论文部分内容阅读
金融资产价格的巨幅波动增加了金融市场的不稳定性。上海期货交易所作为我国金属期货品种交易的场所,为金属价格的稳定起到了套期保值的作用,减少了相关行业成本价格的不确定性。另一方面,上海期货交易所金属期货品种在投机和套利等因素的驱动下出现了价格的大幅涨跌,增加了金融风险的同时也增加了经济发展的不确定性。因此,保持我国金属期货价格的基本稳定和小幅波动显得尤为重要。要保持金属期货价格的基本稳定,我们首先要做的就是找到金属期货价格极端波动的原因,从而有效地进行金融风险管理。
目前国内外学者对极端收益率的研究主要集中在风险度量上,包括采用VaR、CVaR等方法对尾部风险进行度量,对极端收益率驱动成因的研究较少。因此,本文采用ARMA-GARCH模型对金属期货收益率进行滤波,运用分位数法及基于极值理论的超额均值函数和Hill估计确定标准化收益率的阈值,用以描述上海金属期货市场极端收益率状态。在此基础上,从投机和市场联动的视角出发,采用多元LOGIT模型研究上海金属期货市场极端收益率的驱动成因。
本文的研究结论包括:(1)投机指数VO/OI对上海金属期货市场左右尾极端收益率有显著正向影响,相比右尾极端收益率的出现,投机指数VO/OI对左尾极端收益率出现的解释力度要低一些。(2)相比中度极端收益率状态的出现,投机指数VO/OI对上海金属期货市场右尾重度极端收益率状态出现的作用力更强。(3)市场联动因素中,沪深300指数HS300对上海金属期货市场右尾极端收益率有显著正向影响,对左尾极端收益率有显著负向影响。伦敦金属交易所指数LME对上海金属期货市场右尾极端收益率有显著正向影响,对左尾极端收益率有显著负向影响。美元兑人民币的升值会显著降低上海金属期货市场右尾轻度、中度极端收益率出现的相对概率对数值,会显著提高上海金属期货市场左尾极端收益率出现的相对概率对数值。(4)最为显著的三大因素中,伦敦金属交易所指数LME对上海金属期货市场极端收益率出现概率的边际影响最大,投机指数VO/IO次之,沪深300指数HS300的边际影响最小。
本文在研究过程中的创新主要包括以下几点:(1)对GARCH模型的使用方法进行了创新。在使用ARMA-GARCH模型对六种金属期货收益率数据滤波时,本文分别假定新息服从学生t分布、偏t分布和高斯分布,从而使滤波结果包含更加全面的情况。(2)对阈值确定方法的选择进行了创新。在确定每种金属期货标准化收益率阈值时,本文主要采用基于极值理论的超额均值函数和Hill估计综合确定左右尾阈值,并在稳健性检验时采用分位数法确定左右尾阈值,从而使得模型更加稳健。(3)针对上海金属期货市场的极端价格涨跌,在政策建议部分提出了具体的管理措施。
当然,本文的研究也存在一些缺点和不足:(1)在选择宏观控制变量时,由于相关解释变量和被解释变量均为日度数据,宏观经济变量多为月度数据,本文使用Matlab软件对其进行三次样条插值,从而得到宏观经济变量的日度数据。虽然这种方法在技术上可行,但是其背后的理论基础不足。(2)上海金属期货市场极端收益率的出现除了当天的投机力量和相关市场联动因素影响外,可能还会受到当天一些特殊信息或事件的外生冲击,鉴于研究的复杂程度和可行性,本文暂未考虑这一潜在影响。鉴于以上的缺点和不足,未来进一步的研究可以选择月频的收益率数据,以此配合月度宏观经济数据,但是这种方法会损失较多样本。针对特殊信息和事件的外生冲击,可以尝试采用事件研究法进行进一步研究。
目前国内外学者对极端收益率的研究主要集中在风险度量上,包括采用VaR、CVaR等方法对尾部风险进行度量,对极端收益率驱动成因的研究较少。因此,本文采用ARMA-GARCH模型对金属期货收益率进行滤波,运用分位数法及基于极值理论的超额均值函数和Hill估计确定标准化收益率的阈值,用以描述上海金属期货市场极端收益率状态。在此基础上,从投机和市场联动的视角出发,采用多元LOGIT模型研究上海金属期货市场极端收益率的驱动成因。
本文的研究结论包括:(1)投机指数VO/OI对上海金属期货市场左右尾极端收益率有显著正向影响,相比右尾极端收益率的出现,投机指数VO/OI对左尾极端收益率出现的解释力度要低一些。(2)相比中度极端收益率状态的出现,投机指数VO/OI对上海金属期货市场右尾重度极端收益率状态出现的作用力更强。(3)市场联动因素中,沪深300指数HS300对上海金属期货市场右尾极端收益率有显著正向影响,对左尾极端收益率有显著负向影响。伦敦金属交易所指数LME对上海金属期货市场右尾极端收益率有显著正向影响,对左尾极端收益率有显著负向影响。美元兑人民币的升值会显著降低上海金属期货市场右尾轻度、中度极端收益率出现的相对概率对数值,会显著提高上海金属期货市场左尾极端收益率出现的相对概率对数值。(4)最为显著的三大因素中,伦敦金属交易所指数LME对上海金属期货市场极端收益率出现概率的边际影响最大,投机指数VO/IO次之,沪深300指数HS300的边际影响最小。
本文在研究过程中的创新主要包括以下几点:(1)对GARCH模型的使用方法进行了创新。在使用ARMA-GARCH模型对六种金属期货收益率数据滤波时,本文分别假定新息服从学生t分布、偏t分布和高斯分布,从而使滤波结果包含更加全面的情况。(2)对阈值确定方法的选择进行了创新。在确定每种金属期货标准化收益率阈值时,本文主要采用基于极值理论的超额均值函数和Hill估计综合确定左右尾阈值,并在稳健性检验时采用分位数法确定左右尾阈值,从而使得模型更加稳健。(3)针对上海金属期货市场的极端价格涨跌,在政策建议部分提出了具体的管理措施。
当然,本文的研究也存在一些缺点和不足:(1)在选择宏观控制变量时,由于相关解释变量和被解释变量均为日度数据,宏观经济变量多为月度数据,本文使用Matlab软件对其进行三次样条插值,从而得到宏观经济变量的日度数据。虽然这种方法在技术上可行,但是其背后的理论基础不足。(2)上海金属期货市场极端收益率的出现除了当天的投机力量和相关市场联动因素影响外,可能还会受到当天一些特殊信息或事件的外生冲击,鉴于研究的复杂程度和可行性,本文暂未考虑这一潜在影响。鉴于以上的缺点和不足,未来进一步的研究可以选择月频的收益率数据,以此配合月度宏观经济数据,但是这种方法会损失较多样本。针对特殊信息和事件的外生冲击,可以尝试采用事件研究法进行进一步研究。