本文關(guān)鍵詞：股災(zāi)期間行業(yè)板塊間的相關(guān)結(jié)構(gòu)研究

  更多相關(guān)文章： 股災(zāi) 混頻數(shù)據(jù) HAR-type模型 時變的Vine Copula模型 GAS模型

【摘要】：隨著經(jīng)濟金融的發(fā)展,金融市場各個行業(yè)板塊的相互依存性日益增加,從而引發(fā)的系統(tǒng)性金融風險也日趨頻繁。在金融經(jīng)濟不斷發(fā)展創(chuàng)新的背景下,金融市場、行業(yè)之間的相關(guān)結(jié)構(gòu)日益復(fù)雜化和多樣化的。2015年6月12日,證監(jiān)會對券商的內(nèi)部通告,暫停場外配資新端口的接入,并且要求券商開始清理場外配資。上證指數(shù)創(chuàng)出5178點之后便是迅猛的調(diào)整,到2015年7月9日股指跌至3373點,爆發(fā)慘烈的“股災(zāi)”。中國迄今為止已經(jīng)爆發(fā)了九次股災(zāi),每次股災(zāi)都給投資者帶來巨大損失,而相比國外股市的股災(zāi),我國股災(zāi)具有自身的一些特點,例如周期短、平均振幅大等。股災(zāi)不同于其他一般的股價波動在于,它具有突發(fā)性、破壞性、聯(lián)動性、不確定性的特征。股災(zāi)容易引發(fā)金融危機、經(jīng)濟危機甚至社會動蕩的嚴重災(zāi)難性的后果。而在當代,隨著經(jīng)濟不斷深入發(fā)展,金融不斷創(chuàng)新,股票市場中的各行業(yè)股票越來越具有一體性、聯(lián)動性的特點,特別是當金融危機這種極端風險發(fā)生的時候。也正是因為股票在極端情況下具有強的相關(guān)性,所以股市容易引發(fā)全面的暴漲暴跌。因此研究股票之間的聯(lián)動性及其相關(guān)結(jié)構(gòu)越來越具有現(xiàn)實意義。因為金融行業(yè)股票在金融極端風險情況下的強相關(guān)性,一方面,在風險管理領(lǐng)域,由于風險傳染效應(yīng),某一金融行業(yè)的收益率損失會迅速傳播到其他行業(yè),從而引發(fā)系統(tǒng)系風險,所以研究股市行業(yè)的相關(guān)性可以為風險度量和管理提供建議和指導。另一方面,在投資領(lǐng)域,根據(jù)馬科維茨的理論,投資者在進行資產(chǎn)選擇和組合的時候,需要考慮資產(chǎn)之間的相關(guān)性,要求選擇相關(guān)性較小的資產(chǎn)。因此研究股市行業(yè)之間的相關(guān)性也可以指導投資者進行資產(chǎn)配置。關(guān)于資產(chǎn)相關(guān)結(jié)構(gòu)的研究還可以應(yīng)用到很多方面,例如資產(chǎn)定價,保險定價等等,這里不再贅述。本文在參考前人的研究基礎(chǔ)之上,對最近這次股災(zāi)展開定性、定量分析。特別是定量分析這一塊,目前針對極端風險的定量分析很對,但是股災(zāi)作為極端風險的一種,這方面的定量分析還比較少,特別是針對本次股災(zāi)。對于本次股災(zāi),我們只對股災(zāi)期間,行業(yè)板塊之間表現(xiàn)出強的聯(lián)動效應(yīng)進行定量分析。而對于度量資產(chǎn)相關(guān)性可以分為線性相關(guān)和非線性相關(guān),因此本文對本次股災(zāi)的相關(guān)性建模既考慮行業(yè)板塊之間的線性相關(guān)又考慮其非線性相關(guān)。數(shù)據(jù)采用中證300行業(yè)指數(shù)中的四大行業(yè)指數(shù)的混頻數(shù)據(jù)。混頻數(shù)據(jù),就是指數(shù)據(jù)抽樣采用不同頻率的數(shù)據(jù)。在本文的混頻數(shù)據(jù)主要包含每日內(nèi)的5分鐘股市收益率和日間收益率這兩種頻率。而5分鐘的股票收益率是一種高頻數(shù)據(jù),日間收益率是低頻數(shù)據(jù)。在線性相關(guān)建模方面,高頻數(shù)據(jù)具有得天獨厚的優(yōu)越性,因為高頻數(shù)據(jù)是日內(nèi)數(shù)據(jù),它比低頻的日間數(shù)據(jù)包含更多的信息,從而它刻畫的相關(guān)系數(shù)矩陣更加精確。所以我們考慮利用高頻的資產(chǎn)收益率數(shù)據(jù),來刻畫線性相關(guān)性,其中模型選擇的是HAR-type模型,并借照GARCH-DCC模型的思想,估計已實現(xiàn)的方差協(xié)方差矩陣。另外考慮到線性相關(guān)并不能完全的衡量資產(chǎn)相關(guān)性,而基于copula理論的非線性相關(guān)性的度量的研究最近幾年方興未艾,所以我們考慮在過濾掉資產(chǎn)的線性相關(guān)后,利用copula相關(guān)理論來研究標準化殘差的非線性相關(guān)性。特別是對于多個資產(chǎn)的組合,需要我們用到高維的copula函數(shù),由于高維copula函數(shù)估計的困難性,我們考慮利用藤結(jié)構(gòu)理論來分解copula函數(shù)。最后,我們考慮到了這些相關(guān)性可能是隨著時間變化而變化的,所以我們考慮在藤copula的基礎(chǔ)上建立時變的copula模型。在時變驅(qū)動模型的選擇上,本文選擇的是GAS(廣義自回歸得分模型)模型。在計量模型方面的研究是將高頻頻數(shù)據(jù)和時變藤結(jié)構(gòu)的copula相結(jié)合,所以本文對此的初探是本文的一個創(chuàng)新點。最終實證結(jié)果表明,基于電信、金融、消費、能源的四個個行業(yè)之間的線性相關(guān)在股災(zāi)期間有顯著的增加,而非線性相關(guān)有的顯著增加,例如金融和消費,也有是否增加不清楚的,例如電信和消費,也有不變的,例如電信和能源。
【關(guān)鍵詞】：股災(zāi) 混頻數(shù)據(jù) HAR-type模型 時變的Vine Copula模型 GAS模型
【學位授予單位】：西南財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F832.51
【目錄】：

• 摘要4-6
• abstract6-11
• 1. 前言11-24
• 1.1 選題背景及意義11-12
• 1.2 研究方法12-13
• 1.3 本文結(jié)構(gòu)13
• 1.4 本文創(chuàng)新點13-14
• 1.5 文獻綜述14-24
• 2. 經(jīng)濟金融理論24-33
• 2.1 經(jīng)濟金融基礎(chǔ)理論24-27
• 2.1.1 無套利均衡原理24-25
• 2.1.2 投資組合理論25-26
• 2.1.3 預(yù)期理論26-27
• 2.2 市場傳染理論27-31
• 2.2.1 信息約束下的投資者羊群效應(yīng)27-29
• 2.2.2 財富收入效應(yīng)29-31
• 2.3 經(jīng)濟一體化31-32
• 2.4 經(jīng)濟金融理論分析結(jié)果32-33
• 3. 高頻數(shù)據(jù)模型理論和時變的Vine Copula模型理論33-50
• 3.1 介紹33-34
• 3.2 模型部分34-46
• 3.2.1 對協(xié)方差矩陣Ht建模36-38
• 3.2.2 對殘差et建立時變Vine copula模型38-46
• 3.3 參數(shù)估計46-50
• 4. 實證部分50-71
• 4.1 ARMA模型53-55
• 4.2 HAR-type模型55-59
• 4.3 對殘差分布建立copula模型59-67
• 4.4 模型檢驗67-68
• 4.5 實證結(jié)果68-71
• 5. 結(jié)論與展望71-73
• 5.1 文章結(jié)論71-72
• 5.2 研究展望72-73
• 參考文獻73-78
• 致謝78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 陳華;;股災(zāi)的成因分析及對策思考[J];淮海工學院學報(人文社會科學版);2015年10期

2 龔金國;鄧入僑;;時變C-Vine Copula模型的統(tǒng)計推斷[J];統(tǒng)計研究;2015年04期

3 黃在鑫;咸勁;;均值尾部相關(guān)系數(shù)及其在金融領(lǐng)域的應(yīng)用[J];統(tǒng)計研究;2015年02期

4 杜子平;閆鵬;張勇;;基于“藤”結(jié)構(gòu)的高維動態(tài)Copula的構(gòu)建[J];數(shù)學的實踐與認識;2009年10期

5 魏宇;余怒濤;;中國股票市場的波動率預(yù)測模型及其SPA檢驗[J];金融研究;2007年07期

6 黃后川,陳浪南;中國股票市場波動率的高頻估計與特性分析[J];經(jīng)濟研究;2003年02期

7 張堯庭;我們應(yīng)該選用什么樣的相關(guān)性指標?[J];統(tǒng)計研究;2002年09期

，

本文編號：698512