外汇市场的非对称波动连通性

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：
《Asymmetric volatility connectedness on forex markets》
---
作者：
Jozef Barunik and Evzen Kocenda and Lukas Vacha
---
最新提交年份：
2016
---
英文摘要：
  We show how bad and good volatility propagate through forex markets, i.e., we provide evidence for asymmetric volatility connectedness on forex markets. Using high-frequency, intra-day data of the most actively traded currencies over 2007 - 2015 we document the dominating asymmetries in spillovers that are due to bad rather than good volatility. We also show that negative spillovers are chiefly tied to the dragging sovereign debt crisis in Europe while positive spillovers are correlated with the subprime crisis, different monetary policies among key world central banks, and developments on commodities markets. It seems that a combination of monetary and real-economy events is behind the net positive asymmetries in volatility spillovers, while fiscal factors are linked with net negative spillovers.
---
中文摘要：
我们展示了坏波动和好波动如何通过外汇市场传播，也就是说，我们提供了外汇市场上非对称波动连通性的证据。利用2007-2015年间交易最活跃货币的高频日内数据，我们记录了溢出效应中的主要不对称性，这些不对称性是由不良波动性而非良好波动性造成的。我们还表明，负溢出主要与欧洲拖沓的主权债务危机有关，而正溢出则与次贷危机、世界主要央行的不同货币政策以及大宗商品市场的发展有关。货币和实体经济事件的组合似乎是波动性溢出净正不对称的背后原因，而财政因素与净负溢出相关。
---
分类信息：

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
--
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：
--> Asymmetric_volatility_connectedness_on_forex_markets.pdf (1.38 MB)

2022-5-25 11:49:01 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：外汇市场 Quantitative Applications Developments Econophysics

外汇市场上的不对称波动性关联性，捷克共和国战略（Czech RepublicAbstractWe）我们展示了坏波动和好波动如何通过外汇市场传播，也就是说，我们为外汇市场上的不对称波动连通性提供了证据。利用2007-2015年期间交易最活跃货币的高频日内数据，我们记录了由不良波动性而非良好波动性导致的溢出中的主导不对称。Wealso表明，负面溢出主要与欧洲拖累的主权债务危机有关，而正面溢出则与次贷危机、世界主要央行的不同货币政策以及大宗商品市场的发展有关。似乎货币和实体经济事件的组合是波动溢出净正不对称的背后，而规模因素与净负溢出相关。关键词：波动性、连通性、溢出、半方差、不对称效应、外汇市场分类：C18；C58；E58；F31；G15IWe感谢卢卡斯·门霍夫和京都大学演讲参与者的宝贵意见。感谢GAˇCR第14-24129S号赠款的支持。这篇论文是在Evˇzen Koˇcentda担任京都大学经济研究所客座教授期间撰写的，非常感谢他的热情好客。通常的免责声明适用。提交给Elsevier1的预印本。

引言非对称波动现象（AVP）的一个有案可稽、程式化的事实表明，在市场下跌（上升）之后，金融市场的波动率更高（更低）。然而，AVP并不是一个孤立的特征，因为波动性在资产和市场之间迅速蔓延，其程度由波动性连通性所捕获（Diebold和Yilmaz，2015）。尽管AVP已被深入研究，但波动性溢出的不对称性并未得到足够的重视，尽管波动性溢出会影响投资组合多元化战略、投资组合管理（Garcia和Tsafack，2011；Aboura和Chevallier，2014）、期权和对冲策略（Jayasinghe和Tsui，2008；James等人，2012）。在本文中，我们不分析AVP，而是研究波动溢出的不对称性。最近，一组美国股票（Barunik et al.，2016）和石油商品（Barunik et al.，2015）之间存在不对称波动关联性，但几乎没有证据表明与外汇市场有关。在本文中，我们推广了不对称波动连通性的量化方法，并将其应用于外汇市场。我们分析的经济重要性在于，我们可以详细了解波动溢出中不对称的动力学。这种评估无法从早期的工作中学习，因为没有既定的程序能够提供与我们可以比较结果相同的详细程度和准确性。我们的分析是基于外汇市场溢出的相关问题。货币之间是否存在波动溢出的不对称性？如果他们这样做了，他们以什么方式传播？一种货币可能会以不同于其他货币的方式吸引波动性溢出。

因此，货币间溢出传递的延伸方向是一致的还是不同的？波动性溢出的不对称性及其方向是否与货币、时间和潜在潜在潜在因素一致，或者是否表现出差异？上述问题并非无关紧要，因为外汇市场在许多方面与其他金融市场不同。首先，跨大洲的24小时运营使外汇市场成为一个真正的全球市场，拥有广阔的信息流。其次，外汇市场呈现出高度的一体化，尤其是对于关键货币（北村，2010）。第三，每日外汇市场成交量是资本市场交易量的倍数（BIS，2013）。第四，被诅咒者的汇率，例如Black（1976）；克里斯蒂（1982）；平迪克（1984）；French等人（1987年）根据国际清算银行发布的最新三年期中央银行调查（BIS，2013，第3页），2013年4月外汇市场交易平均每天5.3万亿美元。这一数字高于2010年4月的4.0万亿美元和2007年4月的3.3万亿美元。将上述数据与资本市场的交易量进行对比，货币政策和干预对股票交易的全球价值的影响大于股票和债券。值得注意的是，两种（中央银行）政策利率差异的增加或减少（通过货币和经济渠道）会导致特定货币随后升值或贬值（Taylor，2001；Devereux-andEngel，2003；Dick等人，2015）。货币政策的不确定性程度也会影响汇率波动及其溢出效应。第五，中央银行的干预往往成功地影响了汇率的水平和波动性，尤其是在新兴市场（Menkhoff，2013；Fratzscher等人，2015）。

最后，外汇市场的波动关联性在2007年金融危机后仅略有增加，与股票或债券交易等其他细分市场相比也更加稳定（Diebold和Yilmaz，2015，第164页）。由于上述差异和外汇市场的独特特征，货币之间的波动溢出可能会以非直观的方式传播并影响货币的投资组合。正如Kanas（2001）所言，积极和显著的波动溢出可能会增加非系统性风险，从而减少国际投资组合多元化的收益——鉴于有证据表明系统性波动在世界货币波动溢出中起着主导作用，这一点更为重要（Greenwood-Nimmo et al.，2016）。此外，Amonlirdvimanand Carvalho（2010）明确指出，收益相关性的不对称降低了国际投资组合多元化的收益。基于这一证据，可以合理地假设，冲击中的质量差异可能会产生质量上不同的波动溢出。简单地说，正回报或负回报导致的波动可能会在货币组合中产生不同的波动溢出效应。据我们所知，几乎没有研究解决外汇波动溢出（不对称外汇波动性关联）中的不对称问题。Galagedera和Kitamura（2012）是个例外，他们在一个自回归五方程系统中对收益率和波动率之间的相互作用进行建模，并解释了溢出的不对称性。他们表明，在次贷危机期间，美元兑日元贬值对美国兑日元波动溢出的影响大于升值。另一方面，美国的升值和贬值。

美元兑欧元似乎对欧元兑美元波动溢出效应没有对称影响。然而，虽然我们充分承认这项研究的成效，但2013年采用的方法论方法为55万亿美元，与2012年相比增长了12%（WFE，2014，第2页）。尽管如此，2013年平均每年有251个交易日，日均股票交易量约为2190亿美元，与外汇市场的成交量相比，这一数字相形见绌。限制其捕捉波动性溢出不对称动态的能力。基于网络模型的连通性度量似乎满足了改进溢出及其动态检测和测量的需要（Dieboldand Yilmaz，2014）。在他们的开创性工作中，Diebold和Yilmaz（2009）基于向量自回归（VAR）的预测误差方差分解，开发了偏好溢出指数（DY指数），以衡量市场之间波动性转移的程度。Diebold和Yilmaz（2012）进一步改进了该方法，他们使用了一个广义VAR框架，其中预测误差方差分解对变量排序是不变的。DY指数是一个通用的衡量指标，允许动态量化波动性溢出的许多方面。计算DY指数的一个重要输入是实现方差，但它不允许考虑波动溢出的不对称性。另一方面，Barndorff-Nielsen et al.（2010）引入的化半方差能够隔离和捕捉波动性的正负冲击，因此非常适合解释波动性溢出的定性差异。Barunik等人。

（2016）将DY指数和已实现半方差的思想结合起来，设计出一种方法来衡量波动溢出的不对称性，这种不对称性是由质量上的不同（正或负）回报造成的。我们修改了他们的方法，以更好地解释外汇市场溢出效应的转移。与使用两个独立的N维VAR系统来测量不对称性不同，我们提出了一个总体框架，其中负和正的已实现半方差在一个系统中。因此，我们提出了一个2N维VAR，该VAR导致预测方差误差分解的2N×2N系统。上述修改导致versatilemeasure允许对不对称连接进行动态量化。然后，我们将我们的广义框架应用于外汇数据。出于口头解释的目的，我们采用文献中确立的术语（Pattonand Sheppard，2015；Segal et al.，2015）来区分因质量不同的不确定性而产生的溢出不对称性：不良不确定性定义为与数量（如产出、回报）的负创新相关的波动性，良好不确定性定义为波动性与这些变量的正冲击相关。我们遵循这一术语，并将我们的溢出标记为不良和良好的波动性溢出（或负溢出和正溢出）。因此，在本文中，我们提供了两个不同的贡献。首先，我们概括了该技术在最近的几篇文章中很快被采用，参见Feunou et al.（2013）；巴顿和谢泼德（2015）；Segal等人（2015年）。第3节提供了DY指数和realizedsemivariances的详细信息。第3节提供了正式展览的全部细节。inBarun'ik等人介绍了该框架并修改了溢出不对称度量（SAM）。

（2016）以隔离外汇市场上各货币之间波动溢出的不对称性。其次，我们运用该方法分析全球金融危机特定时期及之后世界主要货币波动溢出的广义对称性。在此过程中，我们提供了与研究主题相关的任何早期研究中都无法获得的详细结果。具体而言，我们记录了由于tobad而非良好波动性导致的溢出中的主要不对称性。我们还表明，负溢出主要与欧洲拖沓的主权债务危机有关，而正溢出则与次贷危机、世界主要央行的不同货币政策以及大宗商品市场的发展有关。货币和实体经济事件的组合似乎是波动性溢出净正不对称的背后，而规模因素与净负溢出相关。本文的其余部分按以下方式组织。在第2节中，我们概述了与外汇波动溢出相关的文献。在第3节中，我们正式介绍了方法论方法，并提出了可测试的假设。外汇数据在第4节中有描述，在第5节中，我们详细介绍了我们的结果以及推论和评论。最后，第6.2节给出了结论。对波动性溢出的文献回顾分析可以追溯到Engle等人（1990），他们表明外汇市场存在日内波动性溢出（流星雨假说），而不是特定国家（热浪假说）。后来，Baillieand Bollerslev（1991）没有找到足够的证据证明萨蒙汇率存在系统性波动溢出，而Hong（2001）则发现了这一点，包括前德国马克对日元的定向溢出。

Melvin和Melvin（2003）使用非参数方法，分析了不同区域（亚洲、亚欧重叠、欧洲、欧美重叠、美国）的同一对货币，并提供了区域内和区域间溢出的证据，区域内波动溢出更强。Caiet et al.（2008）给出了波动溢出的类似证据，他分析了五个交易区域内欧元-美元和美元-日元对的溢出。他们发现，信息联系在本区域和区域间层面上都具有统计学意义，但就经济意义而言，区域内的波动溢出效应占主导地位。Kitamura（2010）采用了一个MGARCH模型，分析了日内相互依存关系和波动溢出，并证明了欧元的波动溢出对瑞士法郎和日元有显著影响；不过，分析仅限于2008年7月至2009年7月期间。分析连通性的网络模型已逐渐应用于经济和金融文献中，但其在外汇市场上的应用仍然有限。最近的一些贡献提供了相当具体的结果，这些结果源自DY指数的应用或基于这一概念。（Diebold和Yilmaz，2015年，第6章）分析了1999年至2013年年中九种主要货币对美元的汇率。他们表明，外汇市场连通性在2007年金融危机后仅略有增加：呈现出越来越不明显的周期，但与商业周期无关。不同货币之间的定向波动溢出效应差异很大。就像他们俩一样。S、 美元和欧元是全球外汇市场的主要工具货币，欧元/美元汇率在所有分析货币中表现出最高的波动关联性。Greenwood Nimmo等人。

（2016）概括了连通性框架，并分析了1999年至2014年间G10货币之间的风险收益溢出，发现溢出强度是反周期的，危机时期跨货币的波动溢出增加。同样，Bub\'ak等人（2011年）记录了欧洲新兴外汇市场之间的区域内波动溢出效应，并表明波动溢出效应在以市场不确定性为特征的时期会增加，尤其是在2007-2008年金融危机期间。此外，McMillan和Speight（2010）记录了美元、英镑和日元对欧元汇率波动溢出的存在，并显示了美元的主导效应。最后，Antonakakis（2012）分析了欧元引入前后主要货币之间的波动溢出，并表明欧元（德国马克）是波动性的主要净传递者，而英镑是这两个时期波动性的主要净传递者。在结合外汇和其他金融市场波动溢出评估的分析中，最常见的是分析外汇和股市之间波动相互作用的分析。Grobys（2015）采用DYindex，发现经济平稳发展期间波动溢出的证据非常少，但在经济动荡时期之后，总波动溢出水平较高。Do等人（2015年）也得出了类似的结论，他们还强调，特别是在动荡时期，考虑波动溢出信息的传递非常重要。