国内外金属期货市场间的动态联动以及多尺度特征研究——基于时频视角分析
发布时间：2021-02-25 07:11
基于金融市场时间序列具有时变和频变双重特性的考虑,采用二元DCC-GARCH模型和极大离散小波变换（MODWT）分析对2013-2017五年间国内外金属期货市场的动态联动及其多尺度特征进行了实证研究.结果表明:从时域来看,对于不同市场的同种期货,国内外的铜期货市场的联动性要大于铝期货的联动性;对于同一市场的不同期货,国际市场内部间期货产品的联动性更强.从频域上看,短期内,不同市场间的相关性有着显著多尺度分辨的特征,随着交易周期的增大,逐渐趋于一个稳定水平.
【文章来源】：昆明理工大学学报(自然科学版). 2019,44(02)北大核心
【文章页数】：10 页
【部分图文】：
各收益序列的多尺度分解结果
大的浮动．4．3．2小波方差分析按照不同尺度分解随机过程的小波方差，可以得到不同尺度下的分量对过程方差的贡献［34］．由图4可以得出，从整体来看，ＲCUC、ＲALC、ＲCUL、ＲALL的小波方差在尺度1最大，尺度2次之，随着尺度的增加，小波方差不断减小，即波动逐渐减小，这与图3中小波分解结果所呈现的现象相一致．这说明国内外期货市场波动的方差大部分是由较高频的小波系数所提供，也反映了短周期的交易捕捉了大部分能量，是造成期货市场波动的主要因素．但6周以上的投资期限来看，国内外金属期货投资者对市场信息的反应几乎趋于相同．此外，由图4还可知，在各个时间尺度下都存在以下的结论:从同一个市场内不同种期货来看，铜期货的小波方差均大于铝期货的;从不同市场的同种期货产品来看，无论是铜期货铜还是铝期货，国际市场上期货产品的小波方差都大于国内市场的．这是因为无论从交易量还是活跃程度，国际市场都高于国内市场，且铜期货市场都高于铝期货市场，故前者对信息的反应比后者更加灵敏，从而产生了相对较高的市场波动率．表5不同尺度下各收益序列的小波相关系数Tab．5Waveletcoefficientofreturnsequencesatdifferentscales收益序列尺度1尺度2尺度3尺度4尺度5ＲCUL－ＲCUC0.08860.64580.84470.92370.9590ＲALL－ＲALC－0.00830.39940.46370.73310.7544ＲALL－ＲCUL－0.02010.43720.42320.53930.3803ＲCUC－ＲALC0.65620.57680.053390.51920.5225431昆明理工大学学报(自然科学版)第44卷??????????????????????????????????????????????
大的浮动．4．3．2小波方差分析按照不同尺度分解随机过程的小波方差，可以得到不同尺度下的分量对过程方差的贡献［34］．由图4可以得出，从整体来看，ＲCUC、ＲALC、ＲCUL、ＲALL的小波方差在尺度1最大，尺度2次之，随着尺度的增加，小波方差不断减小，即波动逐渐减小，这与图3中小波分解结果所呈现的现象相一致．这说明国内外期货市场波动的方差大部分是由较高频的小波系数所提供，也反映了短周期的交易捕捉了大部分能量，是造成期货市场波动的主要因素．但6周以上的投资期限来看，国内外金属期货投资者对市场信息的反应几乎趋于相同．此外，由图4还可知，在各个时间尺度下都存在以下的结论:从同一个市场内不同种期货来看，铜期货的小波方差均大于铝期货的;从不同市场的同种期货产品来看，无论是铜期货铜还是铝期货，国际市场上期货产品的小波方差都大于国内市场的．这是因为无论从交易量还是活跃程度，国际市场都高于国内市场，且铜期货市场都高于铝期货市场，故前者对信息的反应比后者更加灵敏，从而产生了相对较高的市场波动率．表5不同尺度下各收益序列的小波相关系数Tab．5Waveletcoefficientofreturnsequencesatdifferentscales收益序列尺度1尺度2尺度3尺度4尺度5ＲCUL－ＲCUC0.08860.64580.84470.92370.9590ＲALL－ＲALC－0.00830.39940.46370.73310.7544ＲALL－ＲCUL－0.02010.43720.42320.53930.3803ＲCUC－ＲALC0.65620.57680.053390.51920.5225431昆明理工大学学报(自然科学版)第44卷??????????????????????????????????????????????
【参考文献】：
期刊论文
[1]中国有色金属期货市场波动率预测（英文）[J]. 朱学红,张宏伟,钟美瑞. Transactions of Nonferrous Metals Society of China. 2017(05)
[2]商品期货新合约上市对已有合约波动性影响的实证分析[J]. 龙文,王霖,赵文治. 统计与决策. 2017(06)
[3]基于DCC-GARCH模型对日本股票市场与国际市场波动溢出效应分析[J]. 王皓. 现代日本经济. 2016(05)
[4]价格支持政策改革背景下国内外大豆市场动态关联分析——基于贝叶斯DCC-GARCH模型[J]. 柳苏芸,韩一军,包利民. 农业技术经济. 2016(08)
[5]中国金属期货市场高频波动率预测模型比较研究[J]. 陈晓东. 管理工程学报. 2016(03)
[6]国际金属期货市场交叉影响及其传导效应研究[J]. 张铖,龙美芳. 中国市场. 2016(20)
[7]基于VAR-DCC-GARCH模型的国内外有色金属商品价格联动分析（英文）[J]. 岳意定,刘笃池,徐珊. Transactions of Nonferrous Metals Society of China. 2015(03)
[8]我国有色期货市场国际化发展[J]. 朱江鸿. 中国有色金属. 2014(16)
[9]基于时频分析的农产品期货市场与外汇市场联动关系研究[J]. 熊正德,文慧,凌语蓉. 中国管理科学. 2013(S1)
[10]基于DCC-GARCH模型的金属期货市场与外汇、货币市场的动态相关性研究[J]. 胡东滨,张展英. 数理统计与管理. 2012(05)
本文编号：3050630
【文章来源】：昆明理工大学学报(自然科学版). 2019,44(02)北大核心
【文章页数】：10 页
【部分图文】：
各收益序列的多尺度分解结果
大的浮动．4．3．2小波方差分析按照不同尺度分解随机过程的小波方差，可以得到不同尺度下的分量对过程方差的贡献［34］．由图4可以得出，从整体来看，ＲCUC、ＲALC、ＲCUL、ＲALL的小波方差在尺度1最大，尺度2次之，随着尺度的增加，小波方差不断减小，即波动逐渐减小，这与图3中小波分解结果所呈现的现象相一致．这说明国内外期货市场波动的方差大部分是由较高频的小波系数所提供，也反映了短周期的交易捕捉了大部分能量，是造成期货市场波动的主要因素．但6周以上的投资期限来看，国内外金属期货投资者对市场信息的反应几乎趋于相同．此外，由图4还可知，在各个时间尺度下都存在以下的结论:从同一个市场内不同种期货来看，铜期货的小波方差均大于铝期货的;从不同市场的同种期货产品来看，无论是铜期货铜还是铝期货，国际市场上期货产品的小波方差都大于国内市场的．这是因为无论从交易量还是活跃程度，国际市场都高于国内市场，且铜期货市场都高于铝期货市场，故前者对信息的反应比后者更加灵敏，从而产生了相对较高的市场波动率．表5不同尺度下各收益序列的小波相关系数Tab．5Waveletcoefficientofreturnsequencesatdifferentscales收益序列尺度1尺度2尺度3尺度4尺度5ＲCUL－ＲCUC0.08860.64580.84470.92370.9590ＲALL－ＲALC－0.00830.39940.46370.73310.7544ＲALL－ＲCUL－0.02010.43720.42320.53930.3803ＲCUC－ＲALC0.65620.57680.053390.51920.5225431昆明理工大学学报(自然科学版)第44卷??????????????????????????????????????????????
大的浮动．4．3．2小波方差分析按照不同尺度分解随机过程的小波方差，可以得到不同尺度下的分量对过程方差的贡献［34］．由图4可以得出，从整体来看，ＲCUC、ＲALC、ＲCUL、ＲALL的小波方差在尺度1最大，尺度2次之，随着尺度的增加，小波方差不断减小，即波动逐渐减小，这与图3中小波分解结果所呈现的现象相一致．这说明国内外期货市场波动的方差大部分是由较高频的小波系数所提供，也反映了短周期的交易捕捉了大部分能量，是造成期货市场波动的主要因素．但6周以上的投资期限来看，国内外金属期货投资者对市场信息的反应几乎趋于相同．此外，由图4还可知，在各个时间尺度下都存在以下的结论:从同一个市场内不同种期货来看，铜期货的小波方差均大于铝期货的;从不同市场的同种期货产品来看，无论是铜期货铜还是铝期货，国际市场上期货产品的小波方差都大于国内市场的．这是因为无论从交易量还是活跃程度，国际市场都高于国内市场，且铜期货市场都高于铝期货市场，故前者对信息的反应比后者更加灵敏，从而产生了相对较高的市场波动率．表5不同尺度下各收益序列的小波相关系数Tab．5Waveletcoefficientofreturnsequencesatdifferentscales收益序列尺度1尺度2尺度3尺度4尺度5ＲCUL－ＲCUC0.08860.64580.84470.92370.9590ＲALL－ＲALC－0.00830.39940.46370.73310.7544ＲALL－ＲCUL－0.02010.43720.42320.53930.3803ＲCUC－ＲALC0.65620.57680.053390.51920.5225431昆明理工大学学报(自然科学版)第44卷??????????????????????????????????????????????
【参考文献】：
期刊论文
[1]中国有色金属期货市场波动率预测（英文）[J]. 朱学红,张宏伟,钟美瑞. Transactions of Nonferrous Metals Society of China. 2017(05)
[2]商品期货新合约上市对已有合约波动性影响的实证分析[J]. 龙文,王霖,赵文治. 统计与决策. 2017(06)
[3]基于DCC-GARCH模型对日本股票市场与国际市场波动溢出效应分析[J]. 王皓. 现代日本经济. 2016(05)
[4]价格支持政策改革背景下国内外大豆市场动态关联分析——基于贝叶斯DCC-GARCH模型[J]. 柳苏芸,韩一军,包利民. 农业技术经济. 2016(08)
[5]中国金属期货市场高频波动率预测模型比较研究[J]. 陈晓东. 管理工程学报. 2016(03)
[6]国际金属期货市场交叉影响及其传导效应研究[J]. 张铖,龙美芳. 中国市场. 2016(20)
[7]基于VAR-DCC-GARCH模型的国内外有色金属商品价格联动分析（英文）[J]. 岳意定,刘笃池,徐珊. Transactions of Nonferrous Metals Society of China. 2015(03)
[8]我国有色期货市场国际化发展[J]. 朱江鸿. 中国有色金属. 2014(16)
[9]基于时频分析的农产品期货市场与外汇市场联动关系研究[J]. 熊正德,文慧,凌语蓉. 中国管理科学. 2013(S1)
[10]基于DCC-GARCH模型的金属期货市场与外汇、货币市场的动态相关性研究[J]. 胡东滨,张展英. 数理统计与管理. 2012(05)
本文编号：3050630
本文链接：https://www.wllwen.com/jingjilunwen/qihuoqq/3050630.html