马鞍山老照片:金融资产波动特征

来源:百度文库 编辑:九乡新闻网 时间:2024/04/28 11:40:36

在对金融波动进行建模前,我们需要了解金融资产波动的主要统计特征,这是我们对波动进行建模的统计基础。Bollerslev, Engle and Nelson(1994),Rama Cont(2001),苏卫东(2002)等对此进行了总结和归纳。就一般而言,金融资产的波动具有如下统计特征:

(1)        过度波动(excess volatility):也就是说金融资产的波动超过了经济基本面因素所能引起的波动。特别的,金融资产收益率较大幅度的变化(包括正向和负向)并不能完全由市场上所有新的信息所解释。

(2)    厚尾(heavy tail):金融资产的无条件收益率往往呈现“尖峰厚尾”的统计特征,其峰度指标和尾部指标(tail index)往往较标准的正态分布更高,这意味着用具有厚尾特征的统计分布如t分布、Pareto分布或者GED分布(广义误差分布)等能较正态分布更好的刻画金融资产的这种统计特征。

(3)    波动具有时变和聚集(volatility clustering)特征:经典金融理论在描述金融资产波动变化时,往往假设波动在一定期限内保持不变。然而实践表明这种假设不甚合理。金融资产的波动往往具有随时间变化而变化的特点,有时变化相当剧烈,而有时则相对稳定。更重要的是,金融资产的波动往往还存在着聚集现象,这种现象首先由Mandelbrot(1963)发现,指大的金融波动后面往往跟着大的波动,而小的金融波动后面跟着小的波动。很明显的例证是:金融资产收益率的自相关系数往往较小,但是收益率的绝对值和平方却往往具有显著的、呈现缓慢衰减的正向自相关性。波动的聚集同金融资产的厚尾特征是有内在联系的,波动的聚集是导致金融资产尾部较厚的重要原因(Bollerslev, Engle andNelson,1994)。而导致波动聚集的原因也较多,

(4)    杠杆效应(leverage effect):杠杆效应首先由Black(1976)发现,指金融资产收益率波动往往体现出一种非对称性,波动率对金融资产收益率下跌时的反应往往比对收益率上升时的反应更加迅速和剧烈,这就是所谓的杠杆效应。Christie(1982)利用Modigliani-Miller原理对此问题进行了解释:坏消息的出现会降低公司的股价,这样就会导致负债/资产比(也就是金融杠杆比)上升,这显然会加大公司的风险从而加大了持有股票的风险,使得未来的期望波动值上升。

(5)波动具有连动性(co-movements in volatility):这种现象也首先由Black(1976)发现,他总结到:“不同股票的波动变化具有很多相同的特征,股市1%的波动变化意味着所有股票的波动可能也由1%的变化。只是某些高风险的股票对于股市变化的敏感度较低风险的股票高,但就总体而言,当波动变化时,大多数的股票倾向于同方向变化。”这种波动的连动性不仅存在于同一金融市场,跨金融市场也同时存在着这种现象。Diebold and Nerlove (1989)和 Harvey et al. (1992)则讨论了影响金融资产连动性的主要因素,这意味着我们可以用较少的因素去解释金融资产方差和协方差的变化。正是基于此学者提出了因素ARCH模型(Engle(1987),Diebold and Nerlove (1989))来解释金融波动的这种连动性。

(6)波动同宏观计量变量和成交量密切相关:金融资产的价格同宏观经济运行质量密切相关,那么宏观经济指标,如利率、货币供应量、GDP增长、外贸等都将对股票市场的波动产生是实质性影响。对于中国股市而言,政府的股市调控政策对股市波动的影响也非常巨大(史代敏,2002)。另一方面从金融市场本身的运行规律来看,金融资产的成交量与波动也往往存在着显著的正向关系。 

  (7)  波动的隐含微笑曲线(implied volatility smile)与期限结构(volatility term strucuture):微笑曲线是指在其它条件相同的情况下,对相同标的资产但执行价不同的期权市场价格所反映出来的隐含波动度往往呈现近似微笑形态的曲线,随着到期期限越远,这种微笑的幅度会越发趋缓。一般而言,微笑曲线意味着Blach-Scholes公式高估了平价买权的价格而低估了价内和价外买权的价格。而波动的期限结构则是指在其它条件不变的情况下,对相同标的资产但不同到期日的期权市场价格,通过Black-Schole公式所反算出来的隐含波动度所呈现的形态。Xu and Taylor(1994)发现期权的期限结构是不规则的,呈现出多种形态。一般认为,金融资产的随机波动特征是造成隐含微笑曲线和期限结构最重要的原因。