论文部分内容阅读
经济一体化和金融全球化推动了资本在全球金融市场之间地流动,同时也强化了金融市场之间的相依结构。1997~1998年的亚洲金融风暴、2007~2008年的全球金融危机、2010年的欧债危机、2015年我国的股市崩盘,使得防范金融风险成为了各国政府和投资者的热议话题。除了加强金融监管外,防范金融风险的重要手段是合理构建资产组合,尽量降低非系统性风险。Markowitz在1952年提出的均值-方差(Mean-Variance,MV)投资组合理论是构建资产组合经典理论之一。
Markowitz投资组合理论主要提出了收益和风险二者之间的权衡关系,需要输入均值向量和协方差矩阵两个参数,实际中均值向量和协方差矩阵均是未知的,大家已普遍接受了均值衡量资产组合收益的方法,但是关于协方差矩阵的估计一直是学术界研究的热点问题。现有的文献中不少方法可以估计协方差矩阵,近年来的研究表明协方差矩阵可以分为条件方差部分和相关系数矩阵部分。条件方差部分用以刻画金融资产序列的波动性,相关系数矩阵部分用以刻画各金融资产序列之间的相依结构。关于条件方差部分的研究已比较完善,比如ARCH模型、GARCH模型、GJR模型;但关于相关系数矩阵部分的研究起步相对较晚,该部分的研究仍在不断完善中。
随着金融学界研究的不断深入,发现金融资产序列之间的相关性呈现时变特征和非对称特征。Engle(2002)提出了动态相关系数矩阵模型 DCC 模型;Engle和Sheppard(2005)指出在资产数目少于100时,DCC模型是可计算并且估计是较精确的。Cappiello et al.(2006)认为金融资产之间的相关性不仅具有动态性特征还具有非对称性特征,基于此提出了ADCC模型。Engle和Kelly(2012)基于研究高维协方差矩阵的计算困难问题提出的动态等相关模型DECO模型,效果表现并没有优于DCC模型。
基于目前已有的文献之上,本论文的主要研究内容和结论如下:
(1)基于沪深300指数成分股的股票数据进行实证分析,通过对数据的基本描述性分析发现样本内各股票收益率呈现尖峰厚尾特征、各股票收益率序列之间存在相关性;通过对数据的相关检验发现各股票收益率序列均是平稳的、呈现非正态分布,且部分金融资产收益率序列存在自相关性和 ARCH效应;
(2)通过构建DCC模型和ADCC模型,对其参数进行估计发现,ADCC模型的非对称项参数是显著的,这也就说明股票收益率序列呈现非对称性特征;并且通过构建DCC模型和ADCC模型获取的残差收益率序列存在自相关性和ARCH效应的股票数大大减少,明显优于原始数据,这也就说明了DCC模型和ADCC模型的有效性;
(3)通过样本协方差矩阵、DCC模型和ADCC模型估计的样本内协方差矩阵构建的MV投资组合业绩进行比较,并对以上三种模型的样本外预测的协方差矩阵构建的MV投资组合业绩进行比较,均发现基于DCC模型和ADCC模型构建的投资组合业绩明显优于基于样本协方差矩阵构建的MV投资组合,且ADCC模型构建的投资组合业绩优于DCC模型;并对构建的投资组合模型进行稳健性检验,发现DCC模型和ADCC模型构建的MV投资组合业绩依然明显优于基于样本协方差矩阵构建的MV投资组合,ADCC模型依然时占优的;
(4)在金融危机频繁爆发的背景下防范金融风险,从投资者角度可以选择较优投资组合,使其在无法规避系统性风险时尽量降低非系统性风险,从而尽量较少损失。本文以2008年金融危机、2015年股灾为例证,将整个样本区间以2008年1月1日、2015年1月1日为临界点分为金融危机前、2008年金融危机、2015 年股灾,通过样本协方差矩阵、基于DCC模型和ADCC模型估计的协方差矩阵构建的MV投资组合,发现2008年金融危机、2015年股灾期间基于ADCC模型构建的MV投资组合的业绩表现优于DCC模型。
Markowitz投资组合理论主要提出了收益和风险二者之间的权衡关系,需要输入均值向量和协方差矩阵两个参数,实际中均值向量和协方差矩阵均是未知的,大家已普遍接受了均值衡量资产组合收益的方法,但是关于协方差矩阵的估计一直是学术界研究的热点问题。现有的文献中不少方法可以估计协方差矩阵,近年来的研究表明协方差矩阵可以分为条件方差部分和相关系数矩阵部分。条件方差部分用以刻画金融资产序列的波动性,相关系数矩阵部分用以刻画各金融资产序列之间的相依结构。关于条件方差部分的研究已比较完善,比如ARCH模型、GARCH模型、GJR模型;但关于相关系数矩阵部分的研究起步相对较晚,该部分的研究仍在不断完善中。
随着金融学界研究的不断深入,发现金融资产序列之间的相关性呈现时变特征和非对称特征。Engle(2002)提出了动态相关系数矩阵模型 DCC 模型;Engle和Sheppard(2005)指出在资产数目少于100时,DCC模型是可计算并且估计是较精确的。Cappiello et al.(2006)认为金融资产之间的相关性不仅具有动态性特征还具有非对称性特征,基于此提出了ADCC模型。Engle和Kelly(2012)基于研究高维协方差矩阵的计算困难问题提出的动态等相关模型DECO模型,效果表现并没有优于DCC模型。
基于目前已有的文献之上,本论文的主要研究内容和结论如下:
(1)基于沪深300指数成分股的股票数据进行实证分析,通过对数据的基本描述性分析发现样本内各股票收益率呈现尖峰厚尾特征、各股票收益率序列之间存在相关性;通过对数据的相关检验发现各股票收益率序列均是平稳的、呈现非正态分布,且部分金融资产收益率序列存在自相关性和 ARCH效应;
(2)通过构建DCC模型和ADCC模型,对其参数进行估计发现,ADCC模型的非对称项参数是显著的,这也就说明股票收益率序列呈现非对称性特征;并且通过构建DCC模型和ADCC模型获取的残差收益率序列存在自相关性和ARCH效应的股票数大大减少,明显优于原始数据,这也就说明了DCC模型和ADCC模型的有效性;
(3)通过样本协方差矩阵、DCC模型和ADCC模型估计的样本内协方差矩阵构建的MV投资组合业绩进行比较,并对以上三种模型的样本外预测的协方差矩阵构建的MV投资组合业绩进行比较,均发现基于DCC模型和ADCC模型构建的投资组合业绩明显优于基于样本协方差矩阵构建的MV投资组合,且ADCC模型构建的投资组合业绩优于DCC模型;并对构建的投资组合模型进行稳健性检验,发现DCC模型和ADCC模型构建的MV投资组合业绩依然明显优于基于样本协方差矩阵构建的MV投资组合,ADCC模型依然时占优的;
(4)在金融危机频繁爆发的背景下防范金融风险,从投资者角度可以选择较优投资组合,使其在无法规避系统性风险时尽量降低非系统性风险,从而尽量较少损失。本文以2008年金融危机、2015年股灾为例证,将整个样本区间以2008年1月1日、2015年1月1日为临界点分为金融危机前、2008年金融危机、2015 年股灾,通过样本协方差矩阵、基于DCC模型和ADCC模型估计的协方差矩阵构建的MV投资组合,发现2008年金融危机、2015年股灾期间基于ADCC模型构建的MV投资组合的业绩表现优于DCC模型。