全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1224 23
2022-05-05
英文标题:
《Cross-correlation asymmetries and causal relationships between stock and
  market risk》
---
作者:
Stanislav S. Borysov, Alexander V. Balatsky
---
最新提交年份:
2014
---
英文摘要:
  We study historical correlations and lead-lag relationships between individual stock risk (volatility of daily stock returns) and market risk (volatility of daily returns of a market-representative portfolio) in the US stock market. We consider the cross-correlation functions averaged over all stocks, using 71 stock prices from the Standard \\& Poor\'s 500 index for 1994--2013. We focus on the behavior of the cross-correlations at the times of financial crises with significant jumps of market volatility. The observed historical dynamics showed that the dependence between the risks was almost linear during the US stock market downturn of 2002 and after the US housing bubble in 2007, remaining on that level until 2013. Moreover, the averaged cross-correlation function often had an asymmetric shape with respect to zero lag in the periods of high correlation. We develop the analysis by the application of the linear response formalism to study underlying causal relations. The calculated response functions suggest the presence of characteristic regimes near financial crashes, when the volatility of an individual stock follows the market volatility and vice versa.
---
中文摘要:
我们研究了美国股市中单个股票风险(每日股票收益的波动性)和市场风险(具有市场代表性的投资组合的每日收益的波动性)之间的历史相关性和超前-滞后关系。我们考虑所有股票的平均互相关函数,使用标准普尔500指数1994-2013年的71个股票价格。我们关注的是在市场波动性大幅上升的金融危机时期相互关联的行为。观察到的历史动态表明,在2002年美国股市低迷期间和2007年美国房地产泡沫之后,风险之间的依赖性几乎是线性的,直到2013年都保持在这个水平。此外,在高相关性期间,平均互相关函数相对于零滞后通常具有不对称形状。我们通过应用线性响应形式主义来研究潜在的因果关系。计算出的响应函数表明,当单个股票的波动性跟随市场波动性,反之亦然时,金融崩溃附近存在特征性机制。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-5 12:25:42
股票和市场风险之间的互相关不对称性和因果关系Stanislav S.Borysov1,2,3,*, Alexander V.Balatsky1,41 Nordita,KTH皇家理工学院和斯德哥尔摩大学,罗斯拉格斯图尔斯巴肯23,SE-106 91斯德哥尔摩,斯维登2纳米结构物理,KTH皇家理工学院,罗斯拉格斯图尔斯巴肯21,SE-106 91斯德哥尔摩,斯维登3理论部门,洛斯阿拉莫斯国家实验室,洛斯阿拉莫斯,NM 87545,美国4材料科学研究所,洛斯阿拉莫斯国家实验室,美国新墨西哥州洛斯阿拉莫斯87545* 电子邮件:borysov@kth.seAbstractWe研究美国股市中单个股票风险(日常股票收益的波动性)和市场风险(市场代表性投资组合的每日收益的波动性)之间的历史相关性和超前-滞后关系。我们考虑所有股票的平均互相关函数,使用标准普尔500指数1994-2013年的71个股票价格。我们关注的是在金融危机发生时,市场波动率大幅上升时的相互关联行为。观察到的历史动态表明,在2002年美国股市低迷期间和2007年美国房地产泡沫之后,风险之间的依赖性几乎是线性的,直到2013年都保持在这个水平。此外,在高相关期间,平均互相关函数相对于零滞后通常具有不对称形状。我们应用线性响应形式主义来研究潜在的因果关系。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-5 12:25:46
计算出的响应函数表明,当单个股票的波动性跟随市场波动性,反之亦然时,金融崩溃附近存在特征性机制。导言金融市场是一个复杂的系统,展示了多种现象,吸引了从社会科学到自然科学等一系列学科的关注[1]。更好地理解金融市场的行为已经成为进一步可持续经济发展讨论的一个组成部分。在这种情况下,正确评估金融风险[2]起着至关重要的作用:低估风险会导致金融泡沫最终崩溃,而高估风险可能会导致金融资源配置效率低下和经济增长放缓,导致周期性停滞。这一多方面的问题是金融的核心,引起了物理和数学界的极大兴趣[3,4]。金融风险分析的一个关键组成部分是波动性评估,它量化了相关资产的金融稳定性。为此,人们提出了许多风险建模[5-8]和预测[9]的方法,以及对波动性的各种经验性质的大量研究,包括聚类[10-12]、超前滞后效应[13]、不对称[14,15]等程式化事实(综述见参考文献[16,17])。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-5 12:25:50
作为集体行为的结果,相关现象还涉及相关[18-20]和互相关[21-24]矩阵的估计、它们的动力学研究[25,26]、不对称相关性[27]、非线性相关性[28-30]和去趋势[31,32]、金融网络和聚类[33-42]、多变量随机模型[43,44]、临界现象[45,46],在当前的论文中,我们关注美国股市中个体和集体波动行为之间的超前滞后效应,这可能会在系统性监管问题的背景下进一步讨论[47]。以前的研究报告称,随着市场对系统性崩溃的整体倾向[48],最近金融市场之间的相关性增加[25]。因此,我们的调查旨在进一步揭示过去十年系统性风险的动态。为此,我们分析了标准普尔500指数[49](以下简称标准普尔500指数)1994-2013年71只股票的历史价格(表1)。虽然我们采用了最简单的波动率估值器之一,即每日对数回报的简单移动平均值(SMA)标准偏差,但据推测,它可以正确描述长时间尺度上的资产风险动态,以月和年为单位[50]。我们利用了交叉相关分析,这是分析多个时间序列的基本工具。通过定义,归一化互相关函数的绝对值介于0和1之间,表明时间序列之间线性关系的强度,假设一个时间序列被特定的滞后值移动。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-5 12:25:53
值得注意的是,我们的方法基于对股票收益率(标准差)衍生量之间的互相关的研究,而不是对收益率的互相关矩阵的分析,这隐含着计算相关性之间的互相关。这些更复杂的数量有望让我们捕捉到市场风险随时间的更系统的演变。事实上,之前的研究表明,在整个国际金融市场中,市场波动性和相关性是紧密相关的[51]。然而,我们的计算表明,所有股票的平均互相关函数(见下面的等式)不仅通常具有接近1的最大值,而且相对于零滞后也具有不对称形状(图1)。这些特征表明存在长期趋势,当市场在一个交易日内未达到均衡时,整体市场风险倾向于跟随单个股票风险[图1(a)],反之亦然[图1(b)]。最近,有报道称股票收益率[52]和相关性[53]出现了日内趋势,而我们的调查对股票波动性也提出了类似的观点。一般来说,不可能从互相关函数的任意形状确定因果关系。然而,如果互相关函数相对于时间反转操作(时滞符号的变化)是不对称的,则可能暗示存在因果关系[54]。虽然确定真正的因果关系是一个哲学问题,但我们在预测意义上使用这个术语,即如果一个时间序列的过去值可以用来预测另一个时间序列的现在或未来值。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-5 12:25:56
在这方面,最广泛使用的方法之一是格兰杰因果检验[55]。按照这种方法,我们为时间序列建立自回归模型,包括和排除问题中的因素,并检查模型之间的差异是否具有统计学意义。然而,在当前的研究中,我们建议使用另一种方法,利用线性响应理论[56]中研究的一类特定的非对称互相关函数,这为描述物理系统的输入输出特性提供了一个框架。在这种方法中,因果关系意味着行动前没有任何反应(只要没有长期记忆效应),这会导致特定滞后方向的互相关函数的零值正或负,具体取决于变量的输入输出作用。最简单的例子可以用作用在物体上的力来表示。质量在相互作用之前不能移动,因此在施加力之前,力和位移之间的相关性为零。虽然我们不希望在真实金融市场中观察到这种微不足道的行为,但经验函数(图1)中的不对称性可以解释为这种理想模型的近似,其中质量和力量由单个股票和集体市场波动率表示,反之亦然,这取决于观察到的制度。利用这种近似,我们将自己局限于定性分析,目的是揭示历史模式。由于投资组合回报是股票回报的总和,其方差是协方差矩阵C的所有元素之和,[公式(3)]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群