金融危机对欧洲人长期记忆的影响

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：
《The impact of the financial crisis on the long-range memory of European
  corporate bond and stock markets》
---
作者：
Lisana B. Martinez, M. Belen Guercio, Aurelio F. Bariviera, Antonio
  Terce\\~no
---
最新提交年份：
2016
---
英文摘要：
  This paper investigates the presence of long memory in corporate bond and stock indices of six European Union countries from July 1998 to February 2015. We compute the Hurst exponent by means of the DFA method and using a sliding window in order to measure long range dependence. We detect that Hurst exponents behave differently in the stock and bond markets, being smoother in the stock indices than in the bond indices. We verify that the level of informational efficiency is time-varying. Moreover we find an asymmetric impact of the 2008 financial crisis in the fixed income and the stock markets, affecting the former but not the latter. Similar results are obtained using the R/S method.
---
中文摘要：
本文调查了1998年7月至2015年2月六个欧盟国家的公司债券和股票指数中是否存在长记忆。我们通过DFA方法计算赫斯特指数，并使用滑动窗口来测量长程依赖性。我们发现赫斯特指数在股票和债券市场中的表现不同，股票指数比债券指数更平稳。我们验证了信息效率水平是时变的。此外，我们发现2008年金融危机对固定收益和股票市场的影响是不对称的，前者受到影响，但后者没有受到影响。用R／S方法也得到了类似的结果。
---
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
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> The_impact_of_the_financial_crisis_on_the_long-range_memory_of_European_corporat.pdf (218.86 KB)

2022-5-25 07:43:20 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0 回帖

关键词：金融危机 欧洲人 Quantitative Applications Econophysics

金融危机对欧洲公司债券和股票市场长期记忆的影响。12 de Octubre y San Juan，B8000CTX Bahia Blanca，阿根廷。苏多埃斯特省大学（UPSO）。Alvarado 328，B8000CJH Bah'a Blanca，阿根廷。UNS-CONICET南部经济和社会研究所。12 de Octubre y San Juan，B8000CTX Bahia Blanca，阿根廷。苏多埃斯特省大学（UPSO）。Alvarado 328，B8000CJH Bah'a Blanca，ArgentinaAurelio F.BarivieraDepartment of Business，Universitat Rovira i Virgili，Av。斯皮纳雷利奥市鲁伊斯大学1号，邮编：43204。fernandez@urv.netAntonio特拉维吉尼亚州罗维拉一维吉尔大学商业系。Universitat 1，43204 Reus，SpainMay 24，2016年摘要本文调查了1998年7月至2015年2月六个欧盟国家的公司债券和股票指数中存在的长记忆。我们通过DFA方法计算赫斯特指数，并使用滑动窗口来测量长程依赖性。我们发现赫斯特指数在股票和债券市场上的表现不同，股票指数比债券指数更平稳。我们验证了信息效率的水平是随时间变化的。此外，我们发现2008年金融危机对固定收入和股票市场的影响是不对称的，前者受到影响，但后者没有受到影响。用R／S方法也得到了类似的结果。JEL分类：G14、C40。关键词：赫斯特、DFA、公司债券指数、股票指数、金融危机。1简介有效市场假说（EMH）是金融经济学的基石。其起源可以追溯到[27]，他写道，公开交易股份的价格“可以被视为是对最好的智力回报的判断”。

几年后【1】发展了第一个关于股票价格行为的数学模型l。然而，信息效率的研究在20世纪60年代开始系统地研究，当时金融经济学已成为经济学中的一个新领域。[24]的经典定义是，如果一个市场“充分反映所有可用信息”，那么它在信息上是有效的。因此，评估效率的关键因素是确定推动价格的适当信息集。继【23】之后，信息效率可分为三类：（i）弱效率，如果价格反映了pas t系列价格中包含的信息；（ii）半强效率，如果价格反映了所有公共信息；（iii）强效率，如果价格反映所有公共和私人信息。作为EMH的合作伙伴，人们无法接受金融时间序列中存在的长记忆，因为它的存在将允许无风险的可支持交易策略。如果市场信息充分，套利就会阻止这种策略的出现。文献的一个重要部分集中于研究股票市场的长期依赖性。尽管共同公司债券市场在数量上非常重要，并且是投资组合经理的参考，他们认为这些债券是一种有吸引力的投资方式，但实证研究中从未考虑过这一点。本文旨在分析六个欧盟国家公司债券指数和股票指数长期记忆回归的演变。本文从四个重要方面对有效市场假说的文献做出了贡献。首先，我们通过分析公司债券的长期记忆来扩展实证研究，因为与其他资本市场工具相比，对公司债券的研究较少。

其次，我们对固定收益和股票市场进行了比较分析，因为两者在战略资产配置方面是互补的。第三，我们揭示了2008年金融危机对两个市场的不对称影响。第四，时间序列足够长，可以得出一致的结论。本文的组织结构如下。第2节对股票和债券市场的长期记忆进行了文献回顾。第3节介绍了Hurstexponent作为长期依赖性的度量。第4节介绍了本文将使用的数据和方法。第5节揭示了经验结果。最后，第6节得出主要结论。2文献综述绝大多数关于信息效率的研究都将注意力集中在股票市场的分析上，而对其他金融资产的关注较少。关于这些市场中是否存在长程记忆，经验文献并不是决定性的。有几项工作使用不同的方法和样本，证明了长期依赖性。特别是，[31]和[42]分别使用Hurstexponent来检测美国和英国股市中是否存在长记忆。在【25】中，在检查了纽约证券交易所不同投资组合的回报后，发现短期自相关为正，长期自相关为负。这一结果强化了潜在的意义回复过程的观点。长期记忆存在于西班牙股市和土耳其股市。同样，[8]在1981-1990年雅典证券交易所的每周收益中发现了长期记忆的不确定性，并指出记忆的强度可能会受到市场规模的影响。希腊市场上的长记忆行为也是由[44]发现的。

[15] 发现发达市场的信息效率高于新兴市场，效率水平受市场规模和交易成本的影响。[16] 将长期依赖性与受检企业的特定财务变量联系起来。[56]发现七个拉丁美洲市场的长期记忆是随时间变化的。在这一行中，[4]发现1975年至2010年期间泰国股市日收益率存在时变长期依赖性，并得出结论，流动性水平和市场规模对其影响较弱。[53]表明，标准普尔500指数中的波动性聚类产生了回报记忆。[36]在交易迹象中发现长记忆，但不在回报迹象中。[5 2]研究中国股票市场波动性和交易量中长记忆的存在。[17] 提供随时间变化的长期范围依赖于美国利率的经验证据。他们得出结论，随着时间的推移，长记忆已经减少了。此外，[12]发现这种长期依赖性受到货币政策的影响。同样，[18]发现巴西利率及其波动性的长期依赖性，为货币研究提供了重要启示。[2，3]中发现了伦敦银行同业拆借利率的时变长期依赖性。作者得出结论，这种行为与伦敦银行同业拆借利率操纵丑闻是一致的。【47】分析18个国际股票市场，发现长期的负自相关。

此外，[21]通过[26]对长记忆进行分数差异测试，并在18个研究市场中的5个市场中找到长记忆的证据。使用不同的方法，[7]将谱回归应用于30家公司、7家行业指数和2家广义股票指数的时间序列，在每日和每月频率下，仅在5家公司中发现长记忆的证据。【54】比较发达和新兴股市时间序列的记忆内容，发现后者除了长期记忆外，还表现出短期序列相关性。[32]在分析了韩国股市的月度收益后，得出结论，韩国市场有很强的长期记忆证据，而德国、日本和台湾市场的证据较弱。此外，[5 1]使用了OECD国家16个股票市场的样本，发现其中只有3个股票市场具有长记忆，[34]发现在四个主要的中欧国家（捷克共和国、匈牙利、波兰和斯洛伐克共和国）中，只有最后一个国家表现出长记忆。[20] 通过三种启发式方法计算赫斯特指数，并在五个马来西亚股票市场指数的回报中提供长记忆。本研究发现，亚洲经济危机影响了马来西亚股市的长期记忆程度。关于固定收益市场，[19]发现德国股票和主权债券市场相关指数的局部可变性。[5] 企业和主权债券市场长期记忆的实证证据，并发现当前的金融危机对企业信息效率的影响大于对主权市场的影响。[55]使用复杂性熵因果平面对30个国家进行抽样，发现信息效率与经济发展程度相关。

最近，[6]发现，在金融危机期间，欧洲层面的公司利率债券的长期记忆受到了不均衡的影响。特别是，与金融活动密切相关的部门最先表现出信息效率的下降。有些作品在《金融时报》系列中没有发现长记忆的证据。其中，我们可以在美国股票收益率中引用[37]，在美国、英国、日本和西班牙的股票指数中引用[30]。可以看出，与股票市场相比，对公司债券市场的实证研究并不丰富，而且更为新。固定收益工具在投资组合和企业融资构成中的重要性为我们的研究提供了理论基础。3长期依赖性【33】提出了一种最常见、最经典的长期依赖性度量。Hur-st指数H表征了时间序列与其平均值的累积偏差范围的标度行为。有几种方法（参数和非参数）来计算赫斯特指数。有关估计长程依赖性的不同方法的调查，请参见【50】和【43】。在这些方法中，有R/S分析法，在[33]中使用，并在[39]和[40]中进行了深入描述。该方法使用时间序列偏离其平均值的部分和的范围，由其标准偏差重新调整。如果我们有一个连续复合回归序列{r，r，…，rτ}，τ是估计周期的长度，\'rτ是样本平均值，r/S统计量由（r/S）τ给出≡sτ“max1≤T≤ττXt=1（rt- \'rτ）- 最小1≤T≤ττXt=1（rt- \'rτ）#（1）其中sτ是标准偏差τ≡“τXt（rt- \'rτ）#1/2（2）Hurst【33】发现以下关系（r/S）τ=（τ/2）H（3）由自然现象中的许多时间序列验证。

【38】率先在经济时间序列中使用R/S分析，并随着生态物理的发展变得非常流行。【49】对赫斯特指数的不同估计方法进行了批判性审查，得出结论认为，估计方法的不当应用可能导致关于金融序列持续性或反持续性的错误结论。虽然R／S方法可能是时间序列中最具扩展性的长期记忆近似方法之一，但它对S偏离平稳性的鲁棒性较差。因此，如果进程内存不足，则R/S统计数据可能会错误地指示长内存的存在。从这个意义上说，[45]开发了一种称为趋势波动分析（DFA）的方法，这种方法在处理非平稳数据时更合适。正如【29】所认识到的，这种方法避免了由于非平稳数据而导致的长程相关性的虚假检测。因此，本文选择DFA方法来评估长记忆的存在性。该算法在【46】中详细描述，首先计算随机时间序列y（t）的平均值，t=1，M然后，积分时间序列x（i），i=1，M是通过减去mea n，再加上i得到的- thelement，x（i）=Pit=1[y（t）- “‘y’”。然后将x（i）划分为M/M个非重叠子样本，并计算多项式fit xpol（i，M），以确定每个子样本的局部趋势。接下来，函数f（m）=VuTmmxi=1[x（i）- 计算xpol（i，m）]（4）。对多个m值重复此过程。函数F（m）b为m，F（m）的幂律∝ 这里H是Hurstexponent。因此，指数是通过将ln（F（m））与ln（m）进行累加来计算的。

根据文献，分割数据时使用的最大块大小为（长度（窗口）/2，其中窗口是时间序列窗口向量。因此，在本文中，我们使用六个点来估计赫斯特指数。回归估计的点是：m={4，8，16，32，64，128}。还有其他方法可以验证远程内存的存在。【48】引入复杂性因果平面，以讨论高斯过程和非高斯过程之间的相互关系。[58]表明，这种创新方法可用于根据股票市场的发展阶段对其进行排名。在【57】中，复杂性熵因果平面的应用扩展到商品价格有效性的研究中。该方法表明，它不仅有助于对不同商品的有效性进行排名，而且还可以识别价格动态中随机性增加和减少的周期。【55】使用此代表空间建立不同市场的有效排名，区分不同的市场动态，并得出结论，从复杂性熵因果平面得出的分类与主要评级公司分配给主权工具的质量一致。表1：数据详细信息。国家首字母缩略词Bond Index Stock Index OE Lhacie WBIBelgium BG LHABCIE BEL 20芬兰FN LHAFCIE OMXHFrance FR LHAFRCE CAC 40意大利IT LHAICIE Mib Luxembourg LX LHALCIE Luxex 4数据和方法我们计算了六个欧盟国家（奥地利、比利时、芬兰、法国、意大利和卢森堡）公司债券和股票市场指数的每日收益率赫斯特指数。本文中使用的所有数据都是从omDataStream中检索的。系列代码的详细信息见表1。

公司债券指数由投资级公司债券构成，至少还有一年到期，最低发行额为3亿英镑。公司委员会由金融、工业和公用事业公司组成。s股票指数是每个国家最具代表性的指数。研究期间为1999年1月5日至2015年2月12日，共有4203个数据点。连续复合返回RTI计算如下：rt+1=lnPt+1Pt* 100（5）表2和表3显示了每日收益的描述性统计数据，反映了数据的峰度过剩和非正态性，这是许多金融时间序列中的一个程式化事实（见[22]）。可以肯定的是，在整个分析期间，债券赎回收益率一直为正，法国除外。奥地利债券的回报率最高，其次是比利时和意大利。此外，卢森堡和比利时在这一时期的差异最大，这意味着它们的表现非常不稳定。奥地利、芬兰和法国的股票市场收益率在所有观察期内均为正值，但比利时、意大利和卢森堡的股票市场收益率为负值。此外，与其他选定国家相比，芬兰（如卢森堡）的差异更大。与债券收益率类似，这些变量不是正态分布的。从日收益率出发，我们使用DFA方法计算赫斯特指数。由于我们有兴趣在研究期间研究赫斯特指数的动态行为，在【14，13】之后，我们使用两年滑动窗口（500 da tapoints）估计赫斯特指数。之所以选择这个时间窗口，是因为它反映了经济形势的变化，同时仍能提供可靠的长期相关性估计。顺序表2：公司债券指数。