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(shí)變的Vine Copula模型 GAS模型

【摘要】：隨著經(jīng)濟(jì)金融的發(fā)展,金融市場(chǎng)各個(gè)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(fēng)險(xiǎn)也日趨頻繁。在金融經(jīng)濟(jì)不斷發(fā)展創(chuàng)新的背景下,金融市場(chǎng)、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(huì)對(duì)券商的內(nèi)部通告,暫停場(chǎng)外配資新端口的接入,并且要求券商開(kāi)始清理場(chǎng)外配資。上證指數(shù)創(chuàng)出5178點(diǎn)之后便是迅猛的調(diào)整,到2015年7月9日股指跌至3373點(diǎn),爆發(fā)慘烈的“股災(zāi)”。中國(guó)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(lái)巨大損失,而相比國(guó)外股市的股災(zāi),我國(guó)股災(zāi)具有自身的一些特點(diǎn),例如周期短、平均振幅大等。股災(zāi)不同于其他一般的股價(jià)波動(dòng)在于,它具有突發(fā)性、破壞性、聯(lián)動(dòng)性、不確定性的特征。股災(zāi)容易引發(fā)金融危機(jī)、經(jīng)濟(jì)危機(jī)甚至社會(huì)動(dòng)蕩的嚴(yán)重災(zāi)難性的后果。而在當(dāng)代,隨著經(jīng)濟(jì)不斷深入發(fā)展,金融不斷創(chuàng)新,股票市場(chǎng)中的各行業(yè)股票越來(lái)越具有一體性、聯(lián)動(dòng)性的特點(diǎn),特別是當(dāng)金融危機(jī)這種極端風(fēng)險(xiǎn)發(fā)生的時(shí)候。也正是因?yàn)楣善痹跇O端情況下具有強(qiáng)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(dòng)性及其相關(guān)結(jié)構(gòu)越來(lái)越具有現(xiàn)實(shí)意義。因?yàn)榻鹑谛袠I(yè)股票在金融極端風(fēng)險(xiǎn)情況下的強(qiáng)相關(guān)性,一方面,在風(fēng)險(xiǎn)管理領(lǐng)域,由于風(fēng)險(xiǎn)傳染效應(yīng),某一金融行業(yè)的收益率損失會(huì)迅速傳播到其他行業(yè),從而引發(fā)系統(tǒng)系風(fēng)險(xiǎn),所以研究股市行業(yè)的相關(guān)性可以為風(fēng)險(xiǎn)度量和管理提供建議和指導(dǎo)。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(jìn)行資產(chǎn)選擇和組合的時(shí)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(dǎo)投資者進(jìn)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(jià),保險(xiǎn)定價(jià)等等,這里不再贅述。本文在參考前人的研究基礎(chǔ)之上,對(duì)最近這次股災(zāi)展開(kāi)定性、定量分析。特別是定量分析這一塊,目前針對(duì)極端風(fēng)險(xiǎn)的定量分析很對(duì),但是股災(zāi)作為極端風(fēng)險(xiǎn)的一種,這方面的定量分析還比較少,特別是針對(duì)本次股災(zāi)。對(duì)于本次股災(zāi),我們只對(duì)股災(zāi)期間,行業(yè)板塊之間表現(xiàn)出強(qiáng)的聯(lián)動(dòng)效應(yīng)進(jìn)行定量分析。而對(duì)于度量資產(chǎn)相關(guān)性可以分為線(xiàn)性相關(guān)和非線(xiàn)性相關(guān),因此本文對(duì)本次股災(zāi)的相關(guān)性建模既考慮行業(yè)板塊之間的線(xiàn)性相關(guān)又考慮其非線(xiàn)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)�；祛l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(xiàn)性相關(guān)建模方面,高頻數(shù)據(jù)具有得天獨(dú)厚的優(yōu)越性,因?yàn)楦哳l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(huà)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(lái)刻畫(huà)線(xiàn)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(jì)已實(shí)現(xiàn)的方差協(xié)方差矩陣。另外考慮到線(xiàn)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(xiàn)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(guò)濾掉資產(chǎn)的線(xiàn)性相關(guān)后,利用copula相關(guān)理論來(lái)研究標(biāo)準(zhǔn)化殘差的非線(xiàn)性相關(guān)性。特別是對(duì)于多個(gè)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(jì)的困難性,我們考慮利用藤結(jié)構(gòu)理論來(lái)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(shí)間變化而變化的,所以我們考慮在藤copula的基礎(chǔ)上建立時(shí)變的copula模型。在時(shí)變驅(qū)動(dòng)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(jì)量模型方面的研究是將高頻頻數(shù)據(jù)和時(shí)變藤結(jié)構(gòu)的copula相結(jié)合,所以本文對(duì)此的初探是本文的一個(gè)創(chuàng)新點(diǎn)。最終實(shí)證結(jié)果表明,基于電信、金融、消費(fèi)、能源的四個(gè)個(gè)行業(yè)之間的線(xiàn)性相關(guān)在股災(zāi)期間有顯著的增加,而非線(xiàn)性相關(guān)有的顯著增加,例如金融和消費(fèi),也有是否增加不清楚的,例如電信和消費(fèi),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(shí)變的Vine Copula模型 GAS模型
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：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(diǎn)13-14
• 1.5 文獻(xiàn)綜述14-24
• 2. 經(jīng)濟(jì)金融理論24-33
• 2.1 經(jīng)濟(jì)金融基礎(chǔ)理論24-27
• 2.1.1 無(wú)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(chǎng)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(cái)富收入效應(yīng)29-31
• 2.3 經(jīng)濟(jì)一體化31-32
• 2.4 經(jīng)濟(jì)金融理論分析結(jié)果32-33
• 3. 高頻數(shù)據(jù)模型理論和時(shí)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(duì)協(xié)方差矩陣Ht建模36-38
• 3.2.2 對(duì)殘差et建立時(shí)變Vine copula模型38-46
• 3.3 參數(shù)估計(jì)46-50
• 4. 實(shí)證部分50-71
• 4.1 ARMA模型53-55
• 4.2 HAR-type模型55-59
• 4.3 對(duì)殘差分布建立copula模型59-67
• 4.4 模型檢驗(yàn)67-68
• 4.5 實(shí)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(xiàn)73-78
• 致謝78

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 陳華;;股災(zāi)的成因分析及對(duì)策思考[J];淮海工學(xué)院學(xué)報(bào)(人文社會(huì)科學(xué)版);2015年10期

2 龔金國(guó);鄧入僑;;時(shí)變C-Vine Copula模型的統(tǒng)計(jì)推斷[J];統(tǒng)計(jì)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(jì)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(dòng)態(tài)Copula的構(gòu)建[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2009年10期

5 魏宇;余怒濤;;中國(guó)股票市場(chǎng)的波動(dòng)率預(yù)測(cè)模型及其SPA檢驗(yàn)[J];金融研究;2007年07期

6 黃后川,陳浪南;中國(guó)股票市場(chǎng)波動(dòng)率的高頻估計(jì)與特性分析[J];經(jīng)濟(jì)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(biāo)?[J];統(tǒng)計(jì)研究;2002年09期

，

本文編號(hào)：698512