金融資產(chǎn)非對稱相關(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)，對各國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)界把多個資產(chǎn)間的相關(guān)性當(dāng)做一個中心議題來研究的興趣。其中一個原因是在金融危機(jī)期間，金融市場之間表現(xiàn)出比正常時候更強(qiáng)的相互依存關(guān)系，從而削弱投資者預(yù)期通過資產(chǎn)組合獲得的分散化收益。直觀地，在金融危機(jī)發(fā)生時期，我們通常從電視里，報紙上和網(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，在正常時期

2、，新聞中鮮有報道投資盈利的消息。資產(chǎn)之間這種不對稱行情最終導(dǎo)致相互關(guān)系的不對稱，即資產(chǎn)之間的相關(guān)性受金融市場總體環(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)時期的相互關(guān)系。具體地，我們主要從兩個方面對相關(guān)性展開研究：第一方面，從統(tǒng)計檢驗(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)出的非對稱特征。為此，我們構(gòu)建了一個檢驗(yàn)統(tǒng)計量進(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)建模型的時候充分考慮到這種特征事實(shí)的存在并通過計量方法進(jìn)行刻畫捕捉，以期提高實(shí)證結(jié)果的表現(xiàn)。具體包括：原油市場上不同合約品種的相關(guān)性及其交互對沖研究、高維資產(chǎn)間的相關(guān)性估計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、金磚國家的股票市場和原油市場的相關(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)建了一個不依賴于模型

4、(model-free)的統(tǒng)計量去檢驗(yàn)相關(guān)系數(shù)的非對稱特征。理論上，由于經(jīng)驗(yàn)似然在構(gòu)建統(tǒng)計量時允許權(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)計量在某些情況下可以更好地挖掘相關(guān)性中的非對稱信息。同時，把該統(tǒng)計量檢驗(yàn)中國的股票市場，我

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

6、。實(shí)證部分突破了傳統(tǒng)的期貨對沖現(xiàn)貨的模式，而是采用交互方式研究對沖問題，因?yàn)楹芏鄧业钠谪浧贩N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)中的非對稱性質(zhì)，從而在一定程度上提高了對沖效率。在一些對沖情形下，RS-ADCC模型的樣本外表現(xiàn)占優(yōu)于其它競爭模型，所以在計算最優(yōu)對沖效率時，RS-ADCC模型應(yīng)該是在被考慮的范圍之內(nèi)。
　　(3)對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，我們從三個方

7、面進(jìn)行拓展：一是使用動態(tài)時間規(guī)整算法對高維數(shù)據(jù)進(jìn)行聚類，而不是原來比較草率的行業(yè)分類，這樣可以獲得由數(shù)據(jù)自己說話的優(yōu)點(diǎn)；二是建立了連接單個變量和分塊之間的機(jī)制，拓展了原來DECO的適用范圍；三是在動態(tài)相關(guān)性過程中引入了非對稱機(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)計上是顯著的。
　　(4)基于分筆數(shù)據(jù)計算的實(shí)現(xiàn)相

8、關(guān)系數(shù)序列，我們構(gòu)建了一個新的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.長記憶性特征，它由滯后一期、移動平均5期和移動平均22期刻畫，類似于實(shí)現(xiàn)波動率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；3.異方差特征則允許在不同市場條件下的不同方差刻畫，也具有機(jī)制轉(zhuǎn)換結(jié)構(gòu)。同時，我們還針對RS-HAR模型提出了一個EM算法估計參數(shù)，這種方法的好處是為極大似然估計(MLE)提供一個更好的初始值