VIX仍然是投资者恐惧的衡量标准吗？美国和金砖四国的证据

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：
《Is VIX still the investor fear gauge? Evidence for the US and BRIC
  markets》
---
作者：
Marco Neffelli, Marina Resta
---
最新提交年份：
2018
---
英文摘要：
  We investigate the relationships of the VIX with US and BRIC markets. In detail, we pick up the analysis from the point left off by (Sarwar, 2012), and we focus on the period: Jan 2007 - Feb 2018, thus capturing the relations before, during and after the 2008 financial crisis. Results pinpoint frequent structural breaks in the VIX and suggest an enhancement around 2008 of the fear transmission in response to negative market moves; largely depending on overlaps in trading hours, this has become even stronger post-crisis for the US, while for BRIC countries has gone back towards pre-crisis levels.
---
中文摘要：
我们调查了波动率指数与美国和金砖四国市场的关系。具体而言，我们从萨瓦尔（Sarwar，2012）的观点出发进行分析，并将重点放在2007年1月至2018年2月这一时期，从而捕捉到2008年金融危机之前、期间和之后的关系。结果指出波动率指数频繁出现结构性突破，并表明2008年前后，恐惧传播增强，以应对市场的负面波动；这在很大程度上取决于交易时间的重叠，对美国来说，这在危机后变得更加强大，而对金砖四国来说，这已经回到危机前的水平。
---
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：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
PDF下载：
--> Is_VIX_still_the_investor_fear_gauge?_Evidence_for_the_US_and_BRIC_markets.pdf (501.5 KB)

2022-6-10 04:54:14 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：金砖四国 投资者 VIX econometrics Quantitative

VIX仍然是投资者恐惧的衡量标准吗？《美国和金砖四国市场的证据》*意大利热那亚大学Marina Resta1经济和商业研究系Marco Neffelli1摘要。我们调查了波动率指数与美国和金砖四国市场的关系。具体而言，我们从萨瓦尔（Sarwar，2012）的观点出发进行分析，并将重点放在2007年1月至2018年2月这一时期，从而捕捉到2008年金融危机之前、期间和之后的关系。结果指出波动率指数频繁出现结构性突破，并表明2008年前后，恐惧传播增强，以应对市场的负面波动；这在很大程度上取决于交易时间的重叠，对美国来说，这在危机后变得更加强大，而对金砖四国来说，这已经回到危机前的水平。关键词：VIX、BRIC、恐惧指数、结构突变、GMM估计。凝胶分类：G15；G11.1导言自成立以来，芝加哥期权交易所波动率指数（VIX）代表了市场情绪的一个快速而重要的衡量指标（Whaley，2000），因为它提供了标准普尔500指数期权价格传递的短期（未来30个日历日）波动性的市场预期的即时快照。“恐惧指数”的命名是因为我们感谢加布里埃尔·加格罗对这项工作的初步协助。2波动率指数对市场波动作出反应，因为波动率指数在捕捉市场下跌趋势方面效果更好。这是因为形成它的看涨期权和看跌期权的加权组合主要用于对冲市场下跌（Whaley，2009），因此VIX反映了投资者的对冲需求，并突出了这种需求的上升。

VIX作为金融市场风险自然晴雨表的作用已在文献中得到广泛评估和描述，主要集中在与美国股市的关系上。在（Fleming et al.，1995）的开创性工作中，多元回归模型研究了VIX和S&P100指数在不同滞后和超前之间的跨期关系。主要发现包括：（i）波动率指数作为恐惧指标的作用，因为它与美国股票指数呈统计上显著的负相关关系；（ii）VIX在代表美国股票指数正收益和负收益影响方面的不对称性。此外，（Whaley，2000）描述了美国股市动荡期间波动率指数的行为，确定了一种警报阈值（30%），将高波动期与低波动期分开。然而，（Whaley，2009）削弱了这一阈值的作用，并强调了波动率指数反映当前经济状况的能力应该如何伴随着对影响市场的过去条件的深入分析。（Sarwar，2012a）扩展了（Fleming et al.，1995）中的分析，调查了1992-2011年间VIX与三个美国指数，即S&P100、S&P500和S&P600之间的关系。结果与之前的研究一致，并强调了一种消极的同时关系，这种关系在波动较大的时期往往会增加，在其他地方则会减少。角色选择标准普尔100指数是有意的，因为当时的波动率指数是基于该指数的。（Chiang，2012）也讨论了VIX作为标准普尔500指数恐惧指标的第3个变量，他发现在2001-2011年期间，VIX对负回报的非对称反应使用了带有TAR（阈值自回归）的双变量GARCH模型。

在各种工作中，也讨论了波动率指数和外国股票市场之间的跨国效应和溢出效应。（Sarwar，2012b）应用（Fleming et al.，1995）模型测试1993-2007年期间与金砖四国的波动率互动。结果表明，VIX在整个时期内是中国和巴西的恐惧指数，在1993-1997年期间是印度的恐惧指数。1998-2013年期间，对六个欧洲国家进行了类似的调查（Sarwar，2014），证实了波动率指数作为跨市场恐惧衡量指标的作用。此外，（Sarwar和Khan，2017）发现2003-2014年期间一系列拉丁美洲指数的波动率峰值和突然下降之间存在着密切联系，从而评估了波动率恐惧量表对拉丁美洲国家的作用。然而，从前几行来看，一个悬而未决的问题是VIX在金融危机之前、期间和之后对美国和金砖四国市场所起的作用。这项工作的重点是：2007年1月至2018年2月，旨在填补这一空白，因为它不仅包括2008年的金融危机，还包括指数历史上的最高点之一（2008年11月20日，80.86）和最低点之一（2017年11月3日，9.14）。我们的目标和成果至少朝着两个方向发展。首先，我们旨在揭示波动率指数的统计表示，重点关注制度的变化。特别是，我们提供了VIX平均水平四次结构性突破的证据：这使我们能够区分危机前、危机期间、危机后以及危机后六年（2012-2018年）的VIX影响。值得注意的是，在后一时期，2012年至2016年期间，4个波动率指数的平均值恢复到危机前的水平，稳定在2016-2018年期间的最低水平。

结果显示，几乎每两年都会有一次政权更迭；与1993-2007年期间相比，这一时期只有两次休息（Sarwar，2012b）。这种行为对波动率指数以及与国际股市的关系提出了几个问题。其次，我们有兴趣检查波动率指数在过去十年中对美国和金砖四国金融市场的恐惧衡量作用是否发生了变化，以及如何发生变化。本文的结构如下。第2节分为三个单元，致力于：（i）描述数据样本的特征；（ii）分析波动率指数，以寻找（最终）结构断裂；（三）进行汇总统计；第3节描述了研究中使用的多元回归模型的基本特征；第4节给出了主要结果，第5节给出了结论。2数据和方法2.1数据集和交易时区我们考虑了2007年1月3日至2018年2月1日期间的波动率指数，总的每日观察次数为2791次。VIX相互作用研究涉及以下指标：S&P500（SPX-美国）；IBOVESPA（IBOV-巴西）；MOEX（IMOEX-俄罗斯）；标准普尔BSE Sensex（BSESN-印度）；上海c（上海证券交易委员会-中国）。标准普尔500指数是一个资本化加权指数，包含代表美国所有主要行业的500只股票。巴西IBOVESPA是圣保罗证券交易所所有流动性最强股票的总回报指数。标准普尔BSE Sensex指数是一个cap5加权指数，最多代表印度的行业，其组成部分的选择考虑了流动性和行业代表性。俄罗斯MOEX（前MICEX）指数是一种上限加权指数，代表俄罗斯在莫斯科交易所交易的50支流动性最强的股票。最后，上海上证综合指数是一个资本化加权指数。

指数成分名单包括上海交易所上市的所有A股和B股。VIX和所有其他索引均从标准普尔CapitalIQ数据库中检索。我们使用与（Sarwar，2012b）中相同的指数，但俄罗斯IMOEX除外，它取代了AK&M指数。这种替代的理由在于，与评级机构发布的AK&M相比，MOEX更能代表俄罗斯的财务状况。由于波动率指数在本分析中的核心作用，我们仅选择波动率指数交易的天数。此外，我们通过对相邻可用观测值进行线性插值来填补空白，从而处理缺失观测值。该数据集的独特之处在于，每个指数的开盘和收盘时间各不相同：就UTC时区而言，中国（SHSEC）首先开盘，然后在VIX开盘时间之前收盘。印度（BSESN）也是如此，而俄罗斯（IMOEX）和巴西（IBOV）是唯一与波动率指数部分（俄罗斯）或接近（巴西）重叠的国家。波动率指数和选定的美国市场（SPX）的开盘和收盘时间相同。这种开盘和收盘时间设置直接影响波动率指数和金砖四国股指之间的相互作用：（Sarwar，2012b），例如，发现了波动率指数与美国、中国、印度和巴西当前价值之间存在关系的有力证据azilhttps://www.capitaliq.com/6指数，表明该关系在24小时内始终较强。然而，像中国上证综指这样在波动率指数之前开盘的指数，不应立即受到后者的制约，因为投资者将在下次开盘时对今天的波动率信息作出反应。

因此，潜在客户参数应更好地捕捉VIX和SHSEC之间的最终相关性，因为SHSEC受到恐惧指数的事后影响。事实上，我们预计波动率指数不会像金砖四国一样受到新兴市场的影响：然而，在这种情况下，这种关系应该通过滞后值来捕捉，因为金砖四国指数在波动率指数开盘前发布信息。2.2波动率指数的初步分析在寻找结构突变时，通常情况下，模型估计是一项任务，可能会受到所考虑变量之间的异方差、自相关和多重共线性的影响。然而，估计结果也可能受到未确定的结构突变的影响：事实上，结构突变的存在表明数据生成过程中发生了变化，因此与其他序列的关系可能会持续变化。已经（Guo&Wohart，2006）提供了强有力的统计证据，表明波动率指数随着时间的推移而变化，平均水平的变化并不频繁但显著：本研究重点关注1990年1月至2003年12月的时间框架，强调了三种制度：1992年前、1992年至1997年和1997年后。根据这一轨迹，我们进行了Bai和Perron测试，以检测2007年1月至2018年2月期间VIX平均水平的结构性断裂。测试按照（Bai和Perron，2003）中的备注进行管理。具体而言，我们将微调参数设置为0.20，以考虑VIX时间序列中的序列相关性和7异方差：这意味着将最大中断数设置为5。然后根据下一行解释的基本原理对结果进行评估。

首先，在面板A中，我们使用双倍最大值（UDmax）检验统计数据验证是否有可能拒绝无中断的假设；如果没有，我们用F检验统计量依次检验是否存在最多五个破裂。其次，为了验证A组研究结果的充分性，并选择适当的中断次数，我们构建了各种回归模型，每个模型都考虑了从零到五个中断次数，并且我们根据LWZ（Liu等人，1997）信息标准报告了回归模型的最佳结果。此外，根据（Guo和Wohar，2006），我们对波动率原始数据和标准化波动率时间序列进行了测试。在后一种情况下，我们排除了异常值，即绝对值超过平均值加上三倍标准偏差的观测值。

表1.8总结了结果。表1：VIX和标准VIX（Std VIX）时间序列的Bai和Perron测试结果。面板A：多重结构断裂试验的Bai和Perron统计数据SudMaxaf（1 | 0）F（2 | 1）F（3 | 2）F（4 | 3）F（5 | 4）VIX20.2190***13.7178***13.011**13.3296**11.6154*Std-VIX30.2438***18.0632***17.89***18.0081***14.5189**面板B：使用LWZCZ标准选择断裂数的模型的Bai和Perron统计数据1C2C3C4C5VIX3.960619.835633.320223.253115.842612.4655（0.2586）***（0.6694）***（0.3290）***（0.1075）***（0.1558）***Std-VIX3.433119.786728.788822.224514.491716.9668（0.2592）***（0.2633）***（0.2411）***（0.2245）***（0.2542）***C组：Bai和Perron政权手段、结束日期，90%和95%置信区间制度1登记制度2登记制度3制度4制度5 VIXEnd Date 12/09/200814/06/201015/02/201224/05/201609/02/201895%[2007年1月3日；2008年10月9日][2010年2月8日；2015年9月17日][2011年12月8日；2013年6月13日][2015年6月11日；2017年9月21日]90%[2007年1月23日；2008年9月23日][2010年4月14日；2014年3月27日][2012年1月6日；2013年1月30日][28日2015年；2017年5月2日]Std VIXEnd日期200822/07/201007/03/201224/06/201609/02/201895%[2007年1月3日；2009年3月18日][2009年5月29日；2015年2月3日][2010年7月19日；2014年11月28日][2016年3月14日；2017年8月14日]90%[2007年1月3日；2009年1月26日][2009年10月28日；2013年10月18日][2011年9月20日；2014年10月23日][2016年4月20日；2017年4月19日]表1必须阅读如下：A组包含Bai和Perron统计数据测试多个结构断裂。从左到右，我们列出了UDmax检验统计量（无中断的无效假设与至少存在一个中断的替代假设）；测试统计信息检查一次与零F（1 | 0）-、两次与一个F（2 | 1）-、依此类推，直到测试五次与四个F（5 | 4）的对比。面板B包含使用LWZ信息标准选择的回归模型上测试运行的Bai和Perron统计数据。

最后，C组报告了试验结论性结果，9包括每个方案的初始和最终天数、相应的90%和95%置信区间以及方案平均值。对于每个面板，都会提供VIX和标准化VIX时间序列的结果，在括号内列出稳健的标准误差；这里的显著性水平是：1%***、5%***、10%*。结果表明，在平均水平上，共存在四个结构断裂和五个机制。我们能够将这些结构性突破与四大事件联系起来，这四大事件可以解释政权的变化，即按时间顺序排列：2008年全球金融危机；希腊局势引发的2010年欧洲主权债务危机；由于新的扩张性货币政策，欧洲市场的不确定性在2012年底结束；2016年英国脱欧及相关不确定期。因此，我们能够在2791项观察的可用样本中突出显示五个制度：制度1从2007年1月开始，到2008年9月结束（419 obs）；制度2从2008年9月开始，到2010年7月结束（463 obs）；制度3从2010年7月开始，到2012年3月结束（422 obs）；制度4从2012年3月开始，到2016年6月结束（1072 obs）；制度5从2016年6月开始，到2017年2月结束（414 obs）。制度1和4可被视为“常规”波动期，制度2和3是高波动期，而制度5是唯一的低波动期。