混频连接函数模型及其在金融市场中的应用

The project studies mixed-frequency data sampling (MIDAS) copula models, including the econometric theory and the empirical applications in financial assets. First, we will extend the idea of mixed frequency data sampling from modelling correlation to modelling copula, which is a more general dependence measure. Based on existing studies, we propose two MIDAS copula models: one without exogenous explanatory variables (Copula-MIDAS) and one with exogenous explanatory variables (Copula-MIDAS-X). We will analyze the models’ estimation approach, asymptotic property of parameter estimates and hypothesis inference theory, and then will employ Monte Carlo simulations to investigate the feasibility of these models. Afterwards, the models will be applied to examine two empirical problems: the stock-oil co-movement and the liquidity risk of stock index futures. Both the in-sample goodness-of-fit and out-of-sample forecast performance are considered. Last, based on the results, we will provide some conclusive suggestions for financial regulatory departments and market investors.

本课题研究的是混频连接函数（MIDAS-Copula）模型，包括混频Copula理论建模和金融资产相依性实证应用两部分。首先，我们将混频建模思想从相关系数拓展到更一般的相依结构的研究框架下，在已有研究基础上提出两种混频Copula模型：无解释变量的混频Copula和有解释变量的混频Copula。我们将研究这两种模型的参数估计方法、极限性质和统计推断理论，并借助蒙特卡洛模拟分析考察模型的可行性。然后，我们将应用混频Copula模型研究股市和原油相依性、股指期货流动性风险这两个实际问题，同时进行样本内分析和样本外预测。最后，依据实证结果，拟为金融监管部门和市场投资者提供相应的政策建议。

研究多个金融资产之间的相关性对于资产组合配置、风险管理和衍生品定价都有重要意义。一方面，各金融资产在市场暴涨或暴跌的情况下往往高度相关，市场风险迅速加剧，因此有必要重点关注各资产间非线性的尾部相关性。另一方面，如果要结合低频的月度宏观信息，通常只能将高频价格数据转换成低频月度数据再进行建模，进而损失大量月内信息。然而中国市场相对欧美市场发展较晚，上述做法并不适用于样本数据较少的中国市场，因此有必要发展混频数据抽样模型，同时利用高频月内和低频月度信息。.基于此，本课题基于混频建模技术，先提出混频连接函数的理论模型，再基于理论模型分析金融市场中的实际问题。具体可分为四部分内容。第一，构建混频连接函数理论模型。课题组先将混频数据抽样（MIDAS）技术拓展到更一般的连接函数领域，构建无解释变量的混频copula模型（Copula-MIDAS）和有解释变量的混频copula模型（Copula-MIDAS-X）。然后，在一定的正则性条件下，提供模型参数的估计方法和统计推断性质。第二，研究中国股指期货市场的流动性风险。课题组基于无解释变量的混频copula模型，研究5分钟高频环境下沪深300股指期货收益和买卖价差之间的关系，根据股指期货收益和买卖价差的联合分布计算和预测股指期货市场的流动性风险。第三，研究股票和原油市场相依性及其影响因素。课题组基于有解释变量的混频copula模型，研究S&P 500指数和Brent原油日度收益之间的相依性，分析它们之间相依性的月度影响因素，进而结合这些日度和月度信息构建关于股票和原油的投资组合。第四，研究中国股票指数和股指期货波动的经济来源。课题组基于混频模型，将沪深300指数和股指期货的波动分解成为日度短期波动和月度长期波动，研究长期波动的影响因素，评估各类影响因素对市场波动的贡献程度，进而预测沪深300指数和股指期货的波动。