基于dcc-garch的中国大宗商品金融化研究-刘映琳.pdf
《基于dcc-garch的中国大宗商品金融化研究-刘映琳.pdf》由会员分享,可在线阅读,更多相关《基于dcc-garch的中国大宗商品金融化研究-刘映琳.pdf(9页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、萤噼霹鞋翱醒蟒目霸醒簦搠黼嚣赫 n一一 。, m”一一一一一一一*、一n,一一一”“”一一一制撼瑚蝌鲤彝蝌糍粼鼎黪蛹簿粼蝴鞲搿咄国鳓蛳新惮蓦群黼瓣鞴龋糍湖姥端鼎崦嚣剐自密蝴糍黜h磷型蝴霹棼糍糍戮蝴群蝌蝴罐蝴端搿始蜷蝌独戮蝌秘鳓蛾鞲蝴螭自薛基于DCCGARCH的中国大宗商品金融化研究刘映琳鞠卓刘永辉摘要:本文选取2005年1月4日至2016年9月30日农产品类、金属类和工业品类等中国和国际大宗商品期货市场交易品种,以及国内外主要股票市场指数的日收益率,基于DCCGARCH模型分析了期货市场和股票市场的波动性溢出关系和动态相依性。结果发现,股票市场对中国商品期货有波动率溢出效应,但是不同类型的大宗
2、商品其波动率溢出效应有明显差异。这说明:中国大宗商品市场存在金融化现象,但是不同类型的大宗商品金融化盼程度不同,和国际大宗商品期货市场相比,中国市场的金融化程度总体偏低。关键词:大宗商品期货;波动率溢出;DCCGARcH;金融化中图分类号:F74612 文献标识码:A 文章编号:10061894(2017)05007509对于商品的“金融化”,各界尚没有统一的定义。Krippner(2005)认为,大宗商品金融化是指各类经济主体日益通过经济途径而非贸易和商品生产途径获取利益的积累模式。张成思等(2014)则认为,商品的价格不再仅由市场的供求决定,而是与金融品在资本聚集度等方面出现相似性和相关性
3、的现象,即为商品金融化。自2001年12月中国加入WTO以来,中国经济发展进入高增速、低通胀的黄金时期。随着中国与世界主要经济体的联系日益密切,国际国内市场间的影响也越来越明显。在2008年全球金融危机期间,中国大部分大宗商品价格都出现了剧烈波动的现象,这是否是大宗商品的金融化现象?不同商品品种的金融化程度是否一致,中国与国外发达国家市场相比又有何不同?针对这些问题,本文构建DCCGARCH模型,对中国大宗商品金融化程度予以分析并进行品种问的比较,并进一步对国外主要商品市场进行分析,以期对比中国大宗商品市场和国际大宗商品市场金融化程度的差异。一、文献综述从宏观层面出发,研究大宗商品定价的主要因
4、素。韩立岩等(2012)认为,长作者简介:刘映琳,上海财经大学金融学院博士生;鞠卓,上海对外经贸大学统计与信息学院硕士生;刘永辉,上海对外经贸大学统计与信息学院院长、教授,研究方向:金融计量。基金项目:国家社会科学基金重大项目“全球大宗商品定价机制演进与国际经贸格局变迁研究”(项目编号:ISZDA058)以及国家自然科学基金(项目编号:11271259)。国际商务研究 2017年第5期75万方数据基于DCCGARCH的中国大宗商品金融化研究 篓慧i慧案篓i。鬈雾篓!篓黧篓篓=篓鍪冀黧篓篓篓篓:慧篓:期条件下,实体经济因素仍是大宗商品价格上涨的主要动力,中国因素的作用是间接的。谢飞等(2012)
5、认为,从短期看,对冲基金等投资者的套利行为是推动价格剧烈变动的主要因素。从微观层面出发,研究不同种类大宗商品价格波动的原因。田利辉等(2015)发现投机因素是国际原油价格在2002年上涨及2008年暴涨暴跌的主要原因。李智等(2014)认为中国需求明显夸大,西方石油需求仍为主要因素。钟美瑞等(2016)认为,原油价格、广义美元价格以及存货和投机等因素在不同状态下对期铜的影响程度不同,整体发现中国因素被明显夸大。从金融产品的多样性出发,研究不同市场间的传导效应。在大宗商品期货市场与现货市场关联方面,徐国祥等(2015)发现国际大宗商品现货市场对国内大宗商品现货市场和期货市场均存在显著的单项均值溢
6、出效应和单项波动性溢出效应。在大宗商品市场与证券市场之间的关联方面,田利辉等(2014)发现标普500指数对中国商品现货价格影响更为严重和持久,从而出现大宗商品定价的“美国化”趋势。闻岳春等(2015)发现国际股市是影响国内股市收益波动的主要因素,并间接影响国际大宗商品市场,国际大宗商品市场对于国内股市的直接性溢出效应不断增加。尹力博等(2016)发现国际股市对中国商品期货市场具有显著的信息溢出,中国商品期货市场金融化程度比国际市场要低。在大宗商品市场与外汇市场之问的关联方面,丁剑平等(2015)认为,4个大宗商品主要进口国的名义汇率对国际大宗商品价格有很好的预测能力。已有的文献研究尚有一些不
7、足。其一,现有文献多数是对大宗商品整体市场进行研究,对单一品种的金融化问题研究较少。其二,方法的选取有一定的局限性。针对以上两点不足,本文选取农产品类、金属类和工业品类等中国和国际大宗商品期货市场交易品种,选取国内外主要股票市场指数的日收益率,使用DCCGARCH模型分析不同品种的大宗商品期货市场和股票市场的波动性溢出关系和动态相关性。结果发现:股票市场对中国商品期货有波动率溢出效应,但是不同类型的大宗商品其波动率溢出效应有明显差异。这说明:中国大宗商品市场存在金融化现象,但是不同类型的大宗商品金融化的程度不同,和国际大宗商品期货市场相比,中国市场的金融化程度总体偏低。二、模型与数据(一)模型
8、资产价格的波动率无法直接观测,但它的一些特征却可以通过观察资产收益率来发现。波动率具有时变性和集聚性的特征,为了描述波动率的这类特征,Engel(1982)首先提出了ARCH模型。ARCH模型提供了描述波动率的方程,但在使用国际商务研究 2017年第5期76万方数据刘映琳鞠卓刘永辉羔竺黧竺黧燮竺黧竺篓黧竺雾黧篓氅:竺篓篓要竺竺:篓篓黧篓嬲:篓篓篓篓竺过程中需要估计较多的参数。为了改进这一缺陷,Bollerslev(1986)提出了ARCH模型的推广形式,称为广义自回归条件异方差模型(GARCH)。对于资产收益率序列y,令at=Y。一肛。为F时刻的信息,称a;服从GARCH(p,q),如果a,满
9、足下式:P qat=o-t,t,砰=Or0+叩兰f+臃,(1)i=1 j=l其中,占是均值为0且方差为l的独立同分布的随机变量序列,do,理,0,卢,0,通常假定是标准正态分布或标准化的t分布。为保证a,的无条件方差有限,要求max(p倒:(口f+屈)l (2)冒GARCH模型在波动率建模方面起到了重要的作用,但是在实际应用过程中,人们往往更关心资产之间波动率的相关关系,而GARCH模型却只能描述单一资产的波动率过程。为了改进这一缺陷,Bollerslev(1990)提出了一类常相关系数的多元GARCH类模型(CCCGARCH)。然而常相关系数波动率模型也有缺点,那就是资产收益率相关系数有随时
10、间变化的趋势。为了进一步改进常相关系数波动率模型的缺点,Engel(2002)提出了动态条件相关系数多元GARCH模型(DCCGARCH)。假设rt=(rl,t,r2r,磁f)是k个不同资产的收益率序列,那么DCCGARCH模型可以表述为:,flgI一(0,岛)tt,=DfRrD|Rt=JtQtJt一 ,Qf=(10102)Q+OiQt一1+02sf18f-l(3)(4)(5)(6)在式(3)和式(4)中,H,为条件方差协方差矩阵,力卜。为,f在t时刻的信息集,Rt=驴班为时变相关矩阵,D,为单变量GARCH模型求出的时变标准差对角矩阵,即协=讹g蟛。】,h,服从GARCH(P,q)过程。将G
11、ARCH过程中均值方程的残差a,标准化,得到标准化残差8t=D。a,。式(s)和式(6)是R,的动态相关结构过程,0,和0。是DCC模型的系数,且p,+0Pl,QI=qu,t是条件方差协方差矩阵,亘是无条件方差协方差矩阵,五=diag(qji(2)。DCCGARCH模型的估计采用Engel(2002)提出的两步估计法。首先估计每一项资产的单变量GARCH模型,得到标准化的残差序列,然后利用标准化的残差通过极大似然估计方法估计出动态相关结构的参数。理论分析表明,通过两步估计法得到的DCC估计量具有一致性和渐进正态性。(二)数据商品期货市场方面,本文选取在大连商品期货交易所上市交易的豆一(A00D
12、CE)和玉米(COODCE)作为国内市场农产品的代表;选取在芝加哥商品交易所国际商务研究 2017年第5期77万方数据基于DCC-GARCH的中国大宗商品金融化研究妻竺竺鬈黧登篓竺竺鐾竺篓篓竺氅竺2竺篓竺竺篓竺竺竺鐾黧竺竺雾竺笺竺篓妻*髦癣篓t登竺篓篓慧s一!篓霪擎黧羔上市交易的大豆(S00CBT)和玉米(COOCBT)作为国际市场农产品的代表;选取在上海期货交易所上市交易的沪铜(CUSHF)和沪铝(ALSHF)作为国内市场基本金属的代表;选取在伦敦金属交易所上市交易的铜(CALME)和铝(AHLME)作为国际市场基本金属的代表;选取上海期货交易所上市交易的沪胶(RUSHF)作为国内市场能源化
13、工的代表;选取东京工业品交易所上市交易的天然橡胶(RUTCE)作为国际市场能源化工的代表。股票市场方面,本文选取国际各大期货交易所所在地的重要股票指数作为各地的金融市场代表,包括中国上证综指(SHCI)、美国标普500指数(SP500)、英国富实100指数(FTSE)和日本日经22s指数(N225)。本文所有样本均为日度收盘价,选取样本期为2005年1月4日至2016年9月30日,剔除节假日和不匹配的交易日后,共有2,604组观测数据,数据来源于Wind数据库。各资产收益率通过对数差分得到,即:rs=ln(P,)一lIl(B一1) (7)表1样本对数收益率()序列的描述性统计平均值 中位数 标
14、准差 偏度 峰值 JB统计量 P值A00DCE 001 000 128 075 1114 1374361 000S00CBT O02 O13 194 207 3307 1 2068587 000C00DCE 001 0oo 134 030 3594 140,37266 000C00CBT 002 000 228 243 3849 163,49432 000CUSHF 001 004 175 一O14 295 95756 O00CALME 002 000 200 051 1016 1132813 000札SHF 一001 000 109 022 580 368498 000AHLM【E 000
15、000 152 一O22 275 84745 000RUSHF 000 006 206 O05 229 57309 000RUTCE 001 008 226 一O56 453 2,36473 O00SHCl 003 008 187 052 416 1,99934 000SP500 002 008 1_32 061 1298 1846015 000N225 O01 O06 1,66 一O65 822 752445 O00FTSE 001 003 128 003 995 10,76148 000样本对数收益率序列的描述性统计如表l所示。可以看出,各资产收益率样本均值均接近于0,且除沪铝外其他均为正
16、值。农产品方面,中国豆一和玉米期货的标准差小于美国大豆和玉米期货,且偏态程度远小于美国农产品期货,说明美国农产品期货收益率波动更剧烈,且分布严重左偏,有类似金融资产的特征。金属类期货方面,中外铜期货的标准差明显大于铝期货的标准差,说明铜期货价格波动比铝期货更剧烈。在工业品方面,中日橡胶波动基本一致,沪胶收益率的分布比日本橡胶期货收益率更加对称。在股市方面,上证指数收益率的标准差大于国外股票市场指数,且峰度系数较小,说明中国股票市场波动相比国外股票市场波动更加剧烈。总体来看,各资产收益率的分布均存在“尖峰厚尾”现象,且JB统计量的P值均接近于零,说国际商务研究 2017年第5期78万方数据刘映琳
17、鞠卓刘永辉明各资产收益率均不服从正态分布。表2 ADF平稳性检验结果收盘价序列 对数收益率序歹IADF统计量 P值 平稳性 ADF统计量 p值 平稳性A00DCE 一209 O28 不平稳 一1594 O01 平稳S00CBT 一222 023 不平稳 一1600 001 平稳COODCE 一186 O37 不平稳 一1581 001 平稳C00CBT 一197 032 不平稳 一5184 001 平稳CUSHF 一242 0。16 不平稳 一938 001 平稳CALME 一233 019 不平稳 一1720 001 平稳ALSHF 一135 055 不平稳 一1467 001 平稳AHLM
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 dcc garch 中国 大宗 商品 金融 研究 刘映琳
限制150内