Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Cơ Chế Copula Hỗn Hợp Động Mới để Xem Xét Mối Quan Hệ Tùy Tâm và Phi Tuyến Giữa Lợi Suất Cổ Phiếu và Tỷ Giá Hối Đoái
Tóm tắt
Bài báo này phát triển một copula hỗn hợp động mới, trong đó trọng số động của bốn copula khác biệt được xác định bởi một quá trình hai tầng, nhằm điều tra độ lớn của sự phụ thuộc đuôi trong bốn vùng độc lập. Trong quá trình hai tầng, trọng số của mỗi copula được xác định trước tiên bởi tầm quan trọng tương đối của các cấu trúc phụ thuộc dương và âm, và sau đó bởi các giá trị quá khứ của nó và các quá trình điều chỉnh. Cơ chế trọng số là động theo thời gian trong mỗi tầng. Chỉ tiêu mới này được áp dụng để phân tích các sự phụ thuộc đuôi phi đối xứng giữa thị trường cổ phiếu và tỷ giá hối đoái. Kết quả thực nghiệm cho thấy bốn phát hiện thú vị. Đầu tiên, phương pháp ước lượng xác suất cực đại gần đúng (QMLE) có khả năng phù hợp tốt hơn so với phương pháp suy diễn cho các biên. Hiệu suất tương đối của QMLE không phụ thuộc vào các chỉ tiêu biên. Thứ hai, các thử nghiệm độ phù hợp của copula hỗn hợp động mới có ảnh hưởng quyết định bởi các chỉ tiêu biên. Thứ ba, các phương pháp ước lượng ảnh hưởng đến trọng số hỗn hợp. Bốn sự phụ thuộc đuôi khác biệt được quan sát, cho thấy tầm quan trọng của việc xem xét đồng thời cả bốn đuôi, chứ không chỉ một phần của bốn đuôi. Thứ tư, các sự phụ thuộc dương và âm phi đối xứng là đáng kể. Mỗi quốc gia cho thấy một mẫu tương tự của sự phụ thuộc âm phi đối xứng, nhưng một mẫu khác cho sự phụ thuộc dương phi đối xứng. Những kết quả thực nghiệm này cung cấp những hàm ý quan trọng cho việc phân bổ danh mục đầu tư.
Từ khóa
#copula hỗn hợp động #mối quan hệ tùy tâm #phụ thuộc đuôi phi đối xứng #ước lượng xác suất cực đại gần đúng #phân bổ danh mục đầu tưTài liệu tham khảo
Aloui, R., Aissa, M. S. B., & Nguyen, D. K. (2011). Global financial crisis, extreme interdependences, and contagion effects: The role of economic structure. Journal of Banking and Finance, 35, 130–141.
Barunik, J., & Kley, T. (2019). Quantile coherency: A general measure for dependence between cyclical economic variables. Econometrics Journal, 22, 131–152.
Baumohl, E., & Shahzad, S. J. H. (2019). Quantile coherency networks of international stock markets. Finance Research Letters, 31, 119–129.
Branson, W. H. (1983). Macroeconomic determinants of real exchange risk. In R. J. Herring (Ed.), Managing foreign exchange risk. Cambridge: Cambridge University Press.
Buscher, A., Jaschke, S., & Wied, D. (2015). Nonparameteric tests for constant tail dependence with an application to energy and finance. Journal of Econometrics, 187, 154–168.
Chaban, M. (2009). Commodity currencies and equity flows. Journal of International Money and Finance, 28, 836–852.
Chang, K. L. (2012). The time-varying and asymmetric dependence between crude oil spot and futures markets: Evidence from the Mixture copula-based ARJI-GARCH model. Economic Modelling, 29, 2298–2309.
Chang, K. L. (2017a). A mixed dependence between the exchange rate and international crude oil returns: An application of dynamic mixture copula. Emerging Markets Finance and Trade, 53, 2347–2360.
Chang, K. L. (2017b). Does REIT index hedge inflation risk? New evidence from the tail quantile dependences of the Markov-switching GRG copula? The North American Journal of Economics and Finance, 39, 56–67.
Chang, K. L. (2019). An investigation on mixed housing-cycle structures and asymmetric tail dependences. The North American Journal of Economics and Finance.
Chang, K. L., & Yu, S. T. (2017). An investigation on the relationship between return and trading volume: Asymmetric V-type or asymmetric increasing-type pattern. Quantitative Finance, 17, 1223–1241.
Chen, Y. H., & Tu, A. H. (2013). Estimating hedged portfolio value-at-risk using the conditional copula: An illustration of model risk. International Review of Economics and Finance, 27, 514–528.
Chollete, L., de la Pena, V., & Lu, C. C. (2011). International diversification: A copula approach. Journal of Banking and Finance, 35, 403–417.
Diebold, F. X., Gunther, T., & Tay, A. S. (1998). Evaluating density forecasts with application to financial risk management. International Economic Review, 39, 863–883.
Diebold, F. X., Han, J., & Tay, A. S. (1999). Multivariate density forecast evaluation and calibration in financial risk management: High-frequency returns on foreign exchange. The Review of Economics and Statistics, 81, 661–673.
Dornbusch, R., & Fischer, S. (1980). Exchange rates and the current account. American Economic Review, 70, 960–971.
Frankel, J. A. (1983). Monetary and portfolio-balance models of exchange rate determination. In J. S. Bhandari & B. H. Putnam (Eds.), Economic interdependence and flexible exchange rates. Cambridge, MA: MIT Press.
Hau, H., & Rey, H. (2006). Exchange rate, equity prices, and capital inflows. Review of Financial Studies, 19, 273–317.
Hung, M. C., Wu, C. C., Liu, S. M., & Wu, C. C. (2016). Facts or fates of investors’ losses during crisis? Evidence from REIT-stock volatility and tail dependence structures. International Review of Economics and Finance, 42, 54–71.
Joe, H. (2005). Asymptotic efficiency of the two-stage estimation method for copula-based models. Journal of Multivariate Analysis, 94, 401–419.
Michelis, L., & Ning, C. (2010a). The dependence structure between the Canadian stock market and the USD/CAD exchange rate: A copula approach. Canadian Journal of Economics, 43, 1016–1039.
Liu, B. Y., Ji, Q., & Fan, Y. (2017a). A new time-varying optimal copula model identifying the dependence across markets. Quantitative Finance, 17, 437–453.
Liu, B. Y., Ji, Q., & Fan, Y. (2017b). Dynamic return-volatility dependence and risk measure of CoVaR in the oil market: A time-varying mixed copula model. Energy Economics, 68, 53–65.
Michelis, L., & Ning, C. (2010b). The dependence structure between the Canadian stock market and the USD/CAD exchange rate: A copula approach. The Canadian Journal of Economics, 43, 1016–1039.
Ng, W. L. (2008). Modeling duration clusters with dynamic copulas. Finance Research Letters, 5, 96–103.
Ning, C. (2010). Dependence structure between the equity market and the foreign exchange market—A copula approach. Journal of International Money and Finance, 29, 743–759.
Ning, C., & Wirjanto, T. S. (2009). Extreme return-volume dependence in East-Asian stock markets: A copula approach. Finance Research Letter, 6, 202–209.
Patton, A. (2006a). Modelling asymmetric exchange rate dependence. International Economic Review, 47, 525–556.
Patton, A. (2006b). Estimation of multivariate models for time series of possibly different lengths. Journal of Applied Econometrics, 21, 147–173.
Reboredo, J. C. (2011). How do crude oil price co-move. Energy Economics, 33, 948–955.
Reboredo, J. C., Rivera-Castro, M. A., & Ugolini, A. (2016). Downside and upside risk spilovers between exchange rates and stock prices. Journal of Banking and Finance, 62, 76–96.
Rossi, E., & de Magistris, P. S. (2013). Long memory and tail dependence in trading volume and volatility. Journal of Empirical Finance, 22, 94–112.
Sklar, A. (1959). Fonctions de répartition à n dimentional et leurs marges. Publications Institute of Statistical University of Paris, 8, 229–231.
Sukcharoen, K., Zohrabyan, T., Leatham, D., & Wu, X. (2014). Interdependence of oil prices and stock market indices. Energy Economics, 44, 331–339.
Tiwari, A. K., Trabelsi, N., Alqahtani, F., & Bachmeier, L. (2019a). Modelling systematic risk and dependence structure between the prices of crude oil and exchange ratesin BRICS economies: Evidence using quantile coherency and NGCoVaR approaches. Energy Economics, 81, 1011–1028.
Tiwari, A. K., Trabelsi, N., Alqahtani, F., & Hamoudah, S. (2019b). Analysing systemic risk and time-frequency quantile dependence between crude oil prices and BRICS equity markets indices: A new look. Energy Economics, 83, 445–446.
Wang, Y. C., Wu, J. L., & Lai, Y. H. (2013). A revisit to the dependence structure between the stock and foreign exchange markets: A dependence-switching copula approach. Journal of Banking and Finance, 37, 1706–1719.
Wang, Y. C., Wu, J. L., & Lai, Y. H. (2018). New evidence on asymmetric return-volume dependence and extreme movements. Journal of Empirical Finance, 45, 212–227.
Wu, C. C., & Lin, Z. Y. (2014). An economic evaluation of stock-bond return comovements with copula-based GARCH models. Quantitative Finance, 14, 1283–1296.
Zhang, M. H. (2008). Modelling total tail dependence along diagonals. Insurance: Mathematics and Economics, 42, 73–80.
Zho, J., & Gao, Y. (2012). Tail dependence in international real estate securities markets. Journal of Real Estate Finance and Economics, 45, 128–151.