基于MCMC算法的中国农产品期货市场波动性研究.docVIP

基于MCMC算法的中国农产品期货市场波动性研究 　　摘要：以黄大豆1号期货结算价在2006年1月4日至2016年8月2日期间的日度数据为样本，通过运用MCMC算法估计SV模型，实证考察了中国农产品期货市场的波动性，充分证实我国农产品期货价格波动的聚集性、时变性和持续性。并结合小波多分辨率分析的方法对收益率的波动成分进行分解，刻画出我国农产品期货收益率序列的波动成分在不同分解尺度上的动态特征，解释了我国农产品期货收益率的短期波动及长期趋势，并发现我国农产品期货市场对国际市场的依赖性较强，对极端事件的冲击也十分敏感。据此，指出在研究我国农产品期货市场波动性特征的同时，也要时刻警惕我国农产品期货市场与其他市场之间的波动溢出效应，及时调整投资策略，加强金融监管 关键词：农产品期货；波动性；SV模型；MCMC算法；多分辨率分析 中图分类号：F307.11文献标识码：A 文章编号：1009-9107（2016）06-0114-07 金融时间序列的波动性问题一直是金融学领域研究的热点之一。目前全球经济疲软，我国国内经济处于转型升级的关键时期，农产品供给侧改革如火如荼，一度出现了大宗商品市场波动频繁且剧烈的现象，加上英国“脱欧”使包括大宗商品在内的资产价格波动风险激增，这些“不确定性因素”都增加了我国农产品期货市场的波动性。一方面，我国农产品现货市场的发展带动期货市场的推进，加上受到来自宏观经济层面、市场环境以及国际市场等多方面因素作用，我国农产品期货价格波动明显，风险逐步加大；另一方面，农产品期货不仅存在衍生品特有的高风险，还容易受到季节因素以及宏微观因素的影响。如果不能准确认识农产品期货市场波动性的动态特征，极易诱发尾部风险，将会对金融市场的稳定性产生冲击。因此，分析我国农产品期货收益率波动的特殊性，探究其在不同时间、不同尺度上的波动特征及影响因素，对稳定我国农产品期货价格、防范投资风险以及推进我国期货市场良好发展有着十分重要的作用 一、文献综述 关于我国期货市场波动性的研究很多，但针对我国农产品期货市场波动性的研究则相对较少。从期货市场波动率的建模角度来看，基于随机波动模型（SV模型）对我国农产品期货市场进行研究的文献较少，多数研究是从GARCH类模型的角度来展开。王金媛基于GARCH模型、GARCHM模型、非对称GARCH模型以及成分ARCH模型，证实我国农产品期货收益率的波动存在聚集性、杠杆效应、风险溢价以及持续性[1]。魏宇指出，EGARCH、GJR以及APARCH模型在检验沪铜期货指数收益率的波动特性时，并没有发现显著的非对称杠杆效应[2]。刘向丽、成思危等认为，ACDGARCHM模型可以较好地描述我国期货市场的波动性质，并进一步指出久期、交易量等微观结构变量是产生波动聚集的原因[3]。此外，也有部分学者更深层次地探讨了我国农产品期货收益率波动序列的非对称效应。王辉、孙志凌等基于ADCC模型和DADCC模型，证实基差和“消息”对我国农产品期货收益率的波动性有一定的非对称效应[4]。杨科、田凤平发现，我国农产品期货市场的波动率具有长记忆性和区制转换性，同时存在高波动率和低波动率两种区制，但二者之间的转换概率较小[5] 从实证模型的估计方法来看，纵观国内学者对我国农产品期货市场波动性的研究方法，鲜有文献涉及MCMC算法和小波多分辨率分析的方法，只有少部分的研究是从时频的角度来考察我国农产品期货市场的波动特性。首先，MCMC算法的一个重要应用便是估计随机波动模型。Jacquier， Polson和Rossi提出马尔科夫链蒙特卡洛法（MCMC）[6]，该方法此后便在金融计量经济学领域产生了广泛的应用。目前，国内已有相关研究将MCMC算法应用于碳排放期货市场、股票市场以及汇率市场等。刘维泉、郭兆晖将MCMC算法应用于EU ETS碳排放期货市场波动性的研究，分别建立四种不同的SV模型，实证结果表明leverage-SV模型在估计VaR时最有效[7]。朱钧钧、谢识予应用MCMC算法对MS-TGARCH模型进行估计，证实中国股市的波动率存在双重不对称的现象，并针对高波动状态和低波动状态的不同表现进行具体分析[8]。张欣、崔日明将MCMC算法对非对称随机波动模型（ASV Model）进行估计，研究人民币汇率的动态波动性质，实证发现人民币汇率的收益率在波动过程中同时存在时变性和较强的持续性，且波动过程中在“坏消息”和“好消息”的不同状态下，非对称效应明显[9] 其次，时频分析可以详细描述金融时间序列的时间变化和频率变化，将小波分析应用到高频金融时间序列的分析中，在对剖析序列的波动特征、挖掘序列在不同分解尺度上的表现形式等方面具有很重要的意义。熊正德、文慧等通过结合GARCH模型和小波多分辨率分析的方法，从时域和频域