基于分位数回归的金融市场稳定性检验

中国管理科学 ›› 2011, Vol. 19 ›› Issue (2): 24-29.

基于分位数回归的金融市场稳定性检验

史金凤¹, 刘维奇¹, 杨威²

1. 山西大学管理学院, 山西太原 030006;
2. 山西大学数学科学学院, 山西太原 030006

收稿日期:2010-06-30 修回日期:2011-03-06 出版日期:2011-04-30 发布日期:2011-04-30
作者简介:史金凤(1982- ),女(汉族),山西榆次人,山西大学在读博士,研究方向:金融工程。
基金资助:
教育部人文社会科学研究项目(07JA63002);山西省教育厅人文社科基地研究项目(20093003);山西省研究生创新项目(20081032)

Test for Financial Market Stability Based on Quantile Regression Method

SHI Jin-feng¹, LIU wei-qi¹, YANG wei²

1. School of Management, Shanxi University, Taiyuan 030006, China;
2. School of Mathematical Science, Shanxi University, Taiyuan 030006, China

Received:2010-06-30 Revised:2011-03-06 Online:2011-04-30 Published:2011-04-30

摘要/Abstract

摘要： 本文立足于收益波动率的视角界定了金融市场稳定的内涵,提出了基于分位数回归的检验金融市场稳定的方法,并运用该方法对我国股票市场的稳定性做了实证分析。结果显示,上海股票市场从不稳定状态向稳定状态发展,特别是在美国次贷危机引发的全球金融危机之后较快地进入了稳定状态,该结论同时也通过了来自系统性冲击和波动率周期选取的稳健性检验,并且支持了我国政府应对全球性金融危机出台各项政策的积极效应和正面效应。

关键词: 金融稳定, 波动率, 分位数回归

Abstract: Based on the angles of the volatility,this paper gives a definition of financial market stability, proposes the test based on quantile regression method,and then tests the stability of Shanghai Market using the method.The empirical results show that the Shanghai stock market developed from unstable to stable,and particularly after the global financial crisis triggered by the U.S.subprime mortgage crisis,it has entered a stable state in relatively fast manner.The test method performs robust to the selections of systematic shock and periods of volatility.Meanwhile,the change of stock market stability indicate that a good range of policies for global financial crisis play a role in promoting a stable and healthy development of financial market.

Key words: financial market stability, volatility, quantile regression

中图分类号:

F830.91

史金凤, 刘维奇, 杨威. 基于分位数回归的金融市场稳定性检验[J]. 中国管理科学, 2011, 19(2): 24-29.

SHI Jin-feng, LIU wei-qi, YANG wei. Test for Financial Market Stability Based on Quantile Regression Method[J]. Chinese Journal of Management Science, 2011, 19(2): 24-29.

[1]	许启发, 刘书婷, 蒋翠侠. 基于MIDAS分位数回归的条件偏度组合投资决策[J]. 中国管理科学, 2021, 29(3): 24-36.
[2]	苑慧玲, 徐路, 周勇. 带有市场交易信息和随机微观噪声下的杠杆效应研究[J]. 中国管理科学, 2020, 28(9): 12-22.
[3]	赵华, 肖佳文. 考虑微观结构噪声与测量误差的波动率预测[J]. 中国管理科学, 2020, 28(4): 48-60.
[4]	张同辉, 苑莹, 曾文. 投资者关注能提高市场波动率预测精度吗？——基于中国股票市场高频数据的实证研究[J]. 中国管理科学, 2020, 28(11): 192-205.
[5]	李昊骅, 张晓强, 罗鹏飞, 李心丹. 模糊厌恶下关系型借贷定价和最优贷款利率[J]. 中国管理科学, 2020, 28(10): 36-42.
[6]	刘映琳, 刘永辉, 鞠卓. 国际原油价格波动对中国商品期货的影响——基于多重相关性结构断点的分析[J]. 中国管理科学, 2019, 27(2): 31-40.
[7]	吴鑫育, 赵凯, 李心丹, 马超群. 时变风险厌恶下的期权定价——基于上证50ETF期权的实证研究[J]. 中国管理科学, 2019, 27(11): 11-22.
[8]	朱学红, 邹佳纹, 韩飞燕, 谌金宇. 引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 中国管理科学, 2018, 26(9): 52-61.
[9]	王江涛, 周勇. 高频数据瞬时波动率核估计的窗宽选择及算法研究[J]. 中国管理科学, 2018, 26(7): 1-8.
[10]	凌爱凡, 陈骁阳. 嵌入GARCH波动率估计的B1ack-Litterman投资组合模型[J]. 中国管理科学, 2018, 26(6): 17-25.
[11]	王安兴, 谭鲜明. 基于混合分布的中国股票波动风险因素的识别与分析[J]. 中国管理科学, 2018, 26(2): 86-95.
[12]	龚旭, 林伯强. 跳跃风险、结构突变与原油期货价格波动预测[J]. 中国管理科学, 2018, 26(11): 11-21.
[13]	陈声利, 李一军, 关涛. 基于四次幂差修正HAR模型的股指期货波动率预测[J]. 中国管理科学, 2018, 26(1): 57-71.
[14]	宋亚琼, 王新军. 基于动态估计误差的中国股市波动率建模与预测[J]. 中国管理科学, 2017, 25(9): 19-27.
[15]	刘晓倩, 王健, 吴广. 基于高频数据HAR-CVX模型的沪深300指数的预测研究[J]. 中国管理科学, 2017, 25(6): 1-10.