陳艷聲 鄒輝文 蔡立雄
【摘要】Phillipp構(gòu)建指數(shù)分布的信用風(fēng)險(xiǎn)傳染模型,然而缺乏實(shí)證解釋是其一大缺點(diǎn),同時(shí)也阻礙理論模型的發(fā)展。本文從已有的信用傳染模型出發(fā),闡述信用風(fēng)險(xiǎn)傳染機(jī)制,使用時(shí)變copula模型,對(duì)指數(shù)分布下的信用傳染效應(yīng)進(jìn)行實(shí)證研究。將違約傳染因素分為公共因素和特殊因素,通過構(gòu)建美元指數(shù)與美國CDS的時(shí)變copula模型,我們發(fā)現(xiàn)公共因素在影響信用傳染上具有同向性,而特殊因素使得傳染效應(yīng)在大小上有所區(qū)別。表現(xiàn)在實(shí)證結(jié)果上即在危機(jī)時(shí)期,美國多類CDS指數(shù)收益率與美元指數(shù)的相關(guān)性同向變動(dòng),而在波動(dòng)大小上顯示出與大眾越直接相關(guān)的類別的CDS波動(dòng)更大,越不相關(guān)的則變化較小。
【關(guān)鍵詞】傳染效應(yīng) 信用風(fēng)險(xiǎn) 時(shí)變copula
一、引文
目前關(guān)于違約風(fēng)險(xiǎn)的傳染主要有兩種解釋,第一種可以稱為資產(chǎn)間傳染,主要是建立在簡約模型的基礎(chǔ)上,這類模型主要是用簡約模型針對(duì)違約強(qiáng)度的變化進(jìn)行建模,用于分析公司的風(fēng)險(xiǎn)傳染問題,Jarrow[1](2001)認(rèn)為違約強(qiáng)度取決于對(duì)手的違約,即對(duì)手風(fēng)險(xiǎn),奠定了信用傳染模型的基礎(chǔ)。Daniel[2](2007)在債務(wù)人的信用組合中加入宏觀與微觀相關(guān)性,提出信用傳染模型,認(rèn)為微觀結(jié)構(gòu)可以捕捉債務(wù)人相關(guān)性。王安嬌[3](2011)針對(duì)具有交易對(duì)手風(fēng)險(xiǎn)的3個(gè)公司的情況,引入雙曲衰減函數(shù)表示一方違約對(duì)另外兩方違約強(qiáng)度的影響,對(duì)CDS進(jìn)行定價(jià)。Frey(2003)認(rèn)為公司間的違約強(qiáng)度與整個(gè)經(jīng)濟(jì)的平均等級(jí)有關(guān),建立組合違約相關(guān)性模型。尹群耀[4](2012)基于濾子理論構(gòu)建信用風(fēng)險(xiǎn)傳染模型,引入二位Gumbel Copula函數(shù)分析,發(fā)現(xiàn)公司之間信用違約相關(guān)性、信用違約序列性及違約強(qiáng)度對(duì)公司生存概率的影響較為顯著。張?zhí)K江[5](2014)認(rèn)為現(xiàn)有違約傳染模型無法描述信用違約傳染隨著時(shí)間推移的跳躍衰減特征,因此引入對(duì)數(shù)高斯衰減函數(shù),發(fā)現(xiàn)在該模型下信用違約方的信用違約時(shí)間及其對(duì)另一方的沖擊的衰減速率對(duì)CDO價(jià)格具有顯著的正相關(guān)關(guān)系。關(guān)于資產(chǎn)間傳染的實(shí)證仍然很少,Das[6](2007)分析了1979~2004年間的美國公司數(shù)據(jù),解釋跨公司違約相關(guān)性,但是實(shí)證結(jié)果拒絕了雙隨機(jī)模型的假設(shè)。Caling[7](2004)使用GLMM模型測試1996~2000瑞士銀行商業(yè)貸款組合的相關(guān)性。
第二種稱為信息驅(qū)動(dòng)的信用傳染模型,建立在指數(shù)分布模型基礎(chǔ)上,認(rèn)為違約傳染主要受宏觀經(jīng)濟(jì)因素影響,宏觀經(jīng)濟(jì)因素例如能源價(jià)格、GDP增長率、利率,這些因素對(duì)違約的影響方向是相同的。第二種認(rèn)為違約傳染來源于標(biāo)的資產(chǎn)之間的關(guān)系,如廠商上下游關(guān)系,投資者與被投資者之間的借貸關(guān)系,廠商之間的競爭關(guān)系,此時(shí)的違約傳染方向則是不一致的。Philipp[8](2003)構(gòu)建最早的信息驅(qū)動(dòng)的違約傳染模型,認(rèn)為當(dāng)投資者對(duì)一些影響債務(wù)人風(fēng)險(xiǎn)的普通因素有著不完全信息時(shí),違約傳染就不是僅僅由信息影響引起的偶然聯(lián)系引起的。Phillipp在強(qiáng)度模型的框架下使用無法觀察的脆弱因素對(duì)該影響進(jìn)行擴(kuò)展。在該模型中如果一個(gè)債務(wù)人違約,其他債務(wù)人的違約強(qiáng)度呈現(xiàn)出跳躍現(xiàn)象,且是相對(duì)應(yīng)的脆弱性的一個(gè)比例。相關(guān)性參數(shù)可以是市場上可觀察的價(jià)差跳躍,使得完整地闡述不用依賴于歷史違約相關(guān)性的定價(jià)模型。楊星[9](2010)認(rèn)為違約強(qiáng)度取決于信任度調(diào)整系數(shù)與基準(zhǔn)違約危險(xiǎn)率,應(yīng)用雙參數(shù)威布爾分布推廣了Philipp的指數(shù)分布條件下的違約傳染模型,研究公司的違約概率分布。認(rèn)為這種形式的違約強(qiáng)度跳躍不是由于公司自身違約風(fēng)險(xiǎn)的變化而產(chǎn)生的,而是一種基于市場違約信息的傳染。傳染大小基于信任度調(diào)整系數(shù)的不確定性及公司本身所特有的的風(fēng)險(xiǎn)因素,不確定性越高,傳染影響越大。
雖然關(guān)于Phillipp的信用傳染已經(jīng)有比較多樣化的模型,但在實(shí)證方面的卻受到冷落,大部分研究都是基于數(shù)值模擬來說明信用風(fēng)險(xiǎn)傳染對(duì)定價(jià)的影響,很少研究使用現(xiàn)實(shí)數(shù)據(jù)來說明理論上的信用傳染現(xiàn)象或具體渠道??梢哉f,實(shí)踐是理論的來源,理論也會(huì)因?yàn)閷?shí)踐的深入而升華,只有在現(xiàn)實(shí)中能夠證明,理論的研究才有深入的現(xiàn)實(shí)基礎(chǔ)。因此對(duì)信用風(fēng)險(xiǎn)傳染的實(shí)證研究就顯得具有比較大的理論和現(xiàn)實(shí)意義。而關(guān)于金融市場傳染效應(yīng)的實(shí)證,目前已經(jīng)有比較多樣的方法,最廣泛的屬VAR以及VAR變形,然而金融資產(chǎn)收益率典型特征是波動(dòng)性聚集、尖峰肥尾三個(gè)特征。而傳統(tǒng)計(jì)量模型的正態(tài)分布、T分布假設(shè)就顯得不那么切合實(shí)際。因此對(duì)于傳染效應(yīng)的研究,較受重視的當(dāng)屬copula方法,其中最受關(guān)注的是時(shí)變copula方法,分為對(duì)稱的DCC-MVGARCH模型和非對(duì)稱的Patton[10](2006)提出的條件copula函數(shù)的相關(guān)系數(shù)動(dòng)態(tài)化方法。目前已經(jīng)有比較多的文獻(xiàn)使用時(shí)變copula方法,如Xiaoqian[11](2012),李堪[12](2013)。但是沒有人將時(shí)變copula用于信用風(fēng)險(xiǎn)的傳染效應(yīng)上,因此,本文使用時(shí)變copula方法研究已有的信用傳染效應(yīng),把信任度調(diào)整系數(shù)理解為公共因素,把基準(zhǔn)違約危險(xiǎn)率理解為特殊因素,認(rèn)為在信息驅(qū)動(dòng)的框架下,不同的信用資產(chǎn)的違約強(qiáng)度會(huì)隨著公共因素的改變而呈現(xiàn)同方向變化,而變化大小則會(huì)隨著特殊因素的不同而不同。這個(gè)公共因素應(yīng)該是影響所有資產(chǎn)的因素,因此應(yīng)該是所處環(huán)境的共同特征,所以可以使用綜合國力作為衡量指標(biāo)。因此在綜合國力產(chǎn)生改變時(shí),所有信用資產(chǎn)的違約強(qiáng)度都出現(xiàn)明顯的跳躍現(xiàn)象,這就可以解釋信用風(fēng)險(xiǎn)的傳染效應(yīng)。
二、信用風(fēng)險(xiǎn)傳染機(jī)制
要描述綜合國力對(duì)信用資產(chǎn)的傳染效應(yīng),首先應(yīng)該理解其傳播途徑。2010年開始,歐債危機(jī)形勢不斷升級(jí),政府財(cái)政赤字和債務(wù)比率使得各大評(píng)級(jí)機(jī)構(gòu)不斷調(diào)低歐元區(qū)國家的主權(quán)評(píng)級(jí)。2011年第二次援助希臘計(jì)劃協(xié)議之后,歐元區(qū)國家的國債收益率再次升高,即使采取財(cái)政緊縮措施,也無法明顯扭轉(zhuǎn)歐債危機(jī)的局勢。歐盟在國際地位中有所下降,日本經(jīng)濟(jì)長期萎靡。而與此同時(shí),美國則在金融危機(jī)中倡導(dǎo)制造業(yè)回歸,經(jīng)濟(jì)強(qiáng)勁復(fù)蘇,綜合國力不斷上升,形成強(qiáng)勢美元現(xiàn)象。
因此我們可以假設(shè)兩種情況,第一種情形是一個(gè)明顯的好消息,象征著國家實(shí)力明顯提高,綜合實(shí)力的提高對(duì)該國幾個(gè)典型的CDS有一定方向的傳染作用。第二種情形是一個(gè)明顯的負(fù)面消息,象征國家實(shí)力的明顯降低,綜合實(shí)力的降低對(duì)該國同樣品種的CDS有反向的傳染作用。
基于以上的假設(shè),我們選擇美國的幾組數(shù)據(jù):美元指數(shù)、美國能源CDS、美國消費(fèi)者非必需品CDS、美國房屋建筑商CDS,時(shí)間范圍2010年3月22日至2015年6月19日總共1313筆的時(shí)間序列數(shù)據(jù)。涵蓋2011年7月21日第二次援助希臘計(jì)劃協(xié)議通過事件和2013年7月18日底特律“汽車之城”申請(qǐng)破產(chǎn)保護(hù)事件,作為利好消息與利空消息的典型標(biāo)志。
美元指數(shù)反映出美國市場形勢和綜合國力,歐債危機(jī)期間,美國市場信心上升,制造商面臨的風(fēng)險(xiǎn)較低,其債務(wù)風(fēng)險(xiǎn)也降低。這樣的變化有可能不是由于自身經(jīng)濟(jì)好轉(zhuǎn),而是由于危機(jī)的負(fù)向“傳染”引起的。美國作為世界大國,與其他國家經(jīng)濟(jì)往來頻繁,對(duì)世界經(jīng)濟(jì)有極大影響,且是原材料的主要進(jìn)口國因此進(jìn)口成本對(duì)企業(yè)影響較大,同時(shí)也是國際游資的主要投資方向。國家間的互相影響主要有兩種渠道,首先是實(shí)體經(jīng)濟(jì)傳導(dǎo),具體來說歐債危機(jī)時(shí)期美元升值使得企業(yè)進(jìn)口原材料價(jià)格降低,而出口產(chǎn)品競爭力降低,因此能源企業(yè)面臨的風(fēng)險(xiǎn)減小,消費(fèi)品企業(yè)面臨的風(fēng)險(xiǎn)減小,房屋建筑商風(fēng)險(xiǎn)也減小,而當(dāng)?shù)滋芈善飘a(chǎn)事件發(fā)生時(shí),美元指數(shù)上升,美元貶值,進(jìn)口成本上升,能源企業(yè)風(fēng)險(xiǎn)上升;其次是虛擬經(jīng)濟(jì)傳導(dǎo),具體來說歐債危機(jī)的負(fù)面消息在市場上流行,各國投資人對(duì)歐盟各國的投資意向減弱,轉(zhuǎn)向經(jīng)濟(jì)復(fù)蘇的美國使得金融資產(chǎn)價(jià)格上升,風(fēng)險(xiǎn)降低。當(dāng)?shù)滋芈善飘a(chǎn)消息出現(xiàn),各國投資人紛紛從美國撤資,使得金融資產(chǎn)價(jià)格下降,風(fēng)險(xiǎn)積聚。兩種傳導(dǎo)途徑結(jié)果一致,但產(chǎn)生的流不同,實(shí)體經(jīng)濟(jì)傳導(dǎo)必然通過現(xiàn)金流產(chǎn)生,虛擬經(jīng)濟(jì)傳導(dǎo)則是通過信息流產(chǎn)生,信息影響市場預(yù)期,進(jìn)而影響國際金融市場。然而更明顯的區(qū)別在于,實(shí)體經(jīng)濟(jì)的傳染速度不快,強(qiáng)度和范圍會(huì)太過意外,僅僅是正常的市場波動(dòng),而虛擬經(jīng)濟(jì)的傳染則是極為迅速,常常效果會(huì)出乎意料之外,因此信息的傳染才是真正的危機(jī)傳染。從這個(gè)意義上說,美元指數(shù)的調(diào)整是影響對(duì)美國CDS收益率的傳染效果的公共因素,而各個(gè)CDS所針對(duì)的行業(yè)面臨的風(fēng)險(xiǎn)則是其特殊因素。
基于以上分析,我們選擇相應(yīng)的數(shù)據(jù)構(gòu)建時(shí)變copula模型研究美元指數(shù)與相應(yīng)CDS的時(shí)變相關(guān)性,檢測相關(guān)系數(shù)與尾部相關(guān)性的結(jié)構(gòu)性變點(diǎn),進(jìn)而檢驗(yàn)和證明指數(shù)分布下的信用傳染效應(yīng)的存在和公共因素與特殊因素的影響效果。
三、模型
(一)Copula函數(shù)
Copula函數(shù)是描述兩個(gè)隨機(jī)變量的相關(guān)性結(jié)構(gòu)的一種靈活有效的工具。根據(jù)Sklar定理,一個(gè)二維聯(lián)合分布函數(shù)G,具有連續(xù)的邊緣分布法Fx和FY,其有著唯一的copula表達(dá)式■。并且對(duì)于一個(gè)聯(lián)合分布函數(shù),由copula所表示的邊緣分布和相關(guān)結(jié)構(gòu)可以被區(qū)分開。
■表示t時(shí)刻美元指數(shù)收益率,■■表示t時(shí)刻美國能源CDS、美國消費(fèi)者非必需品CDS、美國建筑商CDS收益率。兩者都是隨機(jī)變量,且他們的條件累積分布分別為■,其中■表示過去的收益信息。條件copula函數(shù)■表示債券指數(shù)收益率與房地產(chǎn)指數(shù)收益率的時(shí)間變化的條件copula函數(shù)■,■服從0-1連續(xù)均勻分布。
(二)邊緣分布模型
金融產(chǎn)品收益率有許多特點(diǎn),如肥尾、杠桿作用、自相關(guān)性。由于GJR模型并不對(duì)隨機(jī)分布進(jìn)行特定假設(shè),因此具有許多優(yōu)于GARCH模型的特點(diǎn),我們使用GJR模型來捕捉各種收益率的特征,美元指數(shù)收益率和美國各類CDS收益率的邊緣分布均使用AR(1)-GJR(1,1)-skewed-t模型進(jìn)行擬合,模型具體如下:
■
第一個(gè)方程表示t時(shí)刻收益率可以分為常量■,滯后一期的收益率用于控制序列相關(guān)性,和殘差■,第二個(gè)算式將殘差分為條件波動(dòng)率和更新。第三個(gè)方程表示杠桿,可以使用示性函數(shù)■捕捉杠桿影響,當(dāng)■為負(fù)則為1,當(dāng)■為正則為0。除此之外,Brooks[13](2002)表明GARCH族模型滯后一期可以足夠描述資產(chǎn)收益率的波動(dòng)率,極少金融論文使用更高階的滯后項(xiàng),因此AR項(xiàng)的階數(shù)和GJR模型的滯后階數(shù)定為1。第四個(gè)方程假設(shè)標(biāo)準(zhǔn)化殘差服從skewed-t分布。其密度是正態(tài)和學(xué)生T密度的適當(dāng)擴(kuò)展,自由度■,偏斜度■。兩種從正態(tài)擴(kuò)展出的最普通的偏離是肥尾(峰度不為3)和有偏(偏度不為0),正態(tài)函數(shù)的峰度和偏度為3和0。雖然學(xué)生T密度可以捕捉超額的峰度,但skewed-t密度可以捕捉有偏及肥尾。
正態(tài)性檢驗(yàn)顯示資產(chǎn)回收率均存在尖峰、肥尾、有偏現(xiàn)象,因此使用skewed-T密度可以更準(zhǔn)確地描述資產(chǎn)回收率分布。
Skewed-t分布的密度函數(shù)為:
■
η是峰度參數(shù),φ是對(duì)稱參數(shù)。
Patton[14](2006a)指出copulas模型要求邊緣分布可區(qū)分,且邊緣分布需要為0-1均勻分布,可以使用KS檢驗(yàn)來驗(yàn)證邊緣分布。
(三)二元copula函數(shù)
AR(1)-GJR(1,1)-skewed-t的邊緣參數(shù)估計(jì)第一步是提供■和■的估計(jì)值。這些值隨后可以用于第二步的copula相關(guān)性結(jié)構(gòu)的估計(jì)中。相關(guān)性結(jié)構(gòu)一個(gè)通常的選擇是橢圓copula,如高斯copula和學(xué)生t-copula,表示為:
■
在高斯copula中,φ為具有相關(guān)系數(shù)為■的二元標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)?!鰹闃?biāo)準(zhǔn)正態(tài)函數(shù)的反函數(shù),T是二元學(xué)生t的累積分布函數(shù),自由度為■,相關(guān)系數(shù)為■,■為一元學(xué)生t分布的反函數(shù)。
在多元背景中的肥尾現(xiàn)象通常稱為尾部相關(guān)性,意思是聯(lián)合密度在一個(gè)或兩個(gè)尾部厚度大于多元正態(tài)分布的密度??紤]隨機(jī)事件X ■
高斯copula和學(xué)生tcopula的特點(diǎn)是存在對(duì)稱的尾部相關(guān)性
■,■
■是X與Y之間自由度為γ+1相關(guān)系數(shù)為ρ的學(xué)生t分布的累積分布函數(shù)。
對(duì)稱的尾部相關(guān)性意味著尾部相關(guān)性隨著尾部相關(guān)性隨著極好和極不好的條件而改變程度是一致的。然而,事實(shí)未必如此。一般來說,市場在熊市中對(duì)壞消息的反映和在牛市中對(duì)好消息的反映程度比較大,其他的則反映比較一般。因此研究非對(duì)稱的尾部相關(guān)性符合現(xiàn)實(shí)意義。
Joe-Clayton-copula(SJC)同時(shí)考慮上下尾相關(guān)性。該函數(shù)的相關(guān)性估計(jì)既可以是對(duì)稱性也可以是非對(duì)稱性的尾部。函數(shù)的分布函數(shù)公式為:
■
對(duì)于高斯copula和學(xué)生tcopula,可以說在DCC(1,1)模型中其線性相關(guān)性系數(shù)ρt會(huì)隨著時(shí)間而改變,DCC模型具體為:
■
其中■為第一步的標(biāo)準(zhǔn)化殘差向量的方差矩陣,■是無條件方差,■是對(duì)角矩陣,■為條件相關(guān)性,是時(shí)變相關(guān)系數(shù)矩陣,變量間的動(dòng)態(tài)相關(guān)性即通過對(duì)其建模來實(shí)現(xiàn)。
而對(duì)于非對(duì)稱時(shí)變copula函數(shù)的相關(guān)系數(shù),通常使用Kendall的來反映隨機(jī)變量的動(dòng)態(tài)相關(guān)性結(jié)構(gòu)?!鰹長ogistic轉(zhuǎn)換函數(shù),該函數(shù)使得■,因此■的使用公式為■
四、實(shí)證與分析
(一)數(shù)據(jù)與描述性統(tǒng)計(jì)
由于時(shí)間跨度比較大,美元指數(shù)與美國CDS的交易數(shù)據(jù)不同步,本文以CDS交易數(shù)據(jù)為基準(zhǔn),去除不匹配數(shù)據(jù),缺漏數(shù)據(jù)則以前后兩日的均值為缺漏值。市場指數(shù)的收益率使用對(duì)數(shù)收益率,所有數(shù)據(jù)均來自標(biāo)準(zhǔn)普爾網(wǎng)站,實(shí)驗(yàn)工具主要采用Matlab2012,部分圖像處理采用Eviews完成。
■
圖1 美元指數(shù)收益率時(shí)間序列
■
圖2 美國能源CDS收益率時(shí)間序列
■
圖3 美國消費(fèi)者非必需品CDS收益率時(shí)間序列
■
圖4 美國房屋建造商CDS收益率時(shí)間序列
數(shù)據(jù)來源:http://asia.spindices.com/
圖1-4中第一個(gè)時(shí)間截點(diǎn)為2011年7月21日第二次援助希臘計(jì)劃協(xié)議通過事件,第二個(gè)截點(diǎn)為2013年7月18日底特律“汽車之城”申請(qǐng)破產(chǎn)保護(hù)事件。從樣本期間的收益率序列看,美元指數(shù)波動(dòng)特別劇烈,其次是房屋建筑商CDS,能源CDS和消費(fèi)者非必需品CDS則較小。從時(shí)間先后看,援助希臘計(jì)劃前各個(gè)指數(shù)波動(dòng)序列減小,援助希臘計(jì)劃后指數(shù)波動(dòng)都有所增大;底特律申請(qǐng)破產(chǎn)前各個(gè)指數(shù)波動(dòng)較小,申請(qǐng)破產(chǎn)后,波動(dòng)都有所增大。
表1 美元指數(shù)與美國CDS序列正態(tài)性檢驗(yàn)
■
從正態(tài)性檢驗(yàn)來看,各個(gè)指數(shù)都存在明顯的有偏、肥尾現(xiàn)象,因此JB指標(biāo)都是顯著的。因此使用Skewed-T作為邊緣分布符合現(xiàn)實(shí)。
■
圖5 美元與能源CDS經(jīng)驗(yàn)copula圖像
■
圖6 美元與非必需品CDS經(jīng)驗(yàn)copula圖像
■
圖7 美元與房屋建造商CDS經(jīng)驗(yàn)copula圖像
從經(jīng)驗(yàn)函數(shù)圖像來看,美元指數(shù)收益率與美國各個(gè)部門CDS指數(shù)均存在不對(duì)稱型但不是很明顯。因此可以使用對(duì)稱性時(shí)變copula和非對(duì)稱性時(shí)變copula進(jìn)行擬合。
(二)A(1)-GJR-Skewed-T模型參數(shù)估計(jì)
表2 美元指數(shù)與CDS的邊緣模型參數(shù)估計(jì)
■
注:*、**、***分別表示該值在10%、5%、1%的顯著性水平下顯著。
AR(1)的系數(shù)■的估計(jì)值在消費(fèi)者非必需品CDS與房屋建筑商CDS條件均值模型中的T統(tǒng)計(jì)量是顯著的,而在美元指數(shù)與能源CDS的T統(tǒng)計(jì)量不顯著。滯后的殘差平方系數(shù)■全部都是顯著的。滯后的波動(dòng)方差系數(shù)■除了美元指數(shù)外,其他都是顯著的,意味著t時(shí)刻的波動(dòng)率取決于t-1時(shí)刻的波動(dòng)率和上一期的預(yù)測方差。除了房屋建筑商CDS,其他的序列都存在顯著的杠桿作用,這說明這幾個(gè)序列在市場的波動(dòng)中存在明顯的非對(duì)稱效應(yīng)。各個(gè)序列的自由度,都顯著大于3,各個(gè)序列的偏度并不顯著。這說明序列均有存在明顯的肥尾現(xiàn)象。KS檢驗(yàn)結(jié)果表明所有的序列都接受邊緣分布為均勻分布的原始假設(shè),因此可以使用copula模型進(jìn)行估計(jì)。
(三)時(shí)變copula模型參數(shù)估計(jì)
表3 美元指數(shù)與各類指數(shù)間的時(shí)變copula模型參數(shù)估計(jì)
■
在時(shí)變copula的對(duì)稱模型的參數(shù)估計(jì)中,DCC學(xué)生t模型的■,因此不滿足模型的假設(shè)條件,DCC-Gaussian模型■,且對(duì)數(shù)似然值較大,滿足條件。兩種時(shí)變模型都有較高的似然值,這樣高的一致性說明經(jīng)濟(jì)危機(jī)將會(huì)改變長期平均相關(guān)性水平;雖然相關(guān)性會(huì)回到均值,一旦新的信息出現(xiàn),相關(guān)性會(huì)變得更不穩(wěn)定,對(duì)數(shù)似然值表明兩種對(duì)稱模型對(duì)三種序列的時(shí)變關(guān)系均有較好的擬合程度。因此對(duì)于對(duì)稱copula模型來說,DCC-Gaussian模型是更好的選擇。而時(shí)變非對(duì)稱copula模型的估計(jì)結(jié)果,無論從參數(shù)估計(jì)值還是對(duì)數(shù)似然值來看則表現(xiàn)不佳。因此我們選擇DCC-Gaussian模型來檢驗(yàn)各個(gè)序列的條件相關(guān)性和尾部相關(guān)性。
(四)相關(guān)性與傳染效應(yīng)實(shí)證
■
圖8 美元指數(shù)與能源CDS條件相關(guān)性
■
圖9 美元指數(shù)與能源CDS尾部相關(guān)性
■
圖10 美元指數(shù)與非必需品CDS條件相關(guān)性
■
圖11 美元指數(shù)與非必需品CDS尾部相關(guān)性
■
圖12 美元指數(shù)與房屋建造商CDS條件相關(guān)性
■
圖13 美元指數(shù)與房屋建造商CDS尾部相關(guān)性
注:第一條分割線表示歐盟第二次援助希臘計(jì)劃時(shí)間,第二條分割線表示底特律申請(qǐng)破產(chǎn)保護(hù)時(shí)間。
圖8-9描述美元指數(shù)收益與美國能源CDS之間的DCC- Gaussian的條件相關(guān)性和尾部相關(guān)性,第二次援助希臘之后,條件相關(guān)性和尾部相關(guān)性與之前相比短期內(nèi)顯著下降,底特律申請(qǐng)破產(chǎn)之后,條件相關(guān)性和尾部相關(guān)性則短期內(nèi)顯著上升。這證明了美元指數(shù)與美國能源CDS在金融危機(jī)時(shí)期存在顯著的傳染效應(yīng)。
圖10-11描述美元指數(shù)與美國消費(fèi)者非必需品CDS之間的DCC-Gaussian的條件相關(guān)性和尾部相關(guān)性,第二次援助希臘后條件相關(guān)性和尾部相關(guān)性與援助之前相比短期內(nèi)更為明顯地下降,底特律申請(qǐng)破產(chǎn)后,其條件相關(guān)性和尾部相關(guān)性則短期內(nèi)急劇上升。這表明美元指數(shù)與美國消費(fèi)者非必需品CDS在金融危機(jī)時(shí)期存在著更為顯著的傳染效應(yīng)。
圖12-13描述美元指數(shù)收益與美國房屋建筑商CDS之間的DCC-Gaussian的條件相關(guān)性和尾部相關(guān)性,第二次援助希臘后條件相關(guān)性和尾部相關(guān)性與援助之前相比短期內(nèi)有所下降,底特律申請(qǐng)破產(chǎn)之后,條件相關(guān)性和尾部相關(guān)性則短期內(nèi)有所上升。這證明了美元指數(shù)與美國能源CDS在金融危機(jī)時(shí)期存在一定的傳染效應(yīng)。
五、結(jié)論
從縱向看,美元指數(shù)可以看做象征美國綜合實(shí)力的指標(biāo)。第二次援助希臘之后,美元指數(shù)走強(qiáng),美國在國際上的綜合國力增強(qiáng),可以說歐債危機(jī)的利好消息使得CDS的相關(guān)性減弱,即美元對(duì)CDS市場的信用風(fēng)險(xiǎn)傳染減弱。底特律申請(qǐng)破產(chǎn)后,美元指數(shù)減弱,美國綜合實(shí)力預(yù)期下降,可以說底特律破產(chǎn)的利空消息使得CDS的相關(guān)性增強(qiáng),即美元對(duì)CDS市場的信用風(fēng)險(xiǎn)傳染增強(qiáng)。
從橫向看,在極端消息面前,美元指數(shù)對(duì)美國房屋建筑商CDS的傳染效應(yīng)最弱,美元指數(shù)對(duì)美國能源CDS的傳染效應(yīng)較強(qiáng),而美元指數(shù)對(duì)美國消費(fèi)者非必需品CDS的傳染效應(yīng)最強(qiáng)。因此,存在一種可能性,即國家綜合實(shí)力對(duì)CDS的傳染效應(yīng)可能隨著與消費(fèi)者的相關(guān)性增強(qiáng)而增強(qiáng)。
最后,由于美元指數(shù)象征綜合實(shí)力,而美元指數(shù)可以對(duì)CDS有傳染作用,只是大小的差別,且隨著美元指數(shù)的提高(綜合實(shí)力減弱),美元指數(shù)與CDS的傳染效應(yīng)增強(qiáng),因此,我們可以認(rèn)為,信用風(fēng)險(xiǎn)的傳染性是由國家綜合實(shí)力決定的,隨著國家綜合實(shí)力的提高而減小。更進(jìn)一步說,國家綜合實(shí)力可以成為信用風(fēng)險(xiǎn)傳染的公共因素,決定傳染的方向,而行業(yè)特征可以成為信用風(fēng)險(xiǎn)傳染的特殊因素,影響了傳染效應(yīng)的大小。由此可見,指數(shù)分布下的信用風(fēng)險(xiǎn)傳染具有理論的邏輯性和實(shí)證的可靠性。
參考文獻(xiàn)
[1]Jarrow.Counterparty risk and the pricing of default securities[J].The Journal of Finance,2001,56(5):1765-1799.
[2]Daniel Egloff,Markus Leippold,Paolo Vanini.A simple model of credit contagion[J].Journal of Banking and Finance,2007,(31):2475-2492.
[3]王安嬌,吳彥瑾,葉中行.3個(gè)公司雙曲衰減違約傳染模型下信用違約互換定價(jià)[J].上海交通大學(xué)學(xué)報(bào),2011,45(12):1852-1856.
[4]尹群耀,陳庭強(qiáng),何建敏,吳亞麗.基于濾子理論的信用風(fēng)險(xiǎn)傳染模型[J].系統(tǒng)工程,2012,30(12):19-25.
[5]張?zhí)K江,陳庭強(qiáng).對(duì)數(shù)Gauss衰減的信用風(fēng)險(xiǎn)傳染模型與CDO定價(jià)研究[J].北京理工大學(xué)學(xué)報(bào),2014,16(3):83-88.
[6]Sanjiv R.Das,Darrell Duffie,Nikunj Kapadia,Leandro Saita.Common Failings:How Corporate Defaults Are Correlated[J].The journal of Finance,2007,62(1):93-117.
[7]Carling,K.,Ronnegard,L.,Roszbach,K.Is firm interdependence within industries important for porfolio credit risk? Working paper Sveriges Riksbank.2004.
[8]Philipp J.Schonbucher.Information-driven default contagion[C].Working Paper,Department of Mathematics,2003.
[9]楊星,潘亞舒.關(guān)于公司債違約傳染研究[J].統(tǒng)計(jì)與決策,2010,(14):168.
[10]Andrew J.Patton.Modeling asymmetric exchange rate dependence[J].International Economic Review,2006,47(2):527-556.
[11]Xiaoqian Wen,Yu Wei,Dengshi Huang.Measuring contagion between energy market and stock market during financial crisis:A copula approach[J].Energy Economics,2012,(34):1435-1446.
[12]李堪.歐洲主權(quán)債務(wù)危機(jī)傳染效應(yīng)研究——基于時(shí)變Copula方法[J].世界經(jīng)濟(jì)與政治論壇,2013(4):93-110.
[13]Brooks.Introductory Econometrics for Finance[M].Cambridge University Press, New York.2002.
[14]Patton,A.j.,2006.Modeling asymmetric exchange rate dependence.int.Econ.Rev.47,527-556.
基金項(xiàng)目:龍巖學(xué)院博士科研啟動(dòng)項(xiàng)目資助;福建省社會(huì)科學(xué)規(guī)劃項(xiàng)目(FJ2015087)巖學(xué)院科研[2014]18號(hào)。
作者簡介:陳艷聲,博士,龍巖學(xué)院經(jīng)濟(jì)與管理學(xué)院,研究方向:金融工程。