人民币与加密货币的风险分形研究
发布时间：2020-12-30 21:08
人民币既是特别提款权（SDR）货币又是新兴经济体货币,对比探究人民币与加密货币的风险关联,对于进一步提升人民币国际竞争力至关重要。基于美元的统一标价量纲,通过选取2015-2020年人民币、欧元等八种主权货币汇市数据与比特币、以太坊等八种加密货币的市场交易样本数据,运用多重分形和"准自然实验"方法深入分析了主权货币与加密货币间的关联风险传导。研究发现:样本中主权货币汇市与加密货币市场间存在多重分形交叉关联,非对称特征明显,存在相互的风险传导效应,其中人民币与加密货币间的风险联系和双向风险传导效应最强;中国"关停"加密货币交易平台政策具有一定的风险冲击防范效果,相关监管制度建设有利于提升人民币竞争力,增强人民币稳定性。
【文章来源】：现代经济探讨. 2020年11期 北大核心CSSCI
【文章页数】：12 页
【部分图文】：
主权货币具有不同变动趋势时的(q,ΔHxy(q))图
按照标准做法设定q=2,HCRYPTOΔT(2)和HFOREXΔT(2)分别代表加密货币和主权货币在滞后时间为ΔT时的交叉市场标度指数Hurst值。图4给出了HCRYPTOΔT(2)和HFOREXΔT(2)随滞后时间变化的走势图。从图中可以看出,发达国家和金砖国家主权货币与加密货币的交叉相关性标度指数Hurst值均大于0.5,说明无论是设定加密货币收益率序列的滞后还是设定主权货币收益率的滞后,两者的交叉相关关系均具有长期记忆性特征,即主权货币和加密货币之间的风险传导效应是双向的。值得注意的是,通过图4(a)和(b)的对比可以看出,风险从加密货币传导至主权货币时,人民币与加密货币之间的标度指数Hurst值均远远超过其他国家,而欧元、英镑、卢布、兰特和雷亚尔同加密货币之间的Hurst较小;这表明人民币受到加密货币的风险冲击最大。反过来,对比图4(c)和(d),人民币与加密货币的Hurst值仍然是最高的,而欧元、英镑和亚雷尔同加密货币的交叉市场标度指数较低。总体来看,人民币与加密货币间的风险相互传导特征最为明显。为了进一步衡量风险传导的程度是否存在差别,我们定义差异衡量指标如下:
我们突破标准分析范畴,进一步探究主权货币与加密货币交叉相关性非对称特征随q值变化的差异,估计结果如图2所示。ΔHxy(q)是代表不同q值下的非对称关系。从图2中可以看出,不存在ΔHxy(q)=0的情况,这表明两者之间的非对称特征一直存在;当q<0时,所有主权货币-加密货币的ΔHxy(q)<0,说明在两者均处于小幅波动的情况下,交叉市场的互相关关系在加密货币处于下跌趋势时更加显著;当q>4时,人民币、欧元、雷亚尔、卢布、和兰特与加密货币的ΔHxy(q)>0,这说明仅在双方都出现大幅波动的情况下,这五种货币与加密货币的交叉相关性会在后者处于上涨趋势时更加显著,即在波动风险较大时,加密货币上涨时风险传导效应更强。从单个主权货币来看,图2(a)显示当q>2时,欧元与加密货币的关系与人民币相近,同英镑与日元货币不同;而随着波动幅度的变化,日元和英镑与加密货币的非对称多重相关性一直比较稳定。图2(b)显示在q>4时,卢比与加密货币之间的交叉相关性仍然体现为在加密货币下跌时期更强;值得注意的是,同交叉相关性分析结果类似,兰特与主权货币的非对称多重分形交叉相关性仍然体现出了与金砖国家货币的不同,其在q>0,即波动开始增大时就转为了正值,这可能和南非是非洲唯一的金融科技中心的特殊地位相关。随后,本文进一步分析主权货币在不同涨跌趋势下与加密货币的非对称交叉相关性。标准分析的结果如表4所示。从表中可以看出,欧元、人民币、卢比、卢布、兰特等六种主权货币与加密货币收益率序列对的标度指数H+xy(2)、H-xy(2)值均大于0.5,这一结果表明两两交叉相关关系在上述主权货币不同涨跌趋势下均具有长期记忆性特征。日元、雷亚尔等两种主权货币与加密货币交叉相关关系在日元与雷亚尔处于上涨趋势时具有反持久性特征(H+xy(2)<0.5),仅在日元、雷亚尔处于下跌趋势时具有长期记忆性特征(H-xy(2)>0.5),而英镑-加密货币的交叉相关关系则正好相反。此外,所有主权货币与加密货币收益率序列对的标度指数H+xy(2)均不等于H-xy(2),这表明加密货币与主权货币间的交叉相关关系在主权货币的不同涨跌趋势下同样具有非对称特征。其中日元、人民币、卢比、雷亚尔、卢布和兰特与加密货币的ΔHxy(2)值小于0,表明了其下跌趋势时的交叉相关性较上涨时更强。
【参考文献】：
期刊论文
[1]人民币汇率波动与名义利率调控模式选择[J]. 刘达禹. 现代经济探讨. 2019(10)
[2]市场间相依性检验、非对称性及传导方向研究[J]. 苑莹,王梦迪,樊晓倩,张同辉. 系统工程理论与实践. 2016(11)
[3]我国沪深300股指期货和现货市场的交叉相关性及其风险[J]. 汪冬华,索园园. 系统工程理论与实践. 2014(03)
[4]基于LHAR-RV-V模型的中国股市波动性研究[J]. 文凤华,刘晓群,唐海如,杨晓光. 管理科学学报. 2012(06)
本文编号：2948304
【文章来源】：现代经济探讨. 2020年11期 北大核心CSSCI
【文章页数】：12 页
【部分图文】：
主权货币具有不同变动趋势时的(q,ΔHxy(q))图
按照标准做法设定q=2,HCRYPTOΔT(2)和HFOREXΔT(2)分别代表加密货币和主权货币在滞后时间为ΔT时的交叉市场标度指数Hurst值。图4给出了HCRYPTOΔT(2)和HFOREXΔT(2)随滞后时间变化的走势图。从图中可以看出,发达国家和金砖国家主权货币与加密货币的交叉相关性标度指数Hurst值均大于0.5,说明无论是设定加密货币收益率序列的滞后还是设定主权货币收益率的滞后,两者的交叉相关关系均具有长期记忆性特征,即主权货币和加密货币之间的风险传导效应是双向的。值得注意的是,通过图4(a)和(b)的对比可以看出,风险从加密货币传导至主权货币时,人民币与加密货币之间的标度指数Hurst值均远远超过其他国家,而欧元、英镑、卢布、兰特和雷亚尔同加密货币之间的Hurst较小;这表明人民币受到加密货币的风险冲击最大。反过来,对比图4(c)和(d),人民币与加密货币的Hurst值仍然是最高的,而欧元、英镑和亚雷尔同加密货币的交叉市场标度指数较低。总体来看,人民币与加密货币间的风险相互传导特征最为明显。为了进一步衡量风险传导的程度是否存在差别,我们定义差异衡量指标如下:
我们突破标准分析范畴,进一步探究主权货币与加密货币交叉相关性非对称特征随q值变化的差异,估计结果如图2所示。ΔHxy(q)是代表不同q值下的非对称关系。从图2中可以看出,不存在ΔHxy(q)=0的情况,这表明两者之间的非对称特征一直存在;当q<0时,所有主权货币-加密货币的ΔHxy(q)<0,说明在两者均处于小幅波动的情况下,交叉市场的互相关关系在加密货币处于下跌趋势时更加显著;当q>4时,人民币、欧元、雷亚尔、卢布、和兰特与加密货币的ΔHxy(q)>0,这说明仅在双方都出现大幅波动的情况下,这五种货币与加密货币的交叉相关性会在后者处于上涨趋势时更加显著,即在波动风险较大时,加密货币上涨时风险传导效应更强。从单个主权货币来看,图2(a)显示当q>2时,欧元与加密货币的关系与人民币相近,同英镑与日元货币不同;而随着波动幅度的变化,日元和英镑与加密货币的非对称多重相关性一直比较稳定。图2(b)显示在q>4时,卢比与加密货币之间的交叉相关性仍然体现为在加密货币下跌时期更强;值得注意的是,同交叉相关性分析结果类似,兰特与主权货币的非对称多重分形交叉相关性仍然体现出了与金砖国家货币的不同,其在q>0,即波动开始增大时就转为了正值,这可能和南非是非洲唯一的金融科技中心的特殊地位相关。随后,本文进一步分析主权货币在不同涨跌趋势下与加密货币的非对称交叉相关性。标准分析的结果如表4所示。从表中可以看出,欧元、人民币、卢比、卢布、兰特等六种主权货币与加密货币收益率序列对的标度指数H+xy(2)、H-xy(2)值均大于0.5,这一结果表明两两交叉相关关系在上述主权货币不同涨跌趋势下均具有长期记忆性特征。日元、雷亚尔等两种主权货币与加密货币交叉相关关系在日元与雷亚尔处于上涨趋势时具有反持久性特征(H+xy(2)<0.5),仅在日元、雷亚尔处于下跌趋势时具有长期记忆性特征(H-xy(2)>0.5),而英镑-加密货币的交叉相关关系则正好相反。此外,所有主权货币与加密货币收益率序列对的标度指数H+xy(2)均不等于H-xy(2),这表明加密货币与主权货币间的交叉相关关系在主权货币的不同涨跌趋势下同样具有非对称特征。其中日元、人民币、卢比、雷亚尔、卢布和兰特与加密货币的ΔHxy(2)值小于0,表明了其下跌趋势时的交叉相关性较上涨时更强。
【参考文献】：
期刊论文
[1]人民币汇率波动与名义利率调控模式选择[J]. 刘达禹. 现代经济探讨. 2019(10)
[2]市场间相依性检验、非对称性及传导方向研究[J]. 苑莹,王梦迪,樊晓倩,张同辉. 系统工程理论与实践. 2016(11)
[3]我国沪深300股指期货和现货市场的交叉相关性及其风险[J]. 汪冬华,索园园. 系统工程理论与实践. 2014(03)
[4]基于LHAR-RV-V模型的中国股市波动性研究[J]. 文凤华,刘晓群,唐海如,杨晓光. 管理科学学报. 2012(06)
本文编号：2948304
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/2948304.html
