比特币现货市场与期货市场的风险溢出效应——基于动态CoVaR模型的研究
发布时间:2022-02-25 21:03
为研究比特币现货和期货市场之间的风险溢出问题,本文选取GJR模型捕捉比特币与比特币期货价格波动的非对称性关系,并构建DCC-GARCH-GJR-CoVaR模型,分析风险溢出的联动性和时变性。本文采集2017年CME推出比特币期货合约后的日交易数据进行实证分析。研究发现:负面信息冲击所导致的市场波动大于正面信息冲击的影响;比特币现货与比特币期货市场之间存在显著的动态关联特征,且二者正相关;比特币现货与期货市场之间存在双向的风险溢出现象,其中比特币期货对比特币现货的风险溢出程度更强;当金融市场异动时,二者的动态相关性和风险溢出效应会显著增强。
【文章来源】:武汉金融. 2020,(09)北大核心
【文章页数】:7 页
【文章目录】:
一、引言
二、文献综述
三、DCC-GJR-GARCH-Co Va RR模型构建
(一)DCC-GARCH模型
(二)GJR模型
(三)Co Va R方法
四、实证分析
(一)变量选取与处理
(二)描述性统计
(三)数据的检验
1. 平稳性检验
2. Granger因果关系检验
3. ARCH检验
(四)模型估计结果与分析
1. GARCH(1,1)模型的估计
2. GJR(1,1)模型的估计
3. DCC-GARCH模型的估计
4. 时变风险溢出量的计算及分析
五、结论与建议
【参考文献】:
期刊论文
[1]比特币衍生品:上市争议与监管分歧[J]. 武佳薇,卢边静子. 武汉金融. 2018(07)
[2]比特币期货与私人数字货币的投资风险[J]. 宋爽. 银行家. 2018(02)
[3]比特币价格泡沫:证据、原因与启示[J]. 邓伟. 上海财经大学学报. 2017(02)
本文编号:3643877
【文章来源】:武汉金融. 2020,(09)北大核心
【文章页数】:7 页
【文章目录】:
一、引言
二、文献综述
三、DCC-GJR-GARCH-Co Va RR模型构建
(一)DCC-GARCH模型
(二)GJR模型
(三)Co Va R方法
四、实证分析
(一)变量选取与处理
(二)描述性统计
(三)数据的检验
1. 平稳性检验
2. Granger因果关系检验
3. ARCH检验
(四)模型估计结果与分析
1. GARCH(1,1)模型的估计
2. GJR(1,1)模型的估计
3. DCC-GARCH模型的估计
4. 时变风险溢出量的计算及分析
五、结论与建议
【参考文献】:
期刊论文
[1]比特币衍生品:上市争议与监管分歧[J]. 武佳薇,卢边静子. 武汉金融. 2018(07)
[2]比特币期货与私人数字货币的投资风险[J]. 宋爽. 银行家. 2018(02)
[3]比特币价格泡沫:证据、原因与启示[J]. 邓伟. 上海财经大学学报. 2017(02)
本文编号:3643877
本文链接:https://www.wllwen.com/jingjifazhanlunwen/3643877.html