基于时变混合Copula-MAR模型的股市间风险传染分析.pdfVIP

模型的 基于时变混合Copula—MAR 股市问风险传染分析水 唐路明，徐彩云 (浙江工商大学，浙江杭州310018) 摘要：随着经济全球化的发展，金融市场间的风险传染问题越来越受到学术界的关注。本文利用高斯混合 自回归(MAR)模型估计收益率的边际分布，其独立性等检验表明，MAR模型能很好地描述“尖峰厚尾”和“有 偏”的现象。通过利用权重时变的混合Copula描述收益率间的动态非线性和非对称的动态相关性，本文对中国股 市与国际主要股市的相关性进行实证研究，结果表明，无论是从下尾相关性还是上尾相关性来看，中国股市与美、 英、日主要股市之间的相关性均还处于较低水平，与香港股市的相关程度相对较高。而当异常事件发生时，美、英、 日和香港股市对中国股市的风险传染效应则十分显著。 关键词：股票市场；金融风险；风险传染；时变混合Copula—MAR模型 中图分类号：F830．9 文献标识码：A 文章编号：1007—9041—2013(10)一0080—05 一、文献综述 函数来描述变量间的相关性，分析了次贷危机前后美 随着当今世界经济全球化的程度不断加深，某一 国、日本、澳大利亚、德国股票市场之间的相关结构 金融极端事件的发生极有可能波及到整个金融市场从 变动，表明次贷危机对国际股票市场的相关结构产生 而爆发金融危机。研究外部冲击对一国金融系统的传 了重大影响，危机期间各国的股票市场联系更紧密。 染性影响，成为学术界和实务界关注的重大现实问题。 的非线性关系，并引入波动变结构分析判断波动溢出， Copula函数是一种近年来新兴的金融分析工具，应用 Copula技术，可以将相关程度和相关模式的研究有机寻找金融市场波动变结构点来分阶段构建Copula模 地结合起来，较好地描述随机变量之间的非线性、非 型。 对称的动态尾部相关关系。 边际分布的确定对使用Copula进行相关性建 模是至关重要的，学者一般都会采用GARCH类模 Patton于2006年提出参数时变Copula。PaRon 型来刻画金融资产“尖峰厚尾”的特性，但随着Et (2006)使用时变正态Copula和时变SJCCopula研 究了德国马克与日元之间汇率的动态相依行为，用 益复杂的市场变化对金融资产的收益也产生了影响， 分布可能会出现“偏态”甚至“多峰”的现象，此 一个类似于ARMA(1，10)的过程来描述二元正态 时GARCH类模型就难以胜任。因此，本文将MAR Copula函数的时变相关参数。Okimoto(2008)使用 模型引入到金融资产收益分布的确定中来，理论上 Copula函数对金融资本市场的非对称相依结构进行了 MAR模型可以描述任何形状的收益分布。另外，国 分析研究。Xu(2009)利用阿基米德类Copula函数 来预测三个亚洲期货市场的尾部相关性。Hu(2010) 内Copula相关性研究中，大都采用独立、单一的 Copula函数来研究股票市场的溢出效应，而运用时变 运用时变条件Copula函数分析中美股市之间的相依 结构。 混合Copula模型来研究中国股票市场与世界主要股