高频环境下基于资产结构的股指期货市场风险度量及防范

发布时间：2020-06-19 18:16

【摘要】：在金融创新的持续推动下,以股指期货为代表的金融衍生品打开了发展的重要时间窗口。尽管被公认为金融市场最有效的风险管理工具,但股指期货自身却并非是绝对安全的。在以投机者和套期保值者为主的投资者结构冲击下,股指期货的市场风险甚至可能远超现货市场。自美国次贷危机引发全球性金融动荡以来,包括股指期货在内的金融衍生品的市场风险一直是学界和业界关注的焦点。2010年4月,沪深300指数期货作为中国第一只股指期货正式上市,开创了多层次金融市场的历史新跨越。合理界定股指期货的市场风险、科学度量和防范中国股指期货的市场风险,维护市场安全平稳运行,打好防范化解金融系统性风险攻坚战,最终实现金融体系乃至整个国民经济“稳中有进”,是当前金融工程与风险管理领域亟待解决的一项重要课题。随着信息技术和数字存储技术的发展,高频时间序列分析为股指期货的市场风险研究提供了更加精确的技术手段。本文以高频已实现波动(Realized Volatility,RV)方法为切入点,实证度量和刻画股指期货的市场风险,并为防范股指期货的市场风险提供对策及政策建议。根据投资者在其资产结构中持有期货单一资产和持有期现货资产组合两种不同情况,本文界定股指期货市场风险的内涵、识别股指期货市场风险的来源与成因,将股指期货市场风险表达为“股指期货未来价格或股指期现货资产组合未来价格收益波动对期望值的偏离给相关投资者资产带来潜在损失的可能性”,并在此基础上度量期货单一资产条件下和期现货资产组合条件下股指期货市场风险。在期货单一资产条件下,首先分别构造高频RV方法中的经典RV模型、已实现极差波动(Realized Range-based Volatility,RRV)模型和已实现双幂波动(Realized Bipower Volatility,RBV)模型,测度沪深300指数期货5分钟高频价格波动,结果发现RBV模型对沪深300指数期货价格波动的测度效果最好,赋权的已实现极差波动(WRRV)模型次之,高频RV方法能较好地刻画沪深300指数期货价格波动的非连续性和跳跃性;然后构建WRRV-VaR和RBV-VaR模型分别度量期货单一资产条件下股指期货的市场风险,并对它们的度量效果进行比较。相对于正态分布和位置尺度t分布,对数正态分布可以更好地拟合WRRV和RBV序列的尖峰特性和单侧特性。采用Monte Carlo模拟的估计结果表明,WRRV-VaR和RBV-VaR模型都可以在一定程度上刻画股指期货的市场风险特征,RBV-VaR模型能更好地识别极端情况下难以预测的风险。在期现货资产组合条件下,为了捕捉股指期现货高频价格间相依结构的非线性、非对称以及动态变化特征,首先采用高频RV方法拟合价格边缘分布分别构造时变Gumbel Copula函数、时变Clayton Copula函数以及两者结合构造的时变混合Copula函数,测度沪深300指数期现货价格相依结构,证实市场价格暴跌阶段沪深300指数期现货价格相依关系强于市场价格暴涨阶段。模型拟合优度检验结果表明,高频RV-时变混合Copula函数在沪深300指数期现货价格相依结构测度方面具有更好的测度能力;然后将具有更好测度能力的高频RV-时变混合Copula函数与VaR方法结合建模,度量在不同期现货资产投资比重动态变化条件下股指期货的市场风险。采用Monte Carlo模拟的估计结果表明,在同一置信水平上,股指期货投资比重的提高使得市场风险不断加大;在同一投资比重下,随着置信水平不断提高,市场风险加速上升,极端情况下股指期现货市场表现出较强的联动效应。高频RV-时变Copula-VaR模型的度量结果在90%、95%和99%三种置信水平上的有效性都较高。在市场风险度量的基础上,分别探讨期货单一资产和期现货资产组合条件下投资者和交易所的股指期货市场风险防范对策,以市场风险最小化为目标约束,实证测算股指期货的最优套期保值比率和交易保证金水平。最后,作为理论与实证研究结果的应用,在剖析股指期货的市场风险防范理论依据、国际经验和基本现状的基础上,提出宏观监管层面股指期货的市场风险防范政策建议。
【学位授予单位】：湖南大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：F832.5
【图文】：

柱状图,指数期货,柱状图

高频 RV-VaR 模型估计是否准确的一个重要前提，是高频 RV 分布拟合的准确程度。为此，本文采用正态分布、位置尺度 t-分布和对数正态分布进行拟合。图4.1 沪深300指数期货的WRRV分布柱状图图 4.1 给出了沪深 300 指数期货的 WRRV 分布柱状图，可以观察到其分布具有以下特点：(1) 根据 WRRV 模型的运算过程，样本值均大于 0。(2) WRRV 样本值的跨度非常大，从 0.04 一直上升到 91.80。(3) WRRV 样本值绝大部分集中在柱形图第一个柱形中，表明该样本具有明显的尖峰特征，这从表 4.2 中 WRRV 的峰度值为 133.878 也可以看出来。

指数期货,尖峰,顶点距离,正态曲线

尽管正态分布很明显不适合用来拟合 WRRV 的分布，但是为了进行对比，本文还是给出正态分布的拟合结果，如图 4.2 所示。图4.2 沪深300指数期货的WRRV正态分布拟合从图 4.2 可以看出，拟合的正态曲线顶点距离 WRRV 尖峰顶点很远，基本不能反映出 WRRV 的尖峰特点。图 4.3 给出了沪深 300 指数期货的 WRRV 位置尺度 t-分布拟合结果。从图中拟合的位置尺度 t-分布曲线可以观察到以下特点：(1) 相对于正态分布，位置尺度 t-分布较好的刻画了 WRRV 的尖峰特点。(2) 从拟合曲线的起点来看，该函数并不能保证 WRRV 的取值一定为正数，

【相似文献】