economic Policy Uncertainty，EPU）指数，运用DCC-GARCH模型分析了中国与美国、日本和英国的经济政策不确定性的动态溢出效应。研究表明，样本国家的EPU指数波动率呈现尖峰、厚尾、非对称的特征，因而更适用非对称多元t分布DCC-GARCH模型；中国经济政策不确定性对美国、日本和英国均有一定程度的正向溢出效应，但影响程度不一。进一步分析表明，中美间EPU指数的动态相关性高于中英和中日，中美和中英间的EPU指数动态相关系数走势较为相似，且趋向稳定；受地缘政治关系的影响，中日间的EPU指数动态相关系数走势明显异于中美和中英。     

经济政策不确定性、宏观经济与资产价格波动——基于TVAR模型及溢出指数的实证分析

本文利用Baker等人构建的经济政策不确定性指数和我国1997年01月-2017年09月的宏观经济数据,通过非线性TVAR模型及其方差分解构建的溢出指数,实证考察了我国经济政策不确定性对宏观经济与资产价格的非对称影响,并测度了在不同经济政策不确定性环境下,经济变量间的相互溢出效应。研究发现:(1)经济政策不确定性的影响是非对称的,在经济政策不确定性较高时,其正向冲击将使得产出降低0.21%左右,房价和股市收益率分别上涨0.67%、0.51%左右;而在经济政策不确定性程度较低时,其正向冲击的影响微弱。(2)溢出指数表明,经济政策不确定性对产出、房价和股市存在净溢出,且在经济政策不确定性较高时期,总体溢出指数超过50%,变量间的联动性较强。研究结果表明,相关部门在制定及调整经济政策时应充分考虑其可能引发的不确定性,并通过阐明经济政策意图等方式,将负面影响降到最低。     

人民币汇率与股票市场波动溢出效应研究

采用BVGARCH-BEKK模型,结合LR似然比检验和Wald检验,实证研究人民币汇率与股票市场之间的波动溢出效应.采用1997年1月1日～2008年12月31日人民币对美元中间价和上证A股指数的日交易数据,并考虑到2005年7月21日人民币汇率形成机制改革这一事件可能产生的结构性影响.划分为汇改前和汇改后两个子样本区间,深入分析人民币汇率与上证A股之间的波动溢出效应.实证结果表明,人民币汇率与股票市场之间存在波动溢出效应,且在汇改前和汇改后的表现不同;汇改前表现为显著的从汇率到股市收益率的波动溢出,汇改后主要表现为显著的从股市收益率到汇率变动率的波动溢出,汇改后汇率与股票市场之间的联系有所增强.针对实证结论,分析其背后的经济制度因素,并且得出一些政策启示.     

国际金融市场波动非线性因果性和溢出效应

针对人民币、欧元、日元兑美元的官方汇率,选取了2008年金融危机前后各三年的数据参照对比分析,计算三者汇率的均值方程的残差之间的交叉相关(cross-correlation function,CCF),利用Yin-Wong Cheung,LilianK.Ng检验统计量和Hong Y.检验统计量,验证3种汇率的标准残差的方差之间的非线性因果关系,并以此信息为依据构建BEKK-MGARCH模型,分析了人民币、欧元、日元兑美元的汇率的波动溢出效应,进而验证了各个变量序列方差之间非线性因果关系的稳健性.在Hong检验中引入了截断核函数,使得对低阶时滞项赋予了较大权重,从而准确地刻画近期波动对当前波动影响更大的特征.在建立Vector GARCH模型之前,很少有文献先进行方差的非线性因果关系检验,即使进行了简单检验,通常错误地把Q2(p)当作变量序列的方差之间的非线性因果关系检验统计量.     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象,可能会引发原油价格波动率的长记忆性,导致模型参数的有偏估计。为此,本文考虑原油价格波动率的结构变化和长记忆性特征,采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明,WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征,而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果,特别是,同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究

将独立成分分析(ICA)方法引入金融衍生品市场与基础市场之间的波动溢出研究,克服了传统方法解决高维金融时间序列波动问题时的障碍。通过与VECH、BEKK和DCC等传统多元GARCH模型的对比分析,本文所建立的ICA-EGARCH-M模型在解决高维问题时体现出一定的优势。在实证研究中,应用该模型考察了美国、英国、日本和中国香港的股指期货市场及其股票市场对我国股票市场的共同波动溢出。结果表明ICA-EGARCH-M模型不仅验证了波动溢出效应的存在,而且反映出了波动溢出的主要来源,能够较好地解决高维金融时间序列数据的波动溢出问题。     

股票期权对股票市场的波动性分析:基于agent的计算实验金融仿真角度

在SFI-ASM模型的基础上,按照学习速度和风险偏好程度构建了异质agent股票市场模型,引入了随机交易者以及随机交易者信心变量等.交易者的异质化使得股票市场脱离了原先的预期均衡市场的理性状态,市场的波动性变大,收益率的分布也更趋向现实市场.在上述模型的基础上,引入期权交易市场,试验结果表明,期权交易会为股票市场带来更大的波动,不同的期权交易策略和不同类型的投资者对股票市场的影响也明显不同.     

基于贝叶斯Wishart波动模型的原油市场与股市动态相依性研究

针对时变相关系数矩阵在多变量随机波动模型的估计问题,构建了贝叶斯动态相关Wishart波动模型。在CC-MSV模型的基础上,设置精度矩阵服从Wishart分布,使得模型的相关系数矩阵具有时变特征。通过模型的统计结构分析,选择参数先验分布,设计相应的Gibbs-MTM-ARMS混合算法,据此估计模型参数;并利用上证综合指数、标普500指数与原油期货价格数据进行实证分析。研究结果表明：模型能够有效地刻画原油市场与股票市场的动态相依性;金融危机期间,股票市场与原油市场的相关性较强,并且难以判断正负方向;金融危机后,中国股票市场与原油市场呈现极微弱的相关性,而美国股票市场与原油市场的正相关性较为明显。     

中国股票市场个股已实现波动率估计

从修正市场微观结构等干扰因素的角度出发,基于高频交易数据,同时采用一阶偏差修正方法估计了深圳证券交易市场个股的已实现波动率。研究结果表明,基于分笔交易数据计算的已实现波动率能有效提高个股真实波动率的估计精度,从而可以为波动率相关研究提供一个参照基准的波动率值。     

基于小波-高阶矩模型的投资组合策略——以国际原油市场为例

考虑到投资者异质性特征,将极大重叠离散小波变换方法与高阶矩投资组合框架相结合,提出小波-高阶矩投资组合模型,在此基础上提出频域视角下的高频尺度集成方案和时-频域视角下的全尺度集成方案,并遴选出合适的风险偏好特征改进模型,最后进行稳定性检验。基于国际原油市场数据,样本外检验结果表明:相较于对照组,大部分的小波-高阶矩投资组合策略均取得了更优的投资效果,其中集成部分表现最佳,且高频尺度集成方案侧重于提升收益,而全尺度集成方案侧重于降低波动;通过选择合适偏好高阶矩风险的特征,将会明显改善原始小波-高阶矩投资组合策略,且对两个集成方案改良效果最显著;稳健性检验证实了以上结论。     

住宅价格涨跌幅、波动非对称性与空置量关系的实证研究

采用门限ARCH模型研究了我国住宅价格涨跌幅、波动的非对称性与住宅空置量之间的动态关系,实证结论表明:我国住宅空置量与住宅价格涨跌和住宅价格波动呈负相关关系;住宅价格波动具有非对称性,低住宅空置时住宅价格波动大于高空置时的住宅价格波动;同时住宅价格波动具波动聚集性;政府及时披露住宅空置信息和合理调控住宅空置水平,有利于住宅市场的稳定发展。     

国内外原油价格关系的动态分析

以2000年1月~2006年12月国内原油和国际原油现货FOB月价格为变量,分析了两者的动态关系:首先,通过Johansen和Juselius的极大似然法对2个变量进行了协整检验,结果显示2个变量之间可能存在动态均衡关系;其次,通过G ranger因果检验和建立误差修正模型对两者的动态均衡关系进行了检验,证明这2个变量间存在均衡关系;然后,运用脉冲响应函数和预测误差分解技术对这种动态均衡关系进行了分解,分析了国内外原油价格之间的相互作用机制和影响程度。在此基础上,从我国石油价格形成机制方面讨论了增强国内原油价格对国际原油价格定价的发言权、避免国际原油价格的波动风险的途径。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

多国股票市场的高频波动相关性研究

本文通过建立包含马尔科夫机制转换结构的MS-MHAR-DCC模型,并选取世界上比较发达的国家和地区股票市场的高频日内交易数据为样本,对多个股票市场波动相关性进行研究。通过引入包含马尔科夫结构的外部随机矩阵,本文识别出金融市场波动相关的截断时期,正态分布设定下相比在t分布设定下识别的截断时期更多且持续时间更长。在模型的截断时期内,多个股票市场的波动相关结构主要受到正向冲击,即在截断时期内的波动相关性大于平常状态的波动相关性。本文还发现,相同地域的股票市场间的动态波动相关性在大部分时期内表现为较强的正相关;美国股票市场和其余5个国家股票市场波动的动态相关性在大部分时期都表现为较强的正相关,表明美国作为全球巨头在世界金融市场波动的引导作用。