全球視野的大類資產(chǎn)風(fēng)險溢出研究
發(fā)布時間:2022-01-13 15:06
隨著金融國際化程度不斷加深,金融風(fēng)險跨市場、跨區(qū)域的傳染不斷加劇,如何識別風(fēng)險、追溯風(fēng)險源是管理風(fēng)險和投資決策的重要前提。利用修正的已實現(xiàn)波動率建立VAR模型,以廣義誤差方差分解矩陣構(gòu)建時變風(fēng)險溢出指數(shù)和風(fēng)險溢出網(wǎng)絡(luò),從全球視野研究大類資產(chǎn)之間的風(fēng)險溢出行為。實證研究2000年以來外匯市場、股票市場和期貨市場的27種重要資產(chǎn),通過靜態(tài)分析和滾動分析對大類資產(chǎn)的風(fēng)險溢出展開詳實分析。研究結(jié)果表明,①通過對8種匯率的研究發(fā)現(xiàn),外匯市場存在很強的風(fēng)險溢出效應(yīng)。歐美匯率是外匯市場最主要的風(fēng)險傳染源,其余匯率長期承受外部市場的風(fēng)險傳染;人民幣匯率受外部市場沖擊較小,2014年以來其溢出指數(shù)逐漸上升。②通過對11個股市的研究發(fā)現(xiàn),全球股市之間的聯(lián)動性極強。美國股市一直是全球股市最重要的風(fēng)險傳染源,全球股市長期承受歐美股市的風(fēng)險沖擊;中國股市2015年的暴跌對全球股市造成較大的風(fēng)險沖擊。③通過對6種商品期貨的研究發(fā)現(xiàn),倫敦金屬期貨聯(lián)動性較強,原油期貨風(fēng)險溢出較強,而貴金屬期貨在牛熊市中產(chǎn)生持續(xù)性的風(fēng)險傳染。④通過對27種資產(chǎn)交叉溢出的研究發(fā)現(xiàn),全球股票市場、外匯市場和期貨市場之間具有很強的風(fēng)險溢出關(guān)...
【文章來源】:管理科學(xué). 2019,32(06)北大核心CSSCI
【文章頁數(shù)】:15 頁
【部分圖文】:
全樣本靜態(tài)分析的風(fēng)險溢出網(wǎng)絡(luò)
圖4和圖5表明全球股市的各類溢出指數(shù)也具有時變特征。圖5表明股票市場的總溢出指數(shù)的變動范圍為[80,90],其變化范圍比外匯市場小。由圖4可知,SPX、SX5E、SSEC等市場的溢入指數(shù)相對較小,但是UKX、AS30、SMI、SPTSX、DAX、CAC等市場的溢入指數(shù)卻相當(dāng)高,長期靠近100%,說明這些股市主要承受外部市場風(fēng)險沖擊,扮演著趨勢跟蹤的角色。圖3 外匯市場的時變總風(fēng)險溢出指數(shù)
圖2 外匯市場的時變風(fēng)險溢出指數(shù)SPX的溢出指數(shù)和凈溢出指數(shù)很大,長期在[100,600]之間,充分表明SPX在全球股市中一直是最主要的風(fēng)險源。SX5E除2011年至2015年的凈溢出指數(shù)為負(fù)外,其他時間主要表現(xiàn)為正向的風(fēng)險溢出。尤其是2015年以后,SX5E在歐洲股市緩慢上漲過程中扮演著重要的引導(dǎo)角色。DAX在2009年至2012年的凈風(fēng)險溢出表現(xiàn)為正,表明2008年全球性股災(zāi)之后德國股市上漲最快。NKY、CAC、HSI和UKX階段性發(fā)揮風(fēng)險溢出效應(yīng)。SSEC在2008年、2015年的兩輪極端牛熊市(特別是熊市)對全球股市都產(chǎn)生了異常的風(fēng)險沖擊,其他時間區(qū)間主要接受全球股市的風(fēng)險傳染。此外,SMI和AS30受全球股市的風(fēng)險溢入接近100%,很少對其他股市產(chǎn)生風(fēng)險沖擊。
【參考文獻(xiàn)】:
期刊論文
[1]美國國債利率對中國債市宏觀基本面沖擊及兩國利率聯(lián)動時變效應(yīng)研究——基于GVAR和TVP-VAR模型的實證分析[J]. 郭棟. 國際金融研究. 2019(04)
[2]中國股票市場金融傳染及渠道——基于行業(yè)數(shù)據(jù)的實證研究[J]. 裴茜,朱書尚. 管理科學(xué)學(xué)報. 2019(03)
[3]測量中國的金融不確定性——基于大數(shù)據(jù)的方法[J]. 黃卓,邱晗,沈艷,童晨. 金融研究. 2018(11)
[4]波動預(yù)測建模與尾部風(fēng)險測量方法[J]. 陳聲利,李一軍,關(guān)濤. 管理科學(xué). 2018(06)
[5]基于四次冪差修正HAR模型的股指期貨波動率預(yù)測[J]. 陳聲利,李一軍,關(guān)濤. 中國管理科學(xué). 2018(01)
[6]股市波動溢出效應(yīng)及其影響因素分析[J]. 鄭挺國,劉堂勇. 經(jīng)濟(jì)學(xué)(季刊). 2018(02)
[7]外匯市場、債券市場與股票市場動態(tài)關(guān)系研究[J]. 陳創(chuàng)練,張年華,黃楚光. 國際金融研究. 2017(12)
[8]股票市場和外匯市場間風(fēng)險溢出效應(yīng)研究——基于GARCH-時變Copula-CoVaR模型的分析[J]. 周愛民,韓菲. 國際金融研究. 2017(11)
[9]境內(nèi)外人民幣外匯市場極端風(fēng)險溢出研究[J]. 郝毅,梁琪,李政. 國際金融研究. 2017(09)
[10]原油價格與世界股票市場之間的高階矩相依性研究[J]. 王鵬,蔣焰,吳金宴. 管理科學(xué). 2017(03)
本文編號:3586659
【文章來源】:管理科學(xué). 2019,32(06)北大核心CSSCI
【文章頁數(shù)】:15 頁
【部分圖文】:
全樣本靜態(tài)分析的風(fēng)險溢出網(wǎng)絡(luò)
圖4和圖5表明全球股市的各類溢出指數(shù)也具有時變特征。圖5表明股票市場的總溢出指數(shù)的變動范圍為[80,90],其變化范圍比外匯市場小。由圖4可知,SPX、SX5E、SSEC等市場的溢入指數(shù)相對較小,但是UKX、AS30、SMI、SPTSX、DAX、CAC等市場的溢入指數(shù)卻相當(dāng)高,長期靠近100%,說明這些股市主要承受外部市場風(fēng)險沖擊,扮演著趨勢跟蹤的角色。圖3 外匯市場的時變總風(fēng)險溢出指數(shù)
圖2 外匯市場的時變風(fēng)險溢出指數(shù)SPX的溢出指數(shù)和凈溢出指數(shù)很大,長期在[100,600]之間,充分表明SPX在全球股市中一直是最主要的風(fēng)險源。SX5E除2011年至2015年的凈溢出指數(shù)為負(fù)外,其他時間主要表現(xiàn)為正向的風(fēng)險溢出。尤其是2015年以后,SX5E在歐洲股市緩慢上漲過程中扮演著重要的引導(dǎo)角色。DAX在2009年至2012年的凈風(fēng)險溢出表現(xiàn)為正,表明2008年全球性股災(zāi)之后德國股市上漲最快。NKY、CAC、HSI和UKX階段性發(fā)揮風(fēng)險溢出效應(yīng)。SSEC在2008年、2015年的兩輪極端牛熊市(特別是熊市)對全球股市都產(chǎn)生了異常的風(fēng)險沖擊,其他時間區(qū)間主要接受全球股市的風(fēng)險傳染。此外,SMI和AS30受全球股市的風(fēng)險溢入接近100%,很少對其他股市產(chǎn)生風(fēng)險沖擊。
【參考文獻(xiàn)】:
期刊論文
[1]美國國債利率對中國債市宏觀基本面沖擊及兩國利率聯(lián)動時變效應(yīng)研究——基于GVAR和TVP-VAR模型的實證分析[J]. 郭棟. 國際金融研究. 2019(04)
[2]中國股票市場金融傳染及渠道——基于行業(yè)數(shù)據(jù)的實證研究[J]. 裴茜,朱書尚. 管理科學(xué)學(xué)報. 2019(03)
[3]測量中國的金融不確定性——基于大數(shù)據(jù)的方法[J]. 黃卓,邱晗,沈艷,童晨. 金融研究. 2018(11)
[4]波動預(yù)測建模與尾部風(fēng)險測量方法[J]. 陳聲利,李一軍,關(guān)濤. 管理科學(xué). 2018(06)
[5]基于四次冪差修正HAR模型的股指期貨波動率預(yù)測[J]. 陳聲利,李一軍,關(guān)濤. 中國管理科學(xué). 2018(01)
[6]股市波動溢出效應(yīng)及其影響因素分析[J]. 鄭挺國,劉堂勇. 經(jīng)濟(jì)學(xué)(季刊). 2018(02)
[7]外匯市場、債券市場與股票市場動態(tài)關(guān)系研究[J]. 陳創(chuàng)練,張年華,黃楚光. 國際金融研究. 2017(12)
[8]股票市場和外匯市場間風(fēng)險溢出效應(yīng)研究——基于GARCH-時變Copula-CoVaR模型的分析[J]. 周愛民,韓菲. 國際金融研究. 2017(11)
[9]境內(nèi)外人民幣外匯市場極端風(fēng)險溢出研究[J]. 郝毅,梁琪,李政. 國際金融研究. 2017(09)
[10]原油價格與世界股票市場之間的高階矩相依性研究[J]. 王鵬,蔣焰,吳金宴. 管理科學(xué). 2017(03)
本文編號:3586659
本文鏈接:http://www.sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3586659.html
最近更新
教材專著