理论教育 克服资产间动态相关性问题的多变量GARCH模型

克服资产间动态相关性问题的多变量GARCH模型

时间:2023-06-11 理论教育 版权反馈
【摘要】:Engle通过引入多变量GARCH模型直接对多个资产序列进行联合建模克服了这些问题,其给出的动态条件相关性GARCH模型旨在对多个资产序列间的动态方差协方差矩阵进行参数估计,进而得到这些资产之间相关性的动态变化过程,这样既保持了GARCH族模型对时间序列动态变化较强的刻画能力,同时也获得了具有内生性的动态相关性结果。

克服资产间动态相关性问题的多变量GARCH模型

在当前,作为投资市场中两种最主要的投资产品,房地产与股票之间的相关关系、以及互动关系中哪一个较为先导等问题得到了较大的关注。根据Markowitz(1952)的相关论述,最优的投资组合不仅仅取决于标的的回报与风险情况,同时也取决于各个投资标的之间的相关性。作者发现在通过投资于波动率较低的资产来保证投资组合稳定性的基础上,可以进一步通过适当地组合这些具有相关性的投资标的,从而在一定的风险程度上获取更高的回报。基于该理论,资产间的相关性是最优投资组合中各资产配比的决定性因素之一,投资组合构建者将在相关性的基础上决定自己的投资组合。因此从投资属性的角度来看,房地产与股票市场间的关联性以及相关问题是值得研究且具有实际意义的。从另外一个角度看,房地产资产具有消费属性,作为居住的主要载体,其在人民生活中的作用不可替代,而房地产支出在整个消费支出中占巨大比重,是一个很好的消费水准度量指标,与此同时股市有着“经济晴雨表”的比喻,在一定程度上反映了当前的经济情况。因此,作为现代经济社会中的两个关键性市场,房地产市场与股票市场之间的相关关系如何,两个市场之间是否具有溢出效应,对研究经济的健康、持续发展,正确制定相关政策措施等问题都有着重要的意义。

实际上,已经有很多学术研究对房地产市场和股票市场之间的相关性进行了探讨。国内研究中讨论房地产市场与股票市场间相关性的论文包括刘琼芳和张宗益(2011)的文章,作者使用Copula函数对房地产行业股票与金融行业股票回报之间的尾部相关性进行了定量刻画。巴曙松等(2009)利用线性非线性格兰杰因果检验、变点检验等计量手段研究了房地产与股票市场间的相关关系以及相互之间的驱动作用。沈悦和卢文兵(2008)使用协整理论和VAR模型,发现房地产价格上涨会显著带动股票价格同向上涨,不过反向关系则较弱。国外研究中,Kang和Choi(2011)基于分位数回归模型研究了房地产投资信托和股票市场在回报和波动率两方面的相关性情况,Chiang和Lee(2002)则采用多因素模型发现房地产投资信托与股票指数间的相关程度在样本后期显著上升。从大的方向上来看,市场研究中对房地产市场与股票市场之间具有一定但是相对较低的相关性这一点是普遍认同的,而对于两者之间的溢出行为则有不同的看法,一种观点认为股票市场影响房地产市场,股票市场波动引起了房地产市场的波动,另一种观点则认为,房地产市场影响股票市场,房地产市场的景气程度通过多条渠道影响股票市场的景气程度。

值得注意的是,许多相关研究往往由于研究所限忽略了现实市场的动态复杂性,也就是将资产间的动态相关性简化为静态,而这些简化方法都在不同程度上具有缺乏实证与理论基础、模型设定细节较为主观等问题。Engle(2002)通过引入多变量GARCH模型直接对多个资产序列进行联合建模克服了这些问题,其给出的动态条件相关性GARCH模型(Dynamic Conditional Correlation-GARCH,简称DCC-GARCH)旨在对多个资产序列间的动态方差协方差矩阵进行参数估计,进而得到这些资产之间相关性的动态变化过程,这样既保持了GARCH族模型对时间序列动态变化较强的刻画能力,同时也获得了具有内生性的动态相关性结果。Peng和Schulz(2013)以及Case等(2012)的文章在研究房地产投资信托指数与股票指数之间的动态相关性时,均采用了这一模型。(www.daowen.com)

本章将在前人研究的基础上,针对香港市场,采用DCC-GARCH方法对其房地产市场与股票市场间的动态相关性进行研究。通过采用CCL指数和恒生指数来分别描述香港的房地产市场与股票市场的走势,并基于所选取的模型进行估计,可以获得参数估计结果与动态相关性结果。而在刻画动态相关性的基础上,通过延迟其中一个市场指数序列并与另一个序列进行匹配,可以较为方便的得到一个市场向另一个市场溢出的动态关联性情况,在进行了不同方向的延迟匹配以及进一步的动态相关性建模之后,就可以计算得出两个市场间相互的动态溢出水平,从而获得两个市场之间关联情况的更深层次的认识。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈