為闡釋中國與國際原油市場價格相依性并刻畫其時變特征,更好地將相依性測度結果應用于風險管理和資產組合研究。首先,本文建立三個局部均衡模型,分析國內外原油市場價格相依關系背后的理論機制,利用改進后的TVP-VAR模型進行實證檢驗。其次,為準確測度國內外原油價格相依性,本文改進原油市場收益率的邊緣分布和聯合分布模型,提出SV-MIDAS模型和隨機因子Copula模型,刻畫原油收益率的邊緣分布和聯合分布。SV-MIDAS模型在普通SV模型的基礎上引入混頻數據抽樣（MIDAS）和時變參數設定,彌補普通SV、GARCH等波動率模型無法考慮低頻宏觀序列對原油市場動態(tài)影響的缺陷。隨機因子Copula模型利用動態(tài)因子載荷和因子結構設定,捕捉高維原油價格序列的動態(tài)相依性,緩解現有研究在價格序列維度與時變參數設定之間存在的“兩難選擇”。針對SV-MIDAS、隨機因子Copula待估計參數、潛變量維度較高的難題,設計基于MCMC算法的參數抽樣流程。最后,為提高原油市場風險管理與資產組合的效率,將動態(tài)相依性與系統(tǒng)性風險、風險預算理論等結合起來,研究國內外原油市場的風險溢出、動態(tài)資產組合管理問題�；�2005～2... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：171 頁

【學位級別】：博士

【部分圖文】：

相依性測度文獻脈絡圖

高維目標函數進行最優(yōu)化求解。計量經濟學領域常用的牛頓-拉夫森、擬牛頓等方法對參數初始設定高度敏感，不同初始值可能產生不同的估計結果。此外，這類數值算法需要頻繁求解目標函數關于參數的雅克比向量與海塞矩陣。似然函數復雜時，計算量顯著增加；工程領域流行的仿生智能算法如粒子群、模擬退火、人工蜂群等算法對參數初始設定不敏感，不易陷入局部最優(yōu)解（Polietal.,2007;Kuar&Goyal,2011）。但仿生算法需要隨機生成大樣本的備選解，并利用貪心算法依次迭代直至收斂，計算效率較低。1.2.2原油市場風險溢出效應研究圖1.2風險溢出文獻脈絡圖資料來源：作者繪制多個市場間的風險溢出效應一般包括三種：收益率溢出、波動率溢出與尾部風險溢出（洪永淼等，2013；何德旭和苗文龍，2015；Sarwaretal.,2018）。按照劃分類別，相關研究動態(tài)包括：（1）關于原油市場收益率溢出效應的研究。學者主要依據向量自回歸（VAR）、結構向量自回歸（SVAR）、向量誤差修正模型（VECM）等方法直接對原油市場收益率序列建模，通過格蘭杰因果檢驗、脈沖響應函數、協(xié)整檢驗等方法分析溢出效應。如：焦建玲等（2004）基于1997~2003年原油市場月度數據，建立關于Brent與大慶

華中科技大學博士學位論文121.2.3原油資產組合管理圖1.3風險溢出文獻脈絡圖資料來源：作者繪制按照資產組合中是否納入原油之外的資產，現有關于原油資產組合管理的文獻可分為兩大類：一類是研究原油與股票、債券、數字貨幣（如比特幣）等資產間的組合；另一類是研究不同原油品種的資產組合，如相同品種原油的期貨與現貨套期保值、不同品種原油的跨市場套利等。兩類研究在思路上基本相同，即利用GARCH、Copula、DCC、BEKK等模型，測度組合內各種資產的波動率和不同資產間的相依性。然后基于現代投資組合理論中的均值-方差組合等方法計算各資產最優(yōu)權重，包括給定收益率目標下的最小方差組合與給定組合方差目標下的最大收益組合。相關研究動態(tài)如下所示：（1）關于原油與其他資產組合的研究。早期學者主要關注原油與其他能源資產間的投資組合。如Humphreys&McClain(1998)基于1978~1995年紐約商業(yè)交易所（NYMEX）能源期貨月度數據，利用GARCH、CCC-MGARCH模型捕捉原油、天然氣和煤三種能源資產價格的波動率與相依性，建立最小方差組合。通過組合收益率、標準差與夏普比率（SharpeRatio）分析發(fā)現，最小方差組合較當時美國電力行業(yè)真實的能源組合配置表現更好。伴隨原油衍生品市場發(fā)展，原油被越來越多機構投資者關注，學術界也開始關注原油與股票、國債等傳統(tǒng)金融資產的組合配置問題。如Geman&Kharoubi(2008)基于1990~2006年標準普爾500與NYMEX原油期貨日度數據，利用非參數密度和Copula模型刻畫資產邊緣分布與相依性。在此基礎上分別依照“10:0”、“9:1”、“8:2”與“7:3”的權重配置資產組合，通過計算各組合標準差、峰度等指標發(fā)現，增加原油資產在組合中的權重，能有效降低組合風險。20世紀末以來，

【參考文獻】：
期刊論文
[1]全球股票市場系統(tǒng)性風險溢出研究——基于ΔCoVaR和社會網絡方法的分析[J]. 劉海云,呂龍.  國際金融研究. 2018(06)
[2]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. 2017(03)
[3]國際大宗商品市場金融化與中國宏觀經濟波動[J]. 張翔,劉璐,李倫一.  金融研究. 2017(01)
[4]基于藤Copula的中外原油市場聯動性研究[J]. 李洋.  科技和產業(yè). 2016(05)
[5]中國企業(yè)規(guī)避油價波動風險的套期保值策略研究[J]. 陳曦,謝葦.  經濟體制改革. 2016(03)
[6]國際金融市場波動溢出效應與動態(tài)相關性[J]. 何德旭,苗文龍.  數量經濟技術經濟研究. 2015(11)
[7]我國影子銀行對商業(yè)銀行的風險溢出效應——基于GARCH-時變Copula-CoVaR模型的分析[J]. 李叢文,閆世軍.  國際金融研究. 2015(10)
[8]不同時變Copula-EVT-ES模型精度比較研究[J]. 于文華,魏宇,康明惠.  管理科學學報. 2015(05)
[9]全球金融危機對國內外原油市場間溢出效應的影響[J]. 李曉,侯佳貝.  求是學刊. 2015(02)
[10]基于國際原油價格互動的中國成品油定價參考標的選擇[J]. 劉建橋,陳新光.  統(tǒng)計研究. 2014(11)

博士論文
[1]基于動態(tài)Copula-CoVaR模型的原油市場風險及其溢出效應研究[D]. 劉炳越.中國科學技術大學 2018



本文編號：3591161