目錄
目錄
第一部分 引言
第1章 導讀 3
1 1 背景部分 3
1 2 本書框架 4
1 3 本章 小結 7
第2章 金融市場聯動性研究 8
2 1 金融市場簡介 8
2 2 金融市場的聯動性 11
2 3 股票市場的聯動性 13
2 4 大宗商品市場(期貨)的聯動性 15
2 5 比特幣市場的聯動性 17
2 6 外匯市場的聯動性 17
2 7 本章 小結 19
第3章 金融危機傳染性研究 20
3 1 金融危機傳染基本定義 20
3 2 金融危機形成理論 22
3 3 金融危機傳染機制 23
3 4 金融危機傳染研究方法綜述 27
3 5 本章 小結 31
第二部分 研究方法
第4章 Copula方法 35
4 1 基礎Copula介紹 35
4 2 時變Copula 40
4 3 Copula函數的極大似然估計方法 45
4 4 藤Copula 47
4 5 基於Copula方法的條件VaR模型 55
4 6 c-D-Copula模型 56
4 7 基於Copula的分位點相協回歸模型及其估計 57
4 8 本章 小結 62
第5章 分位點回歸模型 63
5 1 常見分位點回歸模型 63
5 2 CAViaR模型 71
5 3 線性Expectile模型 76
5 4 TIR模型 79
5 5 TailCoR模型 81
5 6 本章 小結 83
第6章 模型的變點檢測 84
6 1 研究背景 84
6 2 變點檢測 84
6 3 變點檢測在模型優化中的應用 89
6 4 本章 小結 92
第7章 相依結構的動態化建模 93
7 1 馬爾可夫機制轉換模型 93
7 2 變係數模型及其應用 99
7 3 平滑轉換條件相關係數思想及應用 104
7 4 局部多項式回歸思想及其金融應用 109
7 5 傅里葉變換思想及其金融應用 112
7 6 本章 小結 115
第三部分 金融聯動性實證分析
第8章 標準普爾500指數和行業指數之間的依賴性和系統性風險分析:有條件的風險價值方法 119
8 1 文獻綜述 119
8 2 數據來源 120
8 3 邊際模型結果 121
8 4 宏觀經濟組成部分 123
8 5 馬爾可夫機制轉換Copula模型估計結果 124
8 6 本章 小結 132
第9章 高頻連漲(連跌)收益率的分位點格蘭傑因果檢驗與CoVaR估計 134
9 1 文獻綜述 134
9 2 公式及模型 135
9 3 數據描述 138
9 4 連漲(連跌)收益率的平穩性及擬合優度檢驗 138
9 5 分位點格蘭傑因果關係檢驗 140
9 6 連跌收益率的條件VaR估計 142
9 7 本章 小結 144
第10章 基於TV-Copula-X模型的金磚國家股指收益率與波動率的動態
相依關係 145
10 1 文獻綜述 145
10 2 模型和方法 146
10 3 數據和描述性分析 148
10 4 實證分析 150
10 5 本章 小結 158
第11章 VIX對股票市場間聯動性影響的實證研究 159
11 1 文獻綜述 159
11 2 ST-VCopula模型的估計以及假設檢驗 160
11 3 實證研究 161
11 4 本章 小結 168
第12章 基於傅里葉變換的分位點相協模型研究 169
12 1 文獻綜述 169
12 2 利用時變qpr模型對金融危機傳染的實證檢驗 171
12 3 本章 小結 185
第四部分 金融危機傳染檢驗實證分析
第13章 基於MVMQ-CAViaR方法的美國次貸危機傳染分析 189
13 1 文獻綜述 189
13 2 數據選取及處理 190
13 3 模型建立 191
13 4 全樣本分析 192
13 5 金融危機傳染分析 193
13 6 本章 小結 196
第14章 馬爾可夫機制轉換分位點回歸模型與金融危機傳染檢測 197
14 1 文獻綜述 197
14 2 馬爾可夫機制轉換分位點回歸模型 198
14 3 仿真研究 200
14 4 實證研究 202
14 5 本章 小結 204
第15章 TIR-MIDAS模型及其在金融市場危機傳染中的應用 205
15 1 引言與文獻綜述 205
15 2 TIR-MIDAS模型簡介及變點檢測方法 206
15 3 基於TIR-MIDAS模型的中國宏觀經濟對金磚國家股票市場危機傳染與度量分析 212
15 4 本章 小結 221
第16章 基於Copula函數變點分析的次貸危機傳染性研究 222
16 1 文獻綜述 222
16 2 模型和方法 222
16 3 數據描述性統計 223
16 4 實證分析 223
16 5 本章 小結 226
第17章 基於非參數時變Copula模型的美國次貸危機傳染分析 238
17 1 文獻綜述 238
17 2 使用的模型及研究方法 230
17 3 數據分析及實證研究結果 232
17 4 本章 小結 235
第18章 c-D-Copula模型構建及其在金融危機傳染中的應用 237
18 1 文獻綜述 237
18 2 數據描述性統計分析 238
18 3 基於似然比統計量的變點檢測方法 239
18 4 變點檢測結果 242
18 5 本章 小結 244
第19章 基於R藤Copula變點模型的金磚四國金融危機傳染性與穩定性檢驗 245
19 1 文獻綜述 245
19 2 數據描述 246
19 3 全部數據的R藤Copula估計結果 248
19 4 R藤Copula變點檢測方法與檢測結果 252
19 5 本章 小結 257
參考文獻 258
精彩書摘
第1章 導讀
1 1背景部分
隨著世界經濟不斷發展、經濟全球化的趨勢不斷加深,世界各國在政治、經濟、金融、貿易往來、文化等領域的合作不斷增多。主要經濟體的股票、大宗商品等市場存在著關聯運動的現象,市場的聯動性問題得到了人們的關注。以國際股票市場為例,一個國家或地區的股票市場走勢在受到國內政策、經濟環境影響的同時,也會受到其他國家或地區股票市場波動的影響。金融市場的聯動性越強,代表資本的流動程度越高。流動資本在全球範圍內的流動逐漸自由化,為了規避風險,投資者會將資產分散投資於各個市場,這進一步推動了資本市場的一體化。
隨著全球經濟一體化和金融自由化的不斷推進,世界經濟、金融創新、信息化水平飛速發展,在經濟與金融的聯繫更加緊密的同時,不斷增強的金融市場聯動性也加快了金融危機的蔓延和傳染速度,大規模的金融危機開始頻繁發生。金融危機是指跨越市場邊界的各種金融指標由於某種負面金融衝擊而出現強烈的波動並在短時間內出現嚴重的負面表現。在此期間,投資者對於金融投資前景會產生非理性的悲觀預期以及恐慌情緒,同時實體經濟環境複雜多變,失業率增加,以及出現伴隨經濟下行的經濟大蕭條。
縱觀近幾十年來的金融危機,可以發現危機一旦觸發,就會出現波及整個系統的多米諾骨牌效應。金融負面衝擊伴隨著恐慌情緒從一個金融市場通過多種渠道傳播到其他金融市場乃至其他行業體系,並且往往無視各個市場以及行業經濟基本面是否健康,將原本並不嚴重的經濟問題的影響程度放大數倍,這種非理性的風險溢出或者稱為危機傳染也是歷次金融危機對實體產業和整個金融系統造成破壞的源頭。更為重要的是,金融危機的爆發不僅在爆發頻率、波及範圍、破壞性及影響程度上均有增強的跡象,還會帶來各國貨幣制度、匯率體系、國際貿易、分工格局等一系列的格局性的重大變化。
如今,在經濟下行和國際環境複雜多變等多重因素的影響下,當前經濟形勢不容樂觀。隨著全球央行同時加息以應對持續的通脹,全球經濟可能正逐漸滑向衰退。世界銀行在2022年的報告中指出,全球經濟當前正處於1970年以來*嚴重的放緩之中,消費者信心持續下降。另外,發展中國家的集體崛起正在引發國際政治經濟秩序的重大變革,而大國間的競爭和博弈也在促使國際政治經濟力量進行重大調整。由過去以合作為主的關係轉至以大國戰略競爭與意識形態競爭為主的關係趨勢進一步增強。在全球化與逆全球化的對峙中,戰略機遇與風險挑戰並存,百年未有之大變局加速演進,在風險溢出效應持續增強的宏觀大背景下,金融市場的聯動及金融危機傳染的研究顯得尤為重要。
1 2本書框架
世界經濟不斷發展,跨國業務不斷增多,各國之間的金融市場的聯繫也日益緊密,在全球範圍內,沒有任何一個經濟體能夠在大危機前*善其身,一場嚴重的經濟危機能夠從方方面面對全球市場產生深遠的影響。進人21世紀後,由於經濟全球化的程度不斷提高,全球各大金融市場之間的相關性也越來越顯著,金融風險能夠很容易地在市場之間傳遞。2008年美國次貸危機席捲全球;2019年新型冠狀病毒暴發,導致世界經濟受到衝擊;2022年俄烏衝突攪動全球市場。歷史經驗說明,如果在全球重要經濟圈內部出現危機,那麼危機極有可能蔓延到全球的金融市場,因此,對全球金融市場的聯動性以及金融危機的傳染性進行研究是一項非常有意義的課題。本書對研究金融市場聯動性和金融危機傳染性的方法和模型進行了較為全面的總結,並基於這些方法及模型對金融市場聯動性和金融危機傳染性進行了實證研究,總的來說,本書分為四個部分,按照導讀、模型和實證三大塊內容的順序依次進行闡述。圖1 1是對本書框架的簡單列示。
第一部分是本書的引言部分,介紹本書的研究背景、框架結構以及現有研究狀況。第一部分分為三章,第1章 對研究背景和本書框架進行說明。第2章 和第3章 則分別闡述金融市場聯動性和金融危機傳染性的背景和定義,以及現有研究狀況的分析。
第二部分則從模型角度出發,詳細介紹金融市場聯動性以及金融危機傳染性常用的模型基礎。本書的第4~7章,*先介紹Copula模型和分位點回歸模型兩大典型的危機傳染以及尾部捕捉的模型類型。然後,從模型優化方式的視
圖1 1本書框架
角出發,為讀者提供常見的變點識別、時變等一系列優化方法,可以結合基礎的模型進行優化研究。具體來說,第4章 著重介紹Copula的基礎知識以及Copula函數一系列拓展模型,包括時變Copula、藤Copula以及分位點相協回歸模型。金融現象往往是隨時間變化的,時變Copula能夠為刻畫金融現象在不同時點所表現出來的聯合特徵提供更精準的度量,而藤Copula則偏向于利用不同的藤結構解決金融市場中的多變量相依問題,本書介紹了C藤、D藤和R藤三種常見的藤結構,並提供了相應模型的估計方法。考慮到Copula多樣的分佈選擇以及難以引人協變量的性質,本書還介紹了與Copula模型成正比的分位點相協回歸模型,用於度量兩個隨機變量在特定分位點的相依關係。分位點回歸模型的優勢在於其不需要對隨機擾動項進行任何分佈上的假設,在估計上也不受異常值影響,具有很好的穩健性,而且能夠在模型中引人協變量,進而提高相依關係度量的精準度。第5章 著重於分位點回歸模型。分別通過單變量一條件自回歸風險值(conditional autoregressive value at risk,CAViaR)、多變量-多變量多分位點條件自回歸風險值(multivariate multi-quantile conditional autoregressive value at risk,MVMQ-CAViaR)、半參數/非參數估計等多樣的方式介紹現有分位點回歸模型的常見建模形式。另外,還介紹了基於分位點回歸思想拓展的Expectile模型、尾部指數回歸(tail index regression,TIR)模型以及尾部條件風險預期(tail conditional expectation of risk,TailCoR)模型。第6、7章 則從模型優化的角度出發,為讀者提供一些常見的模型優化的思路,構建更加靈活、高擬合的模型。第6章 介紹模型的變點檢測的思想,變點檢測主要檢驗模型是否發生了結構性的變化,即是否存在變點,如果存在變點則表明在變點前後可能發生了危機。此外,該章 還以