金融資產(chǎn)非對(duì)稱(chēng)相關(guān)性的檢驗(yàn)、建模及應(yīng)用.pdf

1、2007-2008年發(fā)生的全球金融危機(jī)及隨后在2010年發(fā)生的歐洲主權(quán)債務(wù)危機(jī)，對(duì)各國(guó)政府和投資者的信心產(chǎn)生了巨大的影響。這激發(fā)了學(xué)界和業(yè)界把多個(gè)資產(chǎn)間的相關(guān)性當(dāng)做一個(gè)中心議題來(lái)研究的興趣。其中一個(gè)原因是在金融危機(jī)期間，金融市場(chǎng)之間表現(xiàn)出比正常時(shí)候更強(qiáng)的相互依存關(guān)系，從而削弱投資者預(yù)期通過(guò)資產(chǎn)組合獲得的分散化收益。直觀(guān)地，在金融危機(jī)發(fā)生時(shí)期，我們通常從電視里，報(bào)紙上和網(wǎng)絡(luò)中了解到關(guān)于企業(yè)破產(chǎn)和金融大鱷資產(chǎn)縮水的相關(guān)新聞；但是，在正常時(shí)期

2、，新聞中鮮有報(bào)道投資盈利的消息。資產(chǎn)之間這種不對(duì)稱(chēng)行情最終導(dǎo)致相互關(guān)系的不對(duì)稱(chēng)，即資產(chǎn)之間的相關(guān)性受金融市場(chǎng)總體環(huán)境的影響而表現(xiàn)出反應(yīng)程度的不一致。
　　本文主要研究金融資產(chǎn)之間的相互關(guān)系，特別包括了最近金融危機(jī)時(shí)期的相互關(guān)系。具體地，我們主要從兩個(gè)方面對(duì)相關(guān)性展開(kāi)研究：第一方面，從統(tǒng)計(jì)檢驗(yàn)的角度研究資產(chǎn)間相關(guān)性的數(shù)值特征，特別是相關(guān)性呈現(xiàn)出的非對(duì)稱(chēng)特征。為此，我們構(gòu)建了一個(gè)檢驗(yàn)統(tǒng)計(jì)量進(jìn)行研究分析。第二方面，基于相關(guān)性的數(shù)值特征，

3、在構(gòu)建模型的時(shí)候充分考慮到這種特征事實(shí)的存在并通過(guò)計(jì)量方法進(jìn)行刻畫(huà)捕捉，以期提高實(shí)證結(jié)果的表現(xiàn)。具體包括：原油市場(chǎng)上不同合約品種的相關(guān)性及其交互對(duì)沖研究、高維資產(chǎn)間的相關(guān)性估計(jì)及其組合分散化研究、分筆數(shù)據(jù)中實(shí)現(xiàn)相關(guān)系數(shù)的建模和預(yù)測(cè)、金磚國(guó)家的股票市場(chǎng)和原油市場(chǎng)的相關(guān)性研究。
　　區(qū)別已有的文獻(xiàn)，本論文的主要工作和結(jié)論有如下幾方面：
　　(1)結(jié)合經(jīng)驗(yàn)似然(empirical likelihood)方法，構(gòu)建了一個(gè)不依賴(lài)于模型

4、(model-free)的統(tǒng)計(jì)量去檢驗(yàn)相關(guān)系數(shù)的非對(duì)稱(chēng)特征。理論上，由于經(jīng)驗(yàn)似然在構(gòu)建統(tǒng)計(jì)量時(shí)允許權(quán)重不同，而廣義矩(GMM)是等權(quán)重的，所以經(jīng)驗(yàn)似然方法比廣義矩更加穩(wěn)健。與最接近的文獻(xiàn)Hong et al.[1]相比較，我們發(fā)現(xiàn)在某些方面，本章提出的統(tǒng)計(jì)量功效(power)比Hong et al.[1]高出10％-20%。這意味著由經(jīng)驗(yàn)似然構(gòu)建統(tǒng)計(jì)量在某些情況下可以更好地挖掘相關(guān)性中的非對(duì)稱(chēng)信息。同時(shí)，把該統(tǒng)計(jì)量檢驗(yàn)中國(guó)的股票市場(chǎng)，我

5、們發(fā)現(xiàn)小盤(pán)股組合和上證指數(shù)之間存在著非對(duì)稱(chēng)現(xiàn)象，而中盤(pán)股組合和上證指數(shù)之間，大盤(pán)股組合和上證指數(shù)之間沒(méi)有被發(fā)現(xiàn)非對(duì)稱(chēng)特征。
　　(2)采用機(jī)制轉(zhuǎn)換的多元GARCH模型去分析交互對(duì)沖效率問(wèn)題。同時(shí)，我們還構(gòu)造了一個(gè)基于機(jī)制轉(zhuǎn)換的非對(duì)稱(chēng)動(dòng)態(tài)相關(guān)性模型(RS-ADCC),它區(qū)分了兩種現(xiàn)象：外生宏觀(guān)因素引發(fā)模型的結(jié)構(gòu)突變，這部分由機(jī)制轉(zhuǎn)換部分刻畫(huà)；同時(shí)，還有相關(guān)性的非對(duì)稱(chēng)現(xiàn)象，它由單變量的GJR模型和非對(duì)稱(chēng)動(dòng)態(tài)相關(guān)模型(ADCC)共同刻畫(huà)

6、。實(shí)證部分突破了傳統(tǒng)的期貨對(duì)沖現(xiàn)貨的模式，而是采用交互方式研究對(duì)沖問(wèn)題，因?yàn)楹芏鄧?guó)家的期貨品種尚未齊全。結(jié)果顯示，機(jī)制轉(zhuǎn)換的結(jié)果能夠更好地捕捉到相關(guān)系數(shù)中的非對(duì)稱(chēng)性質(zhì)，從而在一定程度上提高了對(duì)沖效率。在一些對(duì)沖情形下，RS-ADCC模型的樣本外表現(xiàn)占優(yōu)于其它競(jìng)爭(zhēng)模型，所以在計(jì)算最優(yōu)對(duì)沖效率時(shí)，RS-ADCC模型應(yīng)該是在被考慮的范圍之內(nèi)。
　　(3)對(duì)DECO模型進(jìn)行拓展，使得該模型更好地描述高維資產(chǎn)的數(shù)據(jù)特征。具體地，我們從三個(gè)方

7、面進(jìn)行拓展：一是使用動(dòng)態(tài)時(shí)間規(guī)整算法對(duì)高維數(shù)據(jù)進(jìn)行聚類(lèi)，而不是原來(lái)比較草率的行業(yè)分類(lèi)，這樣可以獲得由數(shù)據(jù)自己說(shuō)話(huà)的優(yōu)點(diǎn)；二是建立了連接單個(gè)變量和分塊之間的機(jī)制，拓展了原來(lái)DECO的適用范圍；三是在動(dòng)態(tài)相關(guān)性過(guò)程中引入了非對(duì)稱(chēng)機(jī)制。實(shí)證分析了標(biāo)普100指數(shù)的成分股的資產(chǎn)組合問(wèn)題。發(fā)現(xiàn)在Sharpe比準(zhǔn)則下，新模型比DECO模型和分塊的DECO模型具有更好的樣本外表現(xiàn)，而且這些差異在統(tǒng)計(jì)上是顯著的。
　　(4)基于分筆數(shù)據(jù)計(jì)算的實(shí)現(xiàn)相

8、關(guān)系數(shù)序列，我們構(gòu)建了一個(gè)新的RS-HAR模型和RS-AR(1)模型。該模型充分考慮了高頻數(shù)據(jù)特征：1.長(zhǎng)記憶性特征，它由滯后一期、移動(dòng)平均5期和移動(dòng)平均22期刻畫(huà)，類(lèi)似于實(shí)現(xiàn)波動(dòng)率HAR模型的結(jié)構(gòu)；2.結(jié)構(gòu)突變特征，它由模型中的機(jī)制轉(zhuǎn)換結(jié)構(gòu)刻畫(huà)；3.異方差特征則允許在不同市場(chǎng)條件下的不同方差刻畫(huà)，也具有機(jī)制轉(zhuǎn)換結(jié)構(gòu)。同時(shí)，我們還針對(duì)RS-HAR模型提出了一個(gè)EM算法估計(jì)參數(shù)，這種方法的好處是為極大似然估計(jì)(MLE)提供一個(gè)更好的初始值