您当前的位置: 首页» 科研项目

刘向丽:基于高频数据的金融市场间信息溢出与风险传染的微观机理、动态模型及其应用

(国家自然科学基金)

作者:     日期:2016-11-10    来源:

  近年来,我国经济日益融入世界,国内金融市场也不断发展。与此同时,经济全球化趋势使得国际市场价格波动对我国经济的影响也日益增强。随着经济一体化与金融全球化的发展,实体经济间的联系纽带、金融市场间的资本流动与信息传递机制都在加强,金融市场间的联动趋势也日趋明显,特别是同质程度较高的金融市场,不同市场间彼此的收益、风险、泡沫、报酬等因素相互交织,各类投资与投机资本的配置能以最低成本迅速跨越国界向全球范围扩展。在此背景下,某个金融市场波动带来的正向或反向变化都可能引起全球金融市场资本间的流动,甚至引起众多国家金融市场瞬时的波动“感染”,而这种“感染”就简单地刻画了金融市场间的传染效应。近几年发生的灾难性金融事件使得金融机构和监管部门需要更为精确的风险度量。

  研究金融风险传染机制、如何检验风险传染、度量风险传染份额、传染的滞后时间、传染程度大小、以及对金融市场进行实证分析,估测金融风险的动态变化并进行实时监测,有助于为监管部门提供重要的理论和技术支持,对于应对金融危机并保持金融稳定有重要意义。

  金融高频数据相比低频数据包含丰富的市场信息,并且现已成为金融工程研究领域的一大热点,主要应用在金融高频数据库、统计特征、市场波动率及市场微观结构理论的实证研究中。国内限于数据的可得性,在此方面的研究还比较有限,而且由于极度的尖峰厚尾和日内效应,常用的计量模型在高频框架下也变得不太适用,迫切需要研究一些新的适用于高频数据的计量方法,理论界也还没有一个统一的高频数据模型框架。

  本研究拟从市场微观结构角度,对利用高频数据对风险传染机制和动态模型进行研究,从低频数据到高频数据并不是一个简单的移植,因此从方法上将是一项开创性的工作,为金融市场风险研究及联动性研究提供新思路和新方法,本研究的主要内容包括:

  (1)对高频波动率的估计。要精确刻画风险,对波动率的估计是关键。大多研究采用日度收益率的方差作为波动率指标,或利用传统时间序列模型如GARCH等来刻画波动率,但只采用日度收盘价数据,这并不能真正捕获实际市场的波动率特征,无疑会损失众多的日内信息,所以仅用低频数据进行研究是不全面的,数据频率越低,损失的信息越多。但如果采样频率过高,噪音又会很大。

  基于高频数据的已实现波动率由于受到测量误差和市场微观结构影响造成的误差的共同影响,也不是一个很稳健的估计量。本研究拟采用小波分解和经验模式分解算法将高频金融资产波动率分解为真实均衡价格的波动率与市场微观结构噪声波动率这两种波动率成分,构建同时考虑测量误差和市场微观结构误差的波动率模型,然后再权衡测量误差和市场微观结构误差, 从而确定最优抽样频率,最后利用日内信息,构建日内加权已实现波动率,使其充分包含了市场日内波动信息,进一步提高高频波动率估计的精确性。

  (2)市场联动计量模型的改进。关于市场联动性,国内外对该领域的研究虽然很多,但研究方法比较单一。大部分文献都采用BEKK和DCC等多元GARCH模型来联立分析。

  当新信息出现时,相关联的金融市场之间都会有一定的反应,或多或少,或早或晚,不能简单的以此来推断谁领先谁滞后。如果简单用这些金融市场波动的数据,其结果只能说明市场之间的联动性,并不能真实地解释一个金融市场对另一个金融市场的溢出效应,为准确排除掉其他信息因素的共同影响,本研究首次尝试引入独立成分分析的方法,将观察到的数据分解成统计独立的成分。然后以此独立成分为指标,将多变量GARCH模型中引入跳变因子,并与时变参数向量自回归模型(TVP-VAR)结合,提出TVP-VAR-BEKK-MVEGARCH-M模型,描述传染程度随时间的变化过程、冲击效应及其演进机制,考察不同金融市场间的信息传递。将ICA 方法用在金融数据分析中还是一个探索性的工作。

  (3)高频非线性Granger因果关系的检验。Granger 因果关系并不是标准意义下的原因和结果之间的关系, 而是基于是否有助于提高预测能力。它适合于考察一个市场的风险是否会Granger 引起另一个市场的风险,利用这个信息可以提高预测另一个市场未来发生同样风险的可能性。因此,它很适用于预测与监控风险。

  传统的基于回归的Granger因果关系的检验是一种线性检验,而实际金融序列间呈现复杂的非线性关系,传统检验统计量无法检验出来。其次,由于回归模型常受到序列自相关性、非平稳性、异方差、共线性等影响,常会得到伪结论。Hong(2001)提出的基于核函数的检验方法克服了以往方法只能检测有限阶互动影响的缺陷,使用所有的滞后阶数,检验累积效应,并且赋予每个滞后期以核函数的弹性权重,更符合实际观察到的金融时间序列的长期记忆效应以及关联关系逐步衰减的特征。但是由于高频数据采用的是每一天的每一个时点上的交易数据,也可能是不等间隔的,故此方法对高频数据不能直接套用。

  本研究首先从市场微观结构理论角度对市场信息溢出效应进行了研究,提出基于日内样条函数和互相关函数的信息溢出检验方法,构建以日内效应和核函数为双重权重的Granger因果检验统计量,可以使用所有的滞后阶数,核权函数对高阶时滞的变量赋予较小的权重,日内效应对每日波动大的时刻赋予较大的权重,既使用了所有的滞后阶数,同时又克服了高频数据的采集时点的不一致性以及日内效应的存在使得不同点数据的不可比性等缺点,并采用新的参数估计方法,使之对高频数据更加稳健。本研究方法具有更强的效力,检测效率更高,可以在很宽的备择假设范围内检测Granger因果关系,且可以有效刻画均值、波动率以及极端风险三个层面的信息溢出,从而能够准确地判定信息传递的方式、方向与相对强度。

  (4)新统计量的应用。首先检验上述新构建的统计量的渐进分布及性质,用以上提出的方法和新的统计量进行Simulation,就参数估计和假设检验的小样本性进行研究。然后在中国和亚洲市场、中国和国际市场进行实证分析。就新的高频统计量和现有的低频统计量的检验效力的比较,以及对比不同时段、不同市场间的变异性。