中国与国际原油市场价格相依性、风险溢出与资产组合研究
发布时间：2022-01-15 19:06
为阐释中国与国际原油市场价格相依性并刻画其时变特征,更好地将相依性测度结果应用于风险管理和资产组合研究。首先,本文建立三个局部均衡模型,分析国内外原油市场价格相依关系背后的理论机制,利用改进后的TVP-VAR模型进行实证检验。其次,为准确测度国内外原油价格相依性,本文改进原油市场收益率的边缘分布和联合分布模型,提出SV-MIDAS模型和随机因子Copula模型,刻画原油收益率的边缘分布和联合分布。SV-MIDAS模型在普通SV模型的基础上引入混频数据抽样（MIDAS）和时变参数设定,弥补普通SV、GARCH等波动率模型无法考虑低频宏观序列对原油市场动态影响的缺陷。随机因子Copula模型利用动态因子载荷和因子结构设定,捕捉高维原油价格序列的动态相依性,缓解现有研究在价格序列维度与时变参数设定之间存在的“两难选择”。针对SV-MIDAS、随机因子Copula待估计参数、潜变量维度较高的难题,设计基于MCMC算法的参数抽样流程。最后,为提高原油市场风险管理与资产组合的效率,将动态相依性与系统性风险、风险预算理论等结合起来,研究国内外原油市场的风险溢出、动态资产组合管理问题。基于2005～2...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：171 页
【学位级别】：博士
【部分图文】：
相依性测度文献脉络图
高维目标函数进行最优化求解。计量经济学领域常用的牛顿-拉夫森、拟牛顿等方法对参数初始设定高度敏感，不同初始值可能产生不同的估计结果。此外，这类数值算法需要频繁求解目标函数关于参数的雅克比向量与海塞矩阵。似然函数复杂时，计算量显著增加；工程领域流行的仿生智能算法如粒子群、模拟退火、人工蜂群等算法对参数初始设定不敏感，不易陷入局部最优解（Polietal.,2007;Kuar&Goyal,2011）。但仿生算法需要随机生成大样本的备选解，并利用贪心算法依次迭代直至收敛，计算效率较低。1.2.2原油市场风险溢出效应研究图1.2风险溢出文献脉络图资料来源：作者绘制多个市场间的风险溢出效应一般包括三种：收益率溢出、波动率溢出与尾部风险溢出（洪永淼等，2013；何德旭和苗文龙，2015；Sarwaretal.,2018）。按照划分类别，相关研究动态包括：（1）关于原油市场收益率溢出效应的研究。学者主要依据向量自回归（VAR）、结构向量自回归（SVAR）、向量误差修正模型（VECM）等方法直接对原油市场收益率序列建模，通过格兰杰因果检验、脉冲响应函数、协整检验等方法分析溢出效应。如：焦建玲等（2004）基于1997~2003年原油市场月度数据，建立关于Brent与大庆
华中科技大学博士学位论文121.2.3原油资产组合管理图1.3风险溢出文献脉络图资料来源：作者绘制按照资产组合中是否纳入原油之外的资产，现有关于原油资产组合管理的文献可分为两大类：一类是研究原油与股票、债券、数字货币（如比特币）等资产间的组合；另一类是研究不同原油品种的资产组合，如相同品种原油的期货与现货套期保值、不同品种原油的跨市场套利等。两类研究在思路上基本相同，即利用GARCH、Copula、DCC、BEKK等模型，测度组合内各种资产的波动率和不同资产间的相依性。然后基于现代投资组合理论中的均值-方差组合等方法计算各资产最优权重，包括给定收益率目标下的最小方差组合与给定组合方差目标下的最大收益组合。相关研究动态如下所示：（1）关于原油与其他资产组合的研究。早期学者主要关注原油与其他能源资产间的投资组合。如Humphreys&McClain(1998)基于1978~1995年纽约商业交易所（NYMEX）能源期货月度数据，利用GARCH、CCC-MGARCH模型捕捉原油、天然气和煤三种能源资产价格的波动率与相依性，建立最小方差组合。通过组合收益率、标准差与夏普比率（SharpeRatio）分析发现，最小方差组合较当时美国电力行业真实的能源组合配置表现更好。伴随原油衍生品市场发展，原油被越来越多机构投资者关注，学术界也开始关注原油与股票、国债等传统金融资产的组合配置问题。如Geman&Kharoubi(2008)基于1990~2006年标准普尔500与NYMEX原油期货日度数据，利用非参数密度和Copula模型刻画资产边缘分布与相依性。在此基础上分别依照“10:0”、“9:1”、“8:2”与“7:3”的权重配置资产组合，通过计算各组合标准差、峰度等指标发现，增加原油资产在组合中的权重，能有效降低组合风险。20世纪末以来，
【参考文献】：
期刊论文
[1]全球股票市场系统性风险溢出研究——基于ΔCoVaR和社会网络方法的分析[J]. 刘海云,吕龙. 国际金融研究. 2018(06)
[2]原油价格与世界股票市场之间的高阶矩相依性研究[J]. 王鹏,蒋焰,吴金宴. 管理科学. 2017(03)
[3]国际大宗商品市场金融化与中国宏观经济波动[J]. 张翔,刘璐,李伦一. 金融研究. 2017(01)
[4]基于藤Copula的中外原油市场联动性研究[J]. 李洋. 科技和产业. 2016(05)
[5]中国企业规避油价波动风险的套期保值策略研究[J]. 陈曦,谢苇. 经济体制改革. 2016(03)
[6]国际金融市场波动溢出效应与动态相关性[J]. 何德旭,苗文龙. 数量经济技术经济研究. 2015(11)
[7]我国影子银行对商业银行的风险溢出效应——基于GARCH-时变Copula-CoVaR模型的分析[J]. 李丛文,闫世军. 国际金融研究. 2015(10)
[8]不同时变Copula-EVT-ES模型精度比较研究[J]. 于文华,魏宇,康明惠. 管理科学学报. 2015(05)
[9]全球金融危机对国内外原油市场间溢出效应的影响[J]. 李晓,侯佳贝. 求是学刊. 2015(02)
[10]基于国际原油价格互动的中国成品油定价参考标的选择[J]. 刘建桥,陈新光. 统计研究. 2014(11)
博士论文
[1]基于动态Copula-CoVaR模型的原油市场风险及其溢出效应研究[D]. 刘炳越.中国科学技术大学 2018
本文编号：3591161
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：171 页
【学位级别】：博士
【部分图文】：
相依性测度文献脉络图
高维目标函数进行最优化求解。计量经济学领域常用的牛顿-拉夫森、拟牛顿等方法对参数初始设定高度敏感，不同初始值可能产生不同的估计结果。此外，这类数值算法需要频繁求解目标函数关于参数的雅克比向量与海塞矩阵。似然函数复杂时，计算量显著增加；工程领域流行的仿生智能算法如粒子群、模拟退火、人工蜂群等算法对参数初始设定不敏感，不易陷入局部最优解（Polietal.,2007;Kuar&Goyal,2011）。但仿生算法需要随机生成大样本的备选解，并利用贪心算法依次迭代直至收敛，计算效率较低。1.2.2原油市场风险溢出效应研究图1.2风险溢出文献脉络图资料来源：作者绘制多个市场间的风险溢出效应一般包括三种：收益率溢出、波动率溢出与尾部风险溢出（洪永淼等，2013；何德旭和苗文龙，2015；Sarwaretal.,2018）。按照划分类别，相关研究动态包括：（1）关于原油市场收益率溢出效应的研究。学者主要依据向量自回归（VAR）、结构向量自回归（SVAR）、向量误差修正模型（VECM）等方法直接对原油市场收益率序列建模，通过格兰杰因果检验、脉冲响应函数、协整检验等方法分析溢出效应。如：焦建玲等（2004）基于1997~2003年原油市场月度数据，建立关于Brent与大庆
华中科技大学博士学位论文121.2.3原油资产组合管理图1.3风险溢出文献脉络图资料来源：作者绘制按照资产组合中是否纳入原油之外的资产，现有关于原油资产组合管理的文献可分为两大类：一类是研究原油与股票、债券、数字货币（如比特币）等资产间的组合；另一类是研究不同原油品种的资产组合，如相同品种原油的期货与现货套期保值、不同品种原油的跨市场套利等。两类研究在思路上基本相同，即利用GARCH、Copula、DCC、BEKK等模型，测度组合内各种资产的波动率和不同资产间的相依性。然后基于现代投资组合理论中的均值-方差组合等方法计算各资产最优权重，包括给定收益率目标下的最小方差组合与给定组合方差目标下的最大收益组合。相关研究动态如下所示：（1）关于原油与其他资产组合的研究。早期学者主要关注原油与其他能源资产间的投资组合。如Humphreys&McClain(1998)基于1978~1995年纽约商业交易所（NYMEX）能源期货月度数据，利用GARCH、CCC-MGARCH模型捕捉原油、天然气和煤三种能源资产价格的波动率与相依性，建立最小方差组合。通过组合收益率、标准差与夏普比率（SharpeRatio）分析发现，最小方差组合较当时美国电力行业真实的能源组合配置表现更好。伴随原油衍生品市场发展，原油被越来越多机构投资者关注，学术界也开始关注原油与股票、国债等传统金融资产的组合配置问题。如Geman&Kharoubi(2008)基于1990~2006年标准普尔500与NYMEX原油期货日度数据，利用非参数密度和Copula模型刻画资产边缘分布与相依性。在此基础上分别依照“10:0”、“9:1”、“8:2”与“7:3”的权重配置资产组合，通过计算各组合标准差、峰度等指标发现，增加原油资产在组合中的权重，能有效降低组合风险。20世纪末以来，
【参考文献】：
期刊论文
[1]全球股票市场系统性风险溢出研究——基于ΔCoVaR和社会网络方法的分析[J]. 刘海云,吕龙. 国际金融研究. 2018(06)
[2]原油价格与世界股票市场之间的高阶矩相依性研究[J]. 王鹏,蒋焰,吴金宴. 管理科学. 2017(03)
[3]国际大宗商品市场金融化与中国宏观经济波动[J]. 张翔,刘璐,李伦一. 金融研究. 2017(01)
[4]基于藤Copula的中外原油市场联动性研究[J]. 李洋. 科技和产业. 2016(05)
[5]中国企业规避油价波动风险的套期保值策略研究[J]. 陈曦,谢苇. 经济体制改革. 2016(03)
[6]国际金融市场波动溢出效应与动态相关性[J]. 何德旭,苗文龙. 数量经济技术经济研究. 2015(11)
[7]我国影子银行对商业银行的风险溢出效应——基于GARCH-时变Copula-CoVaR模型的分析[J]. 李丛文,闫世军. 国际金融研究. 2015(10)
[8]不同时变Copula-EVT-ES模型精度比较研究[J]. 于文华,魏宇,康明惠. 管理科学学报. 2015(05)
[9]全球金融危机对国内外原油市场间溢出效应的影响[J]. 李晓,侯佳贝. 求是学刊. 2015(02)
[10]基于国际原油价格互动的中国成品油定价参考标的选择[J]. 刘建桥,陈新光. 统计研究. 2014(11)
博士论文
[1]基于动态Copula-CoVaR模型的原油市场风险及其溢出效应研究[D]. 刘炳越.中国科学技术大学 2018
本文编号：3591161
本文链接：https://www.wllwen.com/shoufeilunwen/jjglbs/3591161.html