衡量金融连通性和系统性的频率动态

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Measuring the frequency dynamics of financial connectedness and systemic
  risk》
---
作者：
Jozef Barunik and Tomas Krehlik
---
最新提交年份：
2017
---
英文摘要：
  We propose a new framework for measuring connectedness among financial variables that arises due to heterogeneous frequency responses to shocks. To estimate connectedness in short-, medium-, and long-term financial cycles, we introduce a framework based on the spectral representation of variance decompositions. In an empirical application, we document the rich time-frequency dynamics of volatility connectedness in US financial institutions. Economically, periods in which connectedness is created at high frequencies are periods when stock markets seem to process information rapidly and calmly, and a shock to one asset in the system will have an impact mainly in the short term. When the connectedness is created at lower frequencies, it suggests that shocks are persistent and are being transmitted for longer periods.
---
中文摘要：
我们提出了一个新的框架，用于测量因对冲击的异质频率响应而产生的金融变量之间的连通性。为了估计短期、中期和长期金融周期的连通性，我们引入了一个基于方差分解谱表示的框架。在一个实证应用中，我们记录了美国金融机构波动关联性的丰富时频动态。从经济上讲，在高频率建立联系的时期，股票市场似乎能够快速而平静地处理信息，对系统中一项资产的冲击将主要在短期内产生影响。当连接在较低的频率下产生时，这表明冲击是持续的，并且传播的时间更长。
---
分类信息：

一级分类：Statistics        统计学
二级分类：Methodology        方法论
分类描述：Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计，调查，模型选择，多重检验，多元方法，信号和图像处理，时间序列，平滑，空间统计，生存分析，非参数和半参数方法
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
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：
--> Measuring_the_frequency_dynamics_of_financial_connectedness_and_systemic_risk.pdf (2.19 MB)

2022-5-8 12:04:22 上传

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

分享0 收藏1 回帖

关键词：系统性 Quantitative economically Econophysics Presentation

衡量财务关联性和系统风险的频率动态*+Jozef Barunika，b和Tom\'aˇs Kˇrehlika，班恩特经济研究院，查尔斯大学，奥普莱塔洛娃26，110 00，捷克共和国布拉格，捷克共和国计量经济学系，IITA，捷克科学院，Pod Vodarenskou Vezi 4，182 00，捷克共和国布拉格12月20日，2017年摘要我们提出了一个新的框架，用于测量因对冲击的异质频率响应而产生的金融变量之间的连通性。为了估计短期、中期和长期金融周期的连通性，我们引入了一个基于方差分解谱表示的框架。在一个实证应用中，我们记录了美国金融机构中波动连通性的丰富时频动态。在经济上，高频率产生联系的时期是股票市场似乎快速而平静地处理信息的时期，对系统中一项资产的冲击将主要在短期内产生影响。当连接性在较低频率下产生时，表明冲击是持续的，并且传播的时间更长。关键词：连通性、频率、频谱分析、系统风险JEL:C18；C58；G101简介金融市场的连通性是许多研究领域的核心，包括风险管理、投资组合分配和商业周期分析。由于痛苦地意识到基于标准相关性的衡量方法的不适用性，学者们专注于开发更通用的框架。然而，大量的文献仍然忽略了连通性的几个基本特性，因此也忽略了系统风险的可能来源。

在我们*我们感谢副主编乔治·陶琛、两位匿名推荐人以及各种研讨会和会议的参与者的评论，这些评论极大地改进了论文。感谢蔡克科学基金会在GA16-14179S项目下的支持。+为了估计本文介绍的与频率相关的连通性度量，我们在R软件中提供了包频率连通性。该包装可通过CRAN或https://github.com/tomaskrehlik/frequencyConnectedness.注意，在研究系统中变量如何连接的文献中，连通性一词被广泛使用（Diebold和Yilmaz，2014）。在关注系统性风险的来源时，我们特别关注全系统连通性的来源通讯作者，电话+420（776）259273，电子邮件地址：barunik@fsv.cuni.czwork我们认为，要理解经济系统中连接性的来源，关键是要理解连接性的频率动力学，因为对经济活动的冲击会影响具有不同强度的不同频率的变量。为了考虑冲击的长期、中期和短期频率响应，我们提出了一个总体框架，该框架将允许我们在所需的频带上测量金融连通性。我们应该相信，代理人在以频率为代表的不同投资范围内运作的主要原因在于他们偏好的形成。Ortu等人（2013年）将消费增长分解为按持续性水平分类的周期性成分，并开发了一个资产定价模型，在该模型中，消费对异质偏好选择带来的冲击做出反应。因此，作者扩展了越来越多的关于基于消费的资产定价模型的文献，这些模型为消费增长中的长期风险定价（Bansal和Yaron，2004）。

在之前的一篇文章中，Cogley（2001）按频率分解随机贴现因子模型中的近似误差，并将频率分解应用于许多基于消费的贴现因子模型。Bandi和Tamoni（2016）进一步认为，消费增长应被划分为各种周期性成分，因为投资者可能不会关注代表短期噪音的消费的高频成分；相反，他们可能会关注具有异质周期性的消费增长的低频成分。在金融系统中，由不同周期成分的消费增长驱动的资产价格自然会产生具有异质频率响应的冲击，因此，各种连接来源将产生短期、中期和长期系统性风险。反过来，在研究连通性时，我们应该关注与潜在系统性风险的不同程度持续性的联系。随着协整的出现，系统中短期和长期部分之间的区别变得更加重要（Engle和Granger，1987）。随后的文献建立了一个初步的概念，将短期联系与长期联系分开（Gonzalo和Ng，2001；Blanchard和Quah，1989；Quah，1992）。考虑到对长期共同随机趋势和趋势偏差的分解，可以这样移动投影：一个序列的误差将冲击长期趋势，另一个序列的误差将冲击趋势偏差。具有强大长期影响的冲击在低频时具有高功率，如果它传递更大的变量，则表明长期的连通性。

例如，在股票市场的情况下，长期连通性可能归因于对未来股息预期的永久性变化（Balke和Wohar，2002）。为了捕捉连通性的频率动态，我们提出了一个通用框架，用于将连通性分解到感兴趣的任何频带。与Dew Becker和Giglio（2016）将资产定价设置为频域类似，我们将频域视为衡量连通性的自然场所。我们的研究侧重于对整个系统产生影响的单个金融机构的冲击，有助于从理论和经验两方面衡量系统性风险的大量文献。正如Benoit等人（2017年）所指出的，系统范围的连通性或系统风险通常被认为是一个“难以定义，但当你看到它时你就会知道”的概念。一般而言，文献将系统性风险视为许多市场参与者同时受到严重损失影响的风险，这些损失随后在系统中传播。2007-2009年的金融危机提醒我们，流动性冲击、资不抵债和损失可以迅速传播并影响机构，即使是在不同的市场。因此，对旨在控制单个机构的金融监管设计的需求日益增长。从市场监管的角度来看，确保自身免受此类风险的影响需要对系统性风险文献进行全面审查，见Benoit et al.（2017）。系统性风险的合理量化。针对特定风险渠道的具体措施有助于校准监管工具，而旨在量化金融机构对总体系统风险贡献的全球措施则有必要确定系统重要性机构。

如果机构的贡献持续存在，而不是仅在短期内影响系统，那么具有系统重要性的金融机构（SIFI）可能需要缴纳更高的资本要求或系统风险税。由于系统性风险威胁着整个金融部门的稳定，了解不稳定的频率特定来源对于正在寻找工具来监控风险积累的决策者来说至关重要。对变量连通性的频率来源感兴趣的个体可以考虑使用不同的方差分解预测范围。停留在时域中，对冲击的异质频率响应只是通过频率进行聚合。为了了解这一点，让我们考虑两个具有相反系数符号的二元自回归（AR）过程系统的例子。第一个例子中的正系数将产生由低频互谱密度驱动的大连通性。随着方差分解预测范围的增加，人们将在过程中测量更高的连通性。在第二个例子中，在所有预测范围内，相同大小的负系数将产生与第一种情况相同的连通性，尽管由于过程的反持久性，连接仅来自高频。因此，简单地利用不同视界的连通性来捕捉因投资者预期不同而产生的异质频率响应是不够的。我们感兴趣的不是评估变量a中因变量b中产生的冲击而产生的总体误差变化，而是评估变量a中因在特定频带上对变量b的冲击而产生的预测误差变化份额。

这是一个自然的步骤，因为它将显示冲击的长期、中期和短期影响，如果需要，可以方便地将其总结为总体影响。为了频率相关测量，我们定义了广义预测误差方差分解的谱表示。为了实现这一点，我们使用脉冲响应函数的傅里叶变换，即频率响应。在频域中，我们只对给定频带上预测误差方差的比例感兴趣，这归因于其他变量的冲击。我们的工作受到Geweke（1982、1984、1986）和Stiassny（1996）之前研究的启发，他们在更严格的环境中使用相关措施。除了将频率动力学引入到连通性的测量中，我们还研究了横截面相关性如何影响连通性。较高的当代相关性并不一定意味着文学作品试图衡量的连通性。一个很好的例子是最近的2007-2008年危机，当时股市表现出强烈的横截面相关性，这使许多研究人员估计的传染效应产生了偏差（Forbes and Rigobon，2002；Bekaert et al.，2005）。本文从理论探讨开始。接下来是相关的财务应用数据，这些数据显示了框架的有用性，并指导用户正确应用引入的方法。具体而言，我们研究了金融系统中的一个重要连通性问题，特别关注系统风险的频率特定测量。

我们在局部使用方差分解的频谱表示来恢复美国主要金融机构的连通性的时频动态，正如Diebold和Yilmaz（2009年、2012年）以及后来的Diebold和Yilmaz（2014年）所指出的那样，来自近似模型的方差分解是一个方便的连通性经验测量框架。更准确地说，Diebold和Yilmaz（2009）基于评估由于系统中另一个变量产生的冲击而导致的一个变量的预测误差变化份额，定义了衡量指标。记录波动性冲击频率响应的丰富动态。我们发现，连通性的动态并不完全由一个频带驱动；不同频率的频带在不同时间发挥着不同的作用。这种动态与全球金融市场发生的事件直观地对应。2测量频域中的连通性系统连通性可以通过向量自回归近似模型的方差分解来表征（Diebold and Yilmaz，2012，2009）。方差分解提供有用的信息，说明变量i的未来不确定性有多少是由于变量j中的库存造成的。可以通过对多个变量方差分解中的信息进行聚合，来衡量系统是如何相互关联的。Diebold和Yilmaz（2014）进一步指出，方差分解与现代网络理论以及最近提出的各种系统性风险度量密切相关，例如预期短缺（Acharya et al.，2017）和CoVaR（Adrian和Brunnermeier，2016）。描述连通性的频率动态（长期、中期或短期）的一种自然方法是考虑基于冲击频率响应的方差分解的频谱表示。

Stiassny（1996）提出了方差分解的谱表示的第一个概念，尽管是在限制性的环境中。在我们的工作中，我们定义了方差分解的一般谱表示，并展示了如何使用它来定义频率相关的连通性度量。方差分解的谱表示也可以被视为在频域中测量因果关系的更一般的方法。Geweke（1982）提出了Granger因果关系常用似然比检验统计量的频域分解，Dufour和Renault（1998）；Breitung和Candelon（2006年）；Yamada和Yanfeng（2014）提供了一个正式的框架，用于测试各种频率上的因果关系。格韦克（1984）；Granger（1969）发展了一个多元扩展；然而，所有的分析都是使用部分交叉谱进行的，因此对间接因果链没有任何说明。因此，我们也受到计量经济学文献这一部分的推动，提出了一个更一般的框架。在定义频域中的连通性度量之前，我们简要讨论了Diebold和Yilmaz（2012）引入的使用广义预测误差方差分解（GFEVD）测量连通性的方法，因为我们在本文后面的频域中建立了这些概念。2.1通过方差分解测量连通性根据向量自回归（VAR）近似模型的方差分解矩阵建立连通性测量。特别地，考虑t=1时的协方差平稳n变量过程xt=（x1，t，…，xN，t），T由顺序为pasxt=Φxt的VAR模型描述-1+Φxt-2+ . . . + Φpxt-p+t、 用Φ，Φpcoe有效矩阵，以及t具有（可能非对角）协方差矩阵∑的白噪声。

在这个模型中，每一个变量都根据其自身的p滞后以及系统中其他变量的p滞后进行回归；因此，系数矩阵包含关于变量之间联系的完整信息。使用（N×N）矩阵滞后多项式Φ（L）=[IN]非常有用-ΦL-. . . -ΦpLp]具有唯一性矩阵，因为模型可以简洁地写成Φ（L）xt=t、 假设|Φ（z）|的根位于单位圆之外，VAR过程具有以下向量移动平均值（即MA(∞)) 表示xt=ψ（L）t、 其中，有限滞后多项式的ψ（L）矩阵可以从Φ（L）=[ψ（L）]-1是理解动态的关键。由于ψ（L）包含一个有限的滞后数，因此需要用移动平均系数ψh计算的ath=1，H地平线。连通性度量依赖于方差分解，而ψ手的变换允许测量冲击对系统的贡献。由于模型中某个变量的冲击不一定单独出现，即与其他变量的冲击正交，因此识别方案是计算变量分解的关键步骤。基于Cholesky分解的标准方法依赖于变量的顺序，并使度量变得复杂。Pesaranand Shin（1998）提出的广义识别产生了对排序不变性的方差分解。广义方差分解可写成以下形式（公式的详细推导见附录a.1）（θH）j，k=σ-1kkPHh=0（（ψh∑）j，k）PHh=0（ψh∑ψh）j，j，（1）式中，ψhis a（N×N）移动平均系数矩阵，在上面定义的滞后h处，σkk=（θh）k，k.在地平线h处，kth变量对元素j的预测误差方差的贡献。