检索结果-内蒙古大学图书馆

新冠肺炎疫情冲击下全球金融市场系统性风险跨市场传染研究--基于G20国家的经验证据

金融评论 2022年第3期14卷 1-38,124页

作者：李绍芳李方圆刘晓星东南大学经济管理学院

本文以2017年至2021年G20国家金融市场为研究对象,在利用CAViaR模型对金融市场尾部风险进行准确测度的基础上,基于Granger因果关系网络模型和滚动估计法,分别从静态和动态两个维度刻画不同国家间金融市场尾部风险的跨市场传染路径及影... 详细信息

本文以2017年至2021年G20国家金融市场为研究对象,在利用CAViaR模型对金融市场尾部风险进行准确测度的基础上,基于Granger因果关系网络模型和滚动估计法,分别从静态和动态两个维度刻画不同国家间金融市场尾部风险的跨市场传染路径及影响机制。研究结果表明,以COVID-19为代表的重大突发性公共事件加剧了金融市场间风险的传染,疫情发生后全球金融市场间尾部风险溢出水平显著上升,发达国家通过其股票市场影响其他国家金融市场稳定,而发展中国家则通过其债券市场形成风险溢出。动态分析结果表明,发达国家股票市场和外汇市场尾部风险冲击成为引发我国股票市场波动的重要诱因之一,而发展中国家债券市场尾部风险则同时影响我国股票市场和外汇市场。我国金融市场尾部风险主要通过外汇市场对其他国家的股票市场产生冲击,形成较高水平的风险溢出。在考虑新冠肺炎疫情期间不同类型新冠病毒变异毒株影响下金融市场系统性风险及其冲击的演化特征时,本文发现新冠肺炎疫情初期G20成员国各金融市场间的联动性显著高于德尔塔变异毒株时期和奥密克戎变异毒株时期,并且G20成员国金融市场尾部风险对我国金融市场的冲击在新冠肺炎疫情初期及新冠病毒变异毒株发现初期较为明显,而其他时期并未发生显著性变化。

关键词： CAViaR模型 Granger因果关系网络滚动估计法跨市场传染

来源：评论

学校读者我要写书评

暂无评论

波动率预测模型与比较--基于上证50ETF及期权的经验分析

波动率预测模型与比较--基于上证50ETF及期权的经验分析

引用

作者：闾智坚上海财经大学

学位级别：硕士

本文的研究对象是上证50ETF及其期权，目标在于比较两类在学术界和业界广为应用的波动率预测模型，即GARCH族模型和BS隐含波动率，在未来不同长度的预测时间范围内的预测能力。同时，比较GARCH族中经典模型的预测能力并求出使样本外预... 详细信息

本文的研究对象是上证50ETF及其期权，目标在于比较两类在学术界和业界广为应用的波动率预测模型，即GARCH族模型和BS隐含波动率，在未来不同长度的预测时间范围内的预测能力。同时，比较GARCH族中经典模型的预测能力并求出使样本外预测误差最小的历史估计时间长度。　　本文选择的经典GARCH族模型是GARCH、EGARCH和GJR模型。其中，三种GARCH族模型均设定为常均值形式，误差项分别设定为正态分布和t分布。回溯测试的时间区间是2017年1月3号至2018年2月26号。作为例子，以200天作为模型历史估计区间，采用滚动估计法去估计模型参数并向前一步预测。在回溯测试中，误差项设为正态分布的GARCH模型的预测误差在6种损失函数情况下均最小。根据GARCH族模型的性质可知，向前一段时间的预测是每向前一天预测误差的累积。也就是说，GARCH族模型向前预测一天的误差在平均意义上相对一段时间的要小。因此可以得出结论，即在200天的历史估计时间长度下，误差项是正态分布的GARCH模型在GARCH族模型中的预测精度最高。　　为了研究GARCH族模型的最优历史估计时间长度，将200天的历史估计时间长度参数化。回溯测试的时间区间是2017年1月3号至2018年2月26号。历史时间长度为20天、40天、…、800天(依次增加20天)，采用滚动估计方法。分别计算本文介绍的经典GARCH族模型的6种损失函数值并比较。回溯测试表明，当历史估计时间长度为20天至100天时，误差项设为正态分布的GARCH模型的预测误差最小。此外，误差项设为t分布并不是一个好的假设，因为这会使得损失函数值在某些交易日异常大，即明显增大预测误差。可见，简单模型的预测能力并不一定劣于复杂模型。　　下一步，比较BS隐含波动率与GARCH族模型的预测误差。根据合约规则，上证50ETF期权有4种期限的合约，分别为当月、下月和随后两个季月。本文根据4种期限的时间长度由小到大依次定义为短期、中短期、中长期和长期。平均而言，短期为11天，中短期为31天，中长期为71天，长期为132天。回溯测试的时间区间是2015年2月9号至2018年3月9号。本文的回溯测试表明，对于长期(平均132天)、中长期(平均71天)和中短期(平均11天)的波动率，BS隐含波动率的预测能力占优;而对于短期(平均11天)波动率，可同时参考BS隐含波动率和GARCH、GJR模型的预测。此外，EGARCH模型在4种期限下的预测误差均较大。此结果与我们的先验理解基本一致，对于预测较长期限的波动率，BS隐含波动率可能有一定优势;对于预测较短期限的波动率，GARCH族模型可能会占优。究其原因，从两方面阐述。第一，GARCH族模型的预测误差是逐步累积的，向前预测的天数越多，预测误差越大。第二，BS隐含波动率反映投资者对未来的预期。一般情况下，理性的投资者关于长期趋势的判断较为准确，而交易形成的期权价格亦反映出投资者关于未来波动率的预期。　　本文存在以下不足，也是进一步的研究方向。第一，对GARCH族模型预测的研究还不是足够的细致和深入。可以考虑带跳跃项的GARCH族模型。第二，计算BS隐含波动率时，可以通过一些细节改进以期提高预测精度。例如，可以通过调参数改变平价期权的定义。第三，可以再研究其他的波动率预测模型，比如随机波动率模型。第四，对于评估波动率模型的预测能力，选择何种损失函数较为合适，本文尚无明确的观点。

关键词：股票市场波动率预测 GARCH族模型滚动估计法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：