论文研究-基于藤copula-CAViaR方法的股市风险溢出效应研究.pdf

所需积分/C币:15 2019-09-20 1.05MB .PDF
评分

论文研究-基于藤copula-CAViaR方法的股市风险溢出效应研究.pdf,  为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copu
2740 系统工程理论与实践 第38卷 Schaanning12的 copula- Co Var方法只能测度“一对”的企融风险溢出效应,即一个国家(地区)发生金 融风险对另外一个国家(地区)带来的影响 为此,本文提出使用藤 copula分析多个金融资产之间的相关结构,使用卫ngl和 Mangancllil2的 CAViar模型拟合单个资产收益的边缘分布,建立藤 copula-CaViaR模型来估计多元条件联合分布,进而 推导 CoVar类风险测度方法,实现多个金融市场或金融资产之间“对一”的风险溢出效应测度本文主要开 展了以下三个方面的创新性斫究工作:第一,建立藤 copula- CAViaR模型,给出多元条件联合分布建模方法, 一方面运用 CAViaR拟合边缘分布,能够避免Cao等使用 GARCH类方法对误差项分布特征的依赖性 而带来的模型误设问题,另一方面运用藤coυula方法能够避免普通 copula方法中面临的维数灾难问题.第 二,基于多元条件联合分布推导 CoVaR类风险测度,一方面能够刻画多个变量间非线性关联关系,另一方面 能够测度“多对一”的风险溢出效应,直接扩展了 Mainik和 Schaanning12等“一对一”的 Co VaR风险测 度结果第三,将本文的方法应用于中国、美国和日本股票市场之间的风险溢出效应研究,给出 CoVaR类风 险测度结果.实证结果表明:从条件信息集数量来看,相比于美国,日本股票市场发生危机事件对中国股票市 场的风险溢出程度更大;美国和日本股票市场同时发生危机事件,比其中任一股票市场发生危机事件对中国 股票市场的风险溢出程度大.从条件信息集事件域来看,美国和日本股票市场(独立或同时)发生更为严重 危机事件加了中国股票市场的风险;美国和日本股票市场(独立或同时)发生趋于利好事件和利好事件对 中国股票市场影响基本一致.此外,从风险传染相互性来看,美国股票市场貝有更强的风险应对能力与收益 共享能力,表现为:包含中国在内的其他国家股票市场发生更为重危机事件对美国的影响,小于美国股票 市场金融风险对其他国家的消极影响;中国及其他国家发生趋于利好事件对美国存在正向影响,且大于美国 及其他国家对中国的积极影响 2模型与方法 为测度“多对¨”的风险溢出效应,实现 CoVaR类风险测度,本文给出相应的模型与方法,主要包含两 个方面:第一,建立藤 copula-CAViaR模型,给出多元条件联合分布建模方法;第二,基于多元条件联合分布 推导 CovaR类风险测度这里 CoVar类风险测度指标主要包括:二维 CovaR( CoVaR=、 CovaR)和多 维 MCoVaR( COVAr=、 MCoVaR≤ 2.1多元条件联合分布建模 2.1.1边缘分布拟合: CAViar Koenker等21提出的分位数回归方法,能够揭示响应变量完整条件分布变动规律,特别适合于尾部金 融风险管理。该方法无需对误差项进行分布设定,能够避免模型误设等间题,显示岀更强的稳健性,详见蒋架 侠等2的研究工作.在单个资产VaR风险测度中,ngle和 Manganelli20提出了 CaViar类模型,包括 CAViaR-SAV、 CAViar-AS、 CAViaR-lG和 CAViaR-AD. CAViaR类模型对VaR进行自回归,直接计算VaR (与分位数对应)是一种特殊的分位数自回归方法.考虑到上述四个模型中, CAViar-SAV模型最为简单、有 效(实证中用时最短,效果良好),本文运用 CAViaR-SaⅤ模型进行单个资产边缘分布拟合,模型表示为 Qt(r)=B1+2Qt-1+3r:-1 其中,7-1为收益率冲击项,Q()为r的r分位数.B1,B2,B3为待估计参数,可以通过Enge和 Manganellil20 推荐的 Nelder-Mead单纯形法与拟 Newton方法相结合的混合搜索算法得到,基本步骤如下 第一步:用前m个样本佔计出VaR的初始值; 第二步:对模型中每个待估计参数生成10″(m=5,6,…)个服从U(0,1)随机数,组合成相应随机参数 向量 第三步:对每组参数向量分别计算RQ值 RQ=∑rrQ()|+∑(1-7)r-Q(7) 7t≥(t(7) 第四步:选择较小的10组RQ值,并将其所对应的参数向量作为 quasI- Newton算法的初始值; 第五步:重新计算RQ值,并取其最小值所对应的参数值为模型的最终参数估计值. 第11期 许启发,等:基于藤 copula- CAviaR方法的股市风险溢出效应研究 2741 在后续的实证中,本文取m=300,n=5.理论上,当条件分位数取值足够密集时,分位点τ值即是其 概率积分变换后得到的边缘分布函数值.为此,本文考虑以收益序列经验分布函数值作为分位点τ值代入式 (1),得到单个收益与其边缘分布函数值的一一对应关系 212关联结构刻画:藤 copula 根据 Sklar23定理,对于一个p维随机向量x-(x1,x2,…,xn),令F为具有边缘分布n1(x1),F2(x2),…, F(xp)的多元变量联合分布函数,那么一定存在一个 copula函数C()使得 F(a )=C(F1(x1),F2(m2),…,F(xp) 其联合概率密度函数可以表示为 C1,北 F1(x1),F2(x2)…,;Fp(an)×I(2k 其中,c(F1(x1),F2(x2),…,fp(p)为 copula函数C()的密度函数,fk(axk)为变量xk(k=1,2,…,p)的边 缘分布密度函数 为实现多元联合分布的降维处理, Beford和 Cooke2.25基于 pair-copula建立∫藤 copula方法,并深 入研究其参数估计、模拟仿真等冋题.根据 pair-copula理论.按照某种结构,多元变量联合概率密庋函数可 以分解成一系列 pair-copula密度函数和边缘分布密度函数的乘积形式.结合正则藤(R藤)图形建模方法, 采用藤的层叠结构,可以进一步构建藤 copula模型.此时,多元变量为藤的节点,pair- copula为藤的边.目 前,R藤结构主要包括C藤和D藤两种类型.一般地,当变量问存在一定主次关系时,即变量问关系被某个 关键变量引导,表现为树状结构中存在一个中心节点适合采用C藤结构来描述;当变量间没有主次关系,即 各变量的地位相对平等,表现为线型分层树状结构,则适合采用D藤结构来刻画 在金融市场中,各个股票市场地位往往相对平等,难以确定主次关系,所以本文选择D藤 copula来刻画 各个市场间的非线性关联关系,一个p维D藤 copula可以由p-1棵树(,j=1,2,…,p-1)来表示,其 中第j棵树T具有p+1-j个节点和p-j条边,每个节点对应一个变量,每条边对应一个 pair copula函 数.这佯,联合概率密度函数可以进一步表示为 C,+j+1,…,i十j k=1 1i=1 F +1 其中、j表示树的层次,表示每棵树上的边,c(,)为 pair copula密度函数,F(,)为条件分布函数 22 CoVaR类风险测度 2.2.1风险指标 VaR是指在给定置信水平100×(1-θ)%下:在一定持有时期范围内,金融资产面临的最大损失.根据 定义股票市场d的vaB满足 P(Rt≤VaR6,)=6 其中,P为股票市场d的收益率 在VaR方法基础上, adrian和 Brunnermeier10提出 CovaR方法,用以揭示单一金融机构陷入危机状 态时金融体系的风险价值,即金融体系的条件风险价值,并将单一金融机构对系统性风险的贡献大小定义为 金融体系的条件风险价值与非条件风险价值的差额.据此,也可以计算在单一金融市场陷入极端情境时另一 金融市场的风险价值.设金融市场d陷入极端情境的最大损失为Vα金融市场∫的α分位点条件风险 价值为 Covart,则有 P(R!≤ CoVaR=,(1 R =Varg) 其中, CovaRo!表示当金融市场d处于0分位点风险价值时的风险溢出效应事实上,CoaP只 考虑了金融市场d在危机或利好(对应分位点取下尾或上尾)事件{2-Va4}发生时所带来的风险溢出 效应、忽略了一类更广泛事件{≤VaR}所带来的影响.这一类事件可以划分为两种状态第一,更为严 重危机事件,对应分位点θ取下尾,如θ=0.05;第二,趋于利好事件,对应分位点θ取上尾,如θ=0.95.为 2742 系统工程理论与实践 第38卷 此,参考 Benoit等的研究工作,扩大条件信息集事件域并对 CovaR进行修正设金融市场f 的a分位点修正条件风险价值为CoaB5),则有 P(R!≤ CoVaRontR≤vaBb)=a 进一步地,计算金融市场d对金融市场f的绝对风险贡献程度 COvar,(ld)= Covara (ld)varS , (9) AcoVars,(id covas, (fld-vaRI 消除量纲影响,得到金融市场d对金融市场∫的相对风险贡献程度 % CoVaR-、(f=△CoVh(fd)yaRa 6,a,t ZCoVaRext =ACovareat varlt (12) 此外,增加条件信息集中金融市场数量,可以计算多个金融市场陷入极端情境时另一金融市场的风险价 值.以三个金融市场为例,记金融市场f在金融市场d1和d2处于危机状态时的a分位点条件风险价值为 MCOVart'42),则有 P(RI S MCoVaRa, (di da)Irdi= vand. Rv VaRna 02,t (13) 其中,vaRB、VaP2分别表示金融市场d1和d2处于1和2分位点的风险价值.此外,金融市场∫的 a分位点修正条件风险价值MCoB,,满足 P(rf MCoVaRe. did2ird1< vardi, rda< varda,)=c (14 相应地,金融市场d1和d2对金融市场∫的绝对风险贡献程度 △ MOlar,Od)= MCoVaro、fd,d)aRa (15) AMCoVaRs, (ld1, d2)-MCoVaRs,fId1, d2)_vaR 1,2,a,t (16) 类似地.消除量纲影响,得到金融市场ω1和ω对金融市场F的相对风险贡献程度 %MCoVaRe,, di d a)=amcovare, e di/vardtz (17) %MCoV aRp. 9 di d 2)= AMCovaRa e di d2) (18) 222计算方法 基于D藤 copula得到的条件联合分布,可以进行 CoVaR类风险的计算,相关推导如下 )二维情形 第一计算 CoVar.由式(3),令p=2,得F(x1,x2)=C(F1(x1),F2(x2),则有 Fi2{1x2)=P(X1≤1X2=22)-limP(X1≤x1|m2≤X2≤2+e)=1im F(x2+,1)-F(r2,m1) 5-0P2(x2+)-F1(x1) 、<(P2②2+),F(a1)=C(E2(2)h(2)C(F2(=2)F(n) F2(x2+e)-F1(x1) OF2(2 令1=F1(x1),U2=F2(x2)及h12(2)=aC(u12)/02,对比 CoVaR=定义式(7),可得金融市场∫的 条件风险价值 CoVara d)=Frl(hl(a Favard )y 第二,计算 Co VaR≤.由条件分布函数定义,可得 P(X <IX F(x1,x2)C(F1(x1),F2(x2)) ⊥ F2(x2) F2(x2) (21) 令g12(1u2)=C(un|v2)/2,对比 CoVaR定义式(8)可得金融市场∫的修正条件风险价值 C0≤(fd=F(na(Va.,) 0, xt 2)多维情形 此时, CoVaR求解的关键在于条件分布函数的降维计算.参考Joe2给出的D藤结构降维方法,考虑 到 COvAr=和 COvAr≤计算上的差异,则有 Fld(aslap)=holdi D-d, (FD-d, aflatd d Fdd-a (tdi ltd d ) (23) 第11期 许启发,等:基于藤 copula- CAviaR方法的股市风险溢出效应研究 2743 4,(af/ap)=fdi D-d,(P< (aflaD-dy/dhld d, (d1 lap-dr D) (2 其中D={1,d2,…,dk}.f∈D,D-a1=D\{th}表示从集合D中除去1后的集合,=(xad,xl2,…,xan) 为k维向量.可以将多维 CoVaR计算过程分解成以下两步:第一,多元条件分布的降维处理.由式(23)和 式(24)将多元条件分布函数依据D藤结构分解成一系列二元条件分布函数的组合形式.第二确定置信水 平计算多维 CoVaR.设置各个变量风险价值的置信水平,分别计算出 COvAR=和 MCoVaR≤.以三维情 形为例,多维 CoVar求解过程如下 第一计算 MCoVaR=.由式(3),令p=3,得F(x1,x2,x3)=C(F1(m1),F2(x2),F3(x3),由式(23),令 1=F1(x1),t2=P2(x2),13=F3(x3)及h12(u12)=oC(l2)/0u2,则有 123(x12,3)=h12(F12(x12)f32(x31x2)=h192(h12(12)h2(22) 数设23(x123)=a,由式(25),则有h182(h2(nl)2(12)=a,为求解u1,进行两次反函 人 得到 12(212 ulu (26) (h132(a|h2(132)2 (27) 进一步地由1=F1(x1)求解1的条件a分位数,求累积分布函数的反函数,得到 1=F1(h1p2(h12(a|ha32(32)y2) 从而、对比 MCoVaRˉ的定义式(13),可得金融市场∫的条件风险价值 MCoVaR, di, d2) F(hnd1(bhaa(aha(F2(vaB)F1(VaBh)Fa1(VaB) 第二计算 MCoVar.令912(u12)=C(u1|2)/2,则有 12a12,3)=9192F2(a2)22(a2)=912(p(u2)22) 此外令F23{x1x2,23)=a,由式(30),则有913:2(912(a1l2)92(12)-=a.为求解1,进行两次反函 数计算,得到 g12(2l2)-9132(alg32(32) 912(912(a19392(2)2) (32) 进一步地求解x1的条件a分位数,得到 41 (9132(al932(u2)12) 1|3 从而,对比 MCo Var-的定义式(14),可得金融市场∫的修正条件风险价值 MCoVars,(ldi, d2)=Fr(grld(9 Flda: d, (a 3da 1d,(Fda(VaRda)IFd, (VaRl))Fa (VaRdi).(34) 223返回测试 本文运用 Kupiecl2提出的似然比(LR)检验,进行ⅤaR和Cova类风险测度结果的返回测试,以验证 模型的有效性在VaR返回测试中,设N为检验样本中损失超过VaR值的事件发生次数,T为检验样本总 的数据个数,N~B(1,p),p=(给定置信水平为100×(1-0)%)原假设和备择假设分别为:Ho:N/T=P H1:N/T≠p.构造似然比统计量 LR=-21n[(1-p)-N×p]+2ln(1-N/)-Nx(N/T)]x2(1 (35) 因此、在给定置信水平后,可以根据LR检验的P值判断是否拒绝原假设.P值越大,说明越不能拒绝原假 设,表明模型的风险测度效果越好 在 Co VaR类风险返回测试中,可以将 CoVaR视为有条件的ⅤaR.再实施LR检验,关键在于条件信息 集的构造.为此,本文提出两步方案:第一步.筛选检验样本.根据CoVa类风险的条件信息集,找出满足条 件事件旳数据筛选岀与之对应的被影响事件数据,并将其作为检验样本.第二步,进行ⅤaR返回测试.根据 给定置信水平,运用LR检验对检验样本进行返回测试 2744 系统工程理论与实践 第38卷 3实证研究 经济全球化使得世界范围内各国经贸往来口益频繁.特别地,中国与美国、口本等经济强国之间的交流 日益密切.如:中美全面经济对话、中日双边经贸合作强化等.然而,一个国家的经济(金融)风险能够传染 到其他国家或地区,如:2007年美国金融危机的发生,使得中国股票市场受挫、沿海个业破产倒闭.考虑到美 国作为世界强国在经济等诸多领域的影响与日本作为中国近邻在经贸往来等方面的独特性,深入揭示其金融 风险溢出效应,本文选择中国、美国、日本股票市场为硏究对象,运用本文方法进行实证研究:一方面,基于 MCoVaR风险测度,提出“多对一”金融风险溢出效应:另一方面,基于 CoVaR≤和 MCoVaR风险测度, 刻画更为严重的危机事件对金融风险溢出效应的影响 31数据与描述 为研究上述三个主要国家的金融风险溢出效应,选取上证综指(SC、标普500(SP500)、日经225(N225) 等股票指数日收盘价P,计算其对数收益:η=(logP-logP-1)×100%.考虑2007年金融危机传播及其 影响的滞后性,本文以2009年股市开盘首H为时间起点,选取到迄今为止最新的样本观测数据,样本区间为 2009年1月5日至2017年6月30日.由于不同国家时区、节假日差异,股票交易日期有所不同,为保持数 据的同步性,参考梁琪等28的做法,剔除了日期不一致的数据,得到188个样本.此外,考虑跨时区股指日 度数据的非同期相关性,在讨论美囯股市对中国股市溢出效应时,将SP500滞后一期.样本数据来自Wind 数据库,所有运算通过R软件和 MATLAB软件编程实现 表1收益率描述性统计结果 投票指数最大值均值最小值方差峰度偏度JB检验LM检验 6.04 038872.537.620.741844.7* SP500 17 6.901.277.75-0.241787.4**357.26* N225 7.430.04 11.152.246.81 0381181.5**137.27“米 注:***表示在1%水平下显著 表1给出了各股指收益序列描述性统计结果,可知:第一,就日收益的均值与方差而言,美国股市表现最 好,具有最高的日均收益0.05%与最小的方差1.27%2.第二,各股指收益率偏度为负,呈现出左偏特征,意味 着下跌的可能性大于上涨的可能性;峰度系数均大于3,具有匕正态分布更明显的尖峰厚尾特征.第三,J-B 检验结果的P值小于1%,表明在1%显著水平下拒绝原假设,据此可以初步判断各收益率序列均不服从正 态分布:第四,LM检验的P值小于1%,表明各收益序列存在明显条件异方差性.因此,既可使用 CAViaR 模型描述其边缘分布,也可使用GARH模型刻画其波动情况.为了比较,本文分别运用 CAViaR模型和 GARCH类模型: GARCH-N、 GARCH-、 GARCH-SGED、 ARMA-GARCH-N、 ARMA-GARCH-、ARMA GARCH-SGED来拟合各收益的边缘分布 32模型与分析 321边缘分布拟合 首先:运用 CAViaR方法拟合SCI、SP500和N225的边缘分布由式(1)建立分位数自回归模型,得到 各收益条件分布结果(限于篇幅,参数估计结果略).其次,运用 GARCH类方法对各收益率进行波动性建模, 从而得到单个收益标准化残差项和波动率(限于篇幅,参数估计结果略),实现各收益边缘分布拟合. 322关联结构刻画 运用D藤 copula函数刻画SCI、SP500和N225间的非线性关联结构,对 CAViar模型的条件分位数 和GAR(H类模型的标准残差项进行概率积分变换,得到相应边缘分布函数值;再根据ΔC准则,选择最优 的 copula函数,从而得到基于D藤 copula-CAviaR方法和基于D藤 copula-GARCH类方法的估计结果, 详见表2.由表2可知,第一:,从AIC准则来看,与D藤 copula- GARCH类方法相比,D藤 copula-CAViaR 方法的AIC值更小,说明其拟合效果更好.第二,从相关结构来看,D藤 copula- GARCH类表现基本一致 D藤 copula-CAViaR方法与D藤 copula- GARCI类方法表现不同,D藤 copula-CAVial方法显示SCI和 sP500(C1,2)、SP500和N225(C23)、SCI和N225(C1,32)之间的结构关系均适合用 Student- copula进行描 述,其相关系数分别为0.18,0.47和0.21 第11期 许启发,等:基于藤 copula- CAviaR方法的股市风险溢出效应研究 2745 表2藤 copula函数估计结果 C1 Ca 模型方法 AIc copula 1,2 copula p copula P1.3 2 D藤 copula- GARCH-N Clayton 0.22 Student 0.418 Student 0.22 633.68 D藤 copula-garCH-t Clayton 0.22 Student 0.47 Student 0.22-636.33 D藤 copula- GARCH-SGED Clayton 0.22 Student 0.47 Student 0.22 -636.04 D EF copula-ARMA-GARCH-N Clayton 0.22 Student 0.48 Student 0.22 -640.19 D ER copula-ARMA-GARCH-t Clayton 0.22 Student 0.48 Student 0. 22-643.72 D ER copula-ARMA-GARCH-SGED Clayton 0.22 Student Student 0.22 -645.68 D藤 copula-CaviaR Clayton 0.18 Student 0.417 Student 0.21 665.80 33结果与讨论 运用拟合效果最优D藤 copuld-CAViar模型构建SCI、SP500和N225间的联合分布,进而使用推导 所得的 CoVar风险测度方法,实现股票市场间“一对一”和“多对一”风险溢出效应的测度.以二维为例,在 求解式(20)和式(2)过程中,取α=θ=0.05时,表示研究一个股票市场发生危机事件对另一股票市场 的风险溢出效应;取a==0.95时,表示研究一个股票市场发生利好事件对另一股票市场的风险溢出效 应.据此,可以扩展到多维,研究多个股票市场发生危机或利好事件对另一股票市场的风险溢出效应,这里不 再一一赘述 这里主要研究美国和日本股票市场对中国股票市场的风险溢出效应,考虑三种情景:SP500发生危机 或利好事件时SCI的 CoVaR类风险;②N225发生危机或利好事件时SCI的 CovaR类风险;③SP500和 N225同时发生危机或利好事件SCI的 CoVaR类风险.表3报告了在情景①、情景⑨和情景③下,基于D 藤 copula- CAViar方法SCI的 CoVaR类风险似然比检验P值、 CoVaR类风险均值和% CoVaR类风险均 值,其中的风险指标均值是指各风险指标取值在时间上的平均.为了比较,同时给出基于 DCC-GARCH方 法测度结果.从LR检验P值来看,与 DCC-GARCH方法相比,D藤 copula- Caviar方法SCI的VaR和 CoVaR的似然比检验P值更大,总体大于0.05,表明在95%的置信水平下有效为此,下文将进一步分析基 于D藤 copula-Caviar方法测度结果 表3基于D藤 copula- CAViar模型的SCI风险测度结果 风险指标: a=b1=62=0.05 Q=1=62=0.95 求解方法 VaR与(M) CoVaR LR检验风险指标%(M) CoVaR LR检验风险指标%(M) CovaR P值均值 均值 P值均值 均值 CAViaR VaRSCI 0.72 2.45 0.94 2.33 CoVaRe1,o cllN225) 0.08 0.07 0.01 2.27 CoVaR 0.682.35 2.92 0.60 2.22 4.66 D藤 copula- COvAr =,( SCIISP500,N225) 0.36 2.40 2.11 0.32 2.22 -4.81 CAViaR CoVaRS,(SCIISP500 0.184.27 74.13 0.22 2.24 3.6 CoVaR (SCI|N225) -4.50 0.56 2.21 5.32 COvAr ≤,(SCI|SP500N2250.12 4.81 97.31 0.30 2.19 6.15 Covaro,t P;00) 0.05 2.50 2.11 0.00 2.10 9.93 DCC-GARCH CV R92, a SCIISP500, N 0.08 3.52 0.102.46 3.53 44.27 0.08 2.44 4.77 331风险溢出效应分析 基于D藤 copula-CAViaR方法,本文得到了 CoVaR类风险以及% CoVaR类风险测度结果,如图1与 图2所示图1报告了a=1=〃2=0.05时,在情景①、情景②和情景③中,SCI的 Rcturn(收益)、VaR、 CoVaR随时间变化关系;图2则报告了其在a=1=的2=0.95时的结果.图中,实线、虚线、点线和点虚 线分别代表SCI的 Return、VaR、(M) CoVaR=和(M) CoVaR,容易看出其具有明显的时变特征.SCI的 VaR曲线反映了中国股票市场的自身风险水平,( M)CoVar曲线显示了其他国家(地区)对中国股票市场金 融风险的影响,其差值(包含:式(9)与式(10)定义的绝对风险贡献程度、式(11)与式(12)定义的相对风 险贡献程度)则体现了金融风险溢出效应的大小 2746 系统工程理论与实践 第38卷 Time/ear Time Near 图1SCI的 Return/vaR/ CoVaR曲线(a=61=02=0.05) Time/Ye 图2SCI的 Return/VaR/ CoVaR曲线(a=1=62=0.95) 由图1可知,在较低分位点a=61=62=0.05处,第一,SCI的(M) CoVaR=与vaR几乎重合,条件风险 值与风险值相差不大,说明美国和日本股票市场(独立或同时)发生危机事件对中国股票市场的风险溢出效 应较小;第二,SCI的(M) Co Var与VaR相差较大,表明美国和日本股票市场(独立或同时)发生更为严重 的危机事件对中国股票市场的风险溢出效应较大,不容忽视.由图2可知,在较高分位点α=1=62=0.95 处,SCI的( M)Co VaR、( MCo VaR-与VaR几乎重合,意味着美国和H本股票市场(独立或同时)发生利 好事件或趋于利好事件对中国股票市场影响不大.综合而言,美国和日本对中国股票市场的影响呈现出“风 险分担、收益不共享”的总体格局,这一结果与何德旭和苗文龙研究结果一致 332条件信息集数量的影响 这里,对比美国和(或)日本股票市场对中国股票市场的金融风险溢出效应.考察条件信息集中金融市场 数量带来的影响根据表3中( M)Co VaR≤结果,当a=1=02=0.05时,第一,在情景①和情景②中,SCI 的% CoVaR均值大于50%,即美国、日本股票市场对中国股票市场存在明显的风险溢出效应:第二,在情 景②中.SCI的% Co Var-均值为83.47%,大于情景④,说明相比于美国,日本股票市场发生更为严重危机 事件对中国股票市场的风险溢出程度更大,这一结果与季勇和廖慧闓0研究结果一致.究其原因,可能与地理 位置和经济贸易等基本事实有关:一方面,日本比美国离中国更近,风险传导更快;另一方面,日本与中国经 济贸易日益频繁,经济联系更为密切,对中国影响更大.第三,在情景③中,SCI的% Co VaR≤,大于情景①和 情景②,说明美国和日本股票市场同时发生夏为严重危机事件:比其中任一股票市场发生更为严重危机事件 对中国股票市场的风险溢出程度大,意味着两个股票市场同时发生了更为严重危机事件会导致金融风险溢出 的叠加效应.当α=θ1=θ2=0.95时,在情景①、情景②和情景③中.SCI的% CoVar均值相接近且均为 负值说明美国和日本股票市场(独立或同时)发生趋于利好事件时,对中国股票市场的风险影响较为一致且 均为负向影响 333条件信息集事件域的影响 这里对比表3中报告的(M) CoVaR与(M) CoVaR结果,考察条件信息集中事件域变化带来的影响 当a=1=62=0.05时,在情景①、情景②和情景③中,SCI的(M) CoVaR、均小于(M) CoVaR=,说明美国 和日本股票市场(独立或同时)发生更为严重危机事件,加剧了中国股票市场的风险.当a=B1=62=0.95 时,在情景①、情景②和情景③中,SCI的(M) CoVar-与(M) CoVaR=相接近,说明在较高分位点处,条件 信息集事件域对金融风险溢出效应影响不明显,表明美国和日本股票市场(独立或同时)发生趋亍利好事件 和利好事件对中国股票市场影响基本一致. 第11期 许启发,等:基于藤 copula- CAviaR方法的股市风险溢出效应研究 2747 上述结果,更加细致地表现在图1与图2中.对比图1与图2,可以清晰地看出:当a=1=02=0.05时, SCI的( M CoVaR位于(M) CoVaR=下方;当a=O1=02=0.05时,SCI的(M) CoVaR和(M)CoaR 几乎重合 4稳健性检验 在上述实证中,运用本文方法对中国、美国和日本股票市场进行了“一对一”、“二对一”的风险溢出效应 研究,获得了较好的实证结果.为进一步检验木文方法的有效性,可以考虑更多金融市场发生危札事件对另 一金融市场的影响.为此,选择同属于北半球的四个国家,其中:中国、日本为亚洲国家代表,美国为北美洲 国家代表,法国为欧洲发达国家代表,进行“三对一”的 CoVaR风险溢出效应研究,同时探究风险传染的相 互性 41检验过程 1)数据选取.本文以法国作为欧洲股票市场代表.以法国CAC40指数代表法国股票市场变化情况.获 取上证综指(SCⅠ、标普500(SP500、日经225(N25)和法国CAC40(CAC40)等股票指数的日收盘价数 据,计算其对数收益.样本区间为2009年1月5日至2017年6月30日.同样地,这里考虑了非同期相关性 问题在讨论美国与法国股市对中国股市溢出效应时,将SP500和CAC40分别滞后一期 2)条件联合分布建模.分别运用 copula-CAViaR与 copula-GARCH方法佔计4个殿指的条件联合 分布,主要包括两步:第一分别使用C^viaR模型和 GARCH类模型描述各个股指的边缘分布(限于篇幅, 参数估计结果略);第二,运用D藤 copula函数刻画各个股指的非线性关联结构,根据AIC准则,选择最优 的 copula函数.比较υ藤 copula函数计算结果中的AC值(限于篇幅,计算结果略),发现υ藤 copula CAViaR方法的AIC值更小,拟合效果更优意味着更加适合刻画多个金融市场的条件联合分布特征 3)风险溢出效应测度.选择拟合效果最优的D藤 copula-CaviaR模型,进行“三对”风险溢出效应测 度,并进一步探究风险传染的相互性 42检验结果 运用D藤 copula- CAViar模型构建以上4个股指间的联合分布,进而计算 MCoVaR风险,结果见表4. 表4中报告了两个情景的“三对一风险溢出效应测度结果:④SP500、N225、CAC40同时发生危机或利好 事件SαI的 MCoVaR风险;③SCⅠ、N225、CAC40同时发生危机或利好事件SP500的 MCoVaR风险 表4基于冂藤 copula- CAViar模型的SCI、SP500的 COvAr风险测度结果 风险指标: 91=02=3=0.05 Q=01=62=63=0.95 (M)CoVaR LR检验风险指标%(M) CoVaR Lr检验风险指标%(M) CoVaR P值 均值 均值 P值 均值 均值 (SCISP500, N225, CAC40) MCoVaRe,.elo. 0.07 2.43 1.20 0.08 2.23 5.01 MCoVaRS,(SCIIsP500, N225, CAC40) 0.29 4.21 70.72 0.D7 MCoVaR-, SP5ODISCI, N225,CAC40 2.70 0.13 1.64 MCoVare,oaoao. 00|SCr,N225,CAC40) 0.65 2.38 :36.29 0.02 2.66 65∴:39 由表4,从TR检验P值来看:D藤 copula- CAViaR方法SCI、SP500的VaR和 CoVaR的似然比检验P 值基本大于0.05,表明在95%的置信水平下有效从条件信息集数量来看,在情景④中,当=1=62=0.05 时,SCI的% COvAr均值为70.72%,小于情景③,说明美国、日本、法国三个股票市场同时发生更为严 重危机事件,比美国、日本两个股票市场同时发生更为严重危机事件对中国股票市场的风险溢出程度小,意 味着法国股票市场与美国、日本的联动关系减弱了金融风险溢出效应:当α=1=2=0.95时,SCI的 MCoVaR≤均值大于情景①、情景②、情景③且为正值,说明美国、日本和法国三个股票市场同时发生趋 于利好事件,与美国、日本两个股票市场(独立或同时)发生趋于利好事件对中国股票市场的风险影响不同, 前者影响更大且为正向 此外,从风险传染相互性角度来看,在情景⑤中,当α-01-02-0.05时,SP500的% COvAl均值 为36.29%,小于情景④,说明中国、日本、法国股票市场同时发生更为严重危机事件对美国股票市场的风险 溢出程度.小于美国、日本、法国股票市场同时发生更为严重危机事件对中国股票市场的风险溢出程度:当

...展开详情
立即下载 最低0.43元/次 身份认证VIP会员低至7折
举报 举报 收藏 收藏
分享
279KB
论文研究-基于k-means聚类算法的研究 .pdf

基于k-means聚类算法的研究,黄韬,刘胜辉,本文首先分析研究聚类分析方法,对多种聚类分析算法进行分析比较,讨论各自的优点和不足,同时针对原k-means算法的聚类结果受随机��

2019-08-15 立即下载
428KB
论文研究-基于虚拟化及重定向技术的Android沙箱设计与实现 .pdf

基于虚拟化及重定向技术的Android沙箱设计与实现,崔海娜,张天乐,随着移动设备的普及,移动企业管理(EMM)作为解决企业移动化安全和管理问题的产品应运而生。EMM的移动性管理元素之一--移动内容管�

2019-08-22 立即下载
240KB
论文研究-基于情感信息收集-抽取架构的文本情感分析网络 .pdf

基于情感信息收集-抽取架构的文本情感分析网络,郭豪,双锴,近些年来,文本的情感分类作为自然语言处理领域的关键任务得到了越来越多的关注,基于深度学习的网络模型在该任务中取得了很大的成�

2019-08-18 立即下载
269KB
论文研究-基于FPGA的多功能扫频信号源的设计 .pdf

基于FPGA的多功能扫频信号源的设计,刘颢阳,李绍胜,扫频信号源是扫频仪主要功能部件,对其实现方法进行研究有重要意义。本文给出了一种由FPGA与DAC组合的扫频信号源设计方案。信号源��

2019-08-15 立即下载
942KB
论文研究-基于微信公共平台的小型图书馆管理系统的设计与实现 .pdf

基于微信公共平台的小型图书馆管理系统的设计与实现,许鹏,范春晓,从互联网的思维方式上考虑,结合微信公共号对外提供的接口和服务,综合利用开源的开发框架和新兴的WEB服务技术,设计并实现了基于��

2019-08-17 立即下载
424KB
论文研究-基于JsSIP实现SIP网页客户端 .pdf

基于JsSIP实现SIP网页客户端,高嵬,孙其博,JsSIP是使用Javascript脚本语言实现的开源SIP协议栈,是目前广泛应用的各种基于SIP协议的Web音视频通信终端的基础库�

2019-08-22 立即下载
194KB
论文研究-基于WinCE的智能车载仪表的设计 .pdf

基于WinCE的智能车载仪表的设计,韩琨,郝继飞,针对当前汽车仪表的发展趋势,设计了一款基于WinCE操作系统的智能车载仪表。智能车载仪表可以通过CAN总线接受汽车各个部件的ECU的信�

2019-08-20 立即下载
1.56MB
论文研究-基于深度学习的人脸识别算法研究 .pdf

基于深度学习的人脸识别算法研究,赵学斌,张雷,传统的人脸识别算法主要是基于图像的浅层特征提取,比如LBP、SIFT、HOG等图像特征描述算子,然后进行多种浅层特征融合,PCA降维之后��

2019-08-16 立即下载
426KB
论文研究-基于Android平台的电子书阅读器的设计与实现 .pdf

基于Android平台的电子书阅读器的设计与实现,赖穆彬,邹仕洪,本文主要阐述了在android平台上十分流行的电子书阅读器的设计与实现,具有智能断章,翻页特效,场景模式切换,阅读字体调节,用户��

2019-08-16 立即下载
255KB
论文研究-基于CUDA技术的运动估计算法加速 .pdf

基于CUDA技术的运动估计算法加速,刘婷,程荣辉,运动估计模块是数字图像/视频处理中最重要的模块之一,它的处理技术直接决定了图像/视频处理的效果,快速有效的运动估计算法是现�

2019-08-18 立即下载
305KB
论文研究-基于加权跳数的DV-HOP定位算法 .pdf

基于加权跳数的DV-HOP定位算法,白进京,周先菊,节点定位技术在无线传感器网络中占据至关重要的地位,如何提高定位精度是本文的研究的目的。本文深入分析了DV-Hop(Distance Vector-Hop��

2019-08-21 立即下载
290KB
论文研究-基于LSTM神经网络的股价短期预测模型 .pdf

基于LSTM神经网络的股价短期预测模型,成烯,钟波,股价预测是时间序列预测领域最具有挑战性的问题,准确预测股价能够帮助投资者降低风险,提高收益。本文应用LSTM神经网络对股价指��

2019-08-14 立即下载
533KB
论文研究-基于WiFi的环境监测系统设计 .pdf

基于WiFi的环境监测系统设计,李山,,WiFi(Wireless Fidelity)技术具备传输速率高、传播距离远、覆盖范围广等特点,在无线局域网应用中得到了迅猛的发展。本文设计并实现了一�

2019-08-16 立即下载
473KB
论文研究-基于I-7188的EIB网关的设计与实现 .pdf

基于I-7188的EIB网关的设计与实现,何欣,黄涛,EIB网关对智能家居的集成应用推广具有极其重要的意义。本文通过研究EIB(European Installation Bus)协议及其外部通信机制,提出基于I-7188��

2019-08-16 立即下载
613KB
论文研究-基于React的前端组件化研究与设计 .pdf

基于React的前端组件化研究与设计,周兴宇,卞佳丽,随着互联网行业的快速发展,Web应用更加庞大和复杂,对用户体验和交互有着越来越高的需求,对前端技术不断提出新的要求。React是一�

2019-08-20 立即下载
1.67MB
论文研究-基于深度学习的不可见图像隐写术 .pdf

基于深度学习的不可见图像隐写术,董士琪,刘建毅,隐写术和隐写分析是信息安全领域中的一个重要分支——信息隐藏的主要内容,二者在对抗中不断发展进步。近年来已经有大量的工作将��

2019-08-15 立即下载
256KB
论文研究-基于可信度的不确定性推理的研究与应用 .pdf

基于可信度的不确定性推理的研究与应用,杨阿琴,,本文将基于可信度的不确定性推理其运用到民航机务维修差错预警专家系统中进行研究中,并在Jess推理引擎的基础上,研究了具体的知��

2019-08-16 立即下载
202KB
论文研究-基于PSO算法的 -SVM算法参数优化 .pdf

基于PSO算法的 -SVM算法参数优化,王洁,白静,在v-SVM算法参数选择中,现多采用反复试验的方法,局限性较大且操作复杂。因此,本文采用了粒子群算法来优化v-SVM中的参数,并将之��

2019-08-16 立即下载
394KB
论文研究-基于数字图像处理的车牌识别技术的研究 .pdf

基于数字图像处理的车牌识别技术的研究,彭运生,王晨升,车牌识别系统(License Plate Recognition 简称LPR)技术广泛应用于智能交通系统中,一般分为车牌预处理、定位、字符分割和字符识别四个主�

2019-08-20 立即下载
265KB
论文研究-基于JDBC的数据库访问研究 .pdf

基于JDBC的数据库访问研究,于宁宁,赵宗平,JDBC兼具有强大的数据处理功能,它可以处理各种不同类型的数据源,同时具有极其简单、易用的编程接口,因而得到了广泛的应用。为��

2019-08-15 立即下载
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
相关内容推荐