文摘
网络货币基金(首先)是最广泛的涉及产品在互联网金融产品市场。本研究利用C葡萄树的相关模型来研究风险货币,然后介绍了时变结构的依赖t介体模型来分析不同货币的风险溢出。结果显示如下:(1)网络货币的风险,种以银行为基础的货币基金,基金)货币基金有明显的依赖关系结构,风险程度依赖在不同类别的首先是明显不同的。(2)有溢出效应在不同的货币基金,风险和风险依赖关系的特点是周期性特征。(3)不同货币间的溢出效应明显,风险和动态风险货币基金的特点是同步之间的依赖。
1。介绍
近年来,中国由于关注金融的数字转换,积极促进了现代数字的进一步改善金融体系,也刺激了中国迅速崛起的网络金融产品市场。网络金融产品为“去中介化”投资事务是运用网络信息技术(1]。在互联网的金融产品,互联网货币基金(首先是参与最广泛的产品。首先,也被称为网络货币市场基金,通常收集个人投资者的闲散资金,然后投资基金管理公司的闲置资金获得利润。传统的货币市场基金通常实现”T+2”模式,而imf的主要使用“T+0”或“T+1“订阅和救赎模式。因此,货币基金激增的用户。以Yu说的包为例,其大小约9724.15亿元,2021年第一季度的结束。
然而,一些国际货币基金组织(IMF)平台仍然有问题,如流动性风险,期限错配,和应用程序安全漏洞,进一步加剧货币基金市场风险的不确定性。2020年初,突然COVID-19爆发大流行造成了严重影响离线和在线金融,让互联网金融产品市场更有活力的和脆弱的。由于依赖关系风险,风险的积累和叠加网络金融产品市场的加速,也很快就会导致个人传播的其他金融产品的市场风险,形成风险的溢出效应。在post-COVID-19时代,至关重要的是政府充分重视预防和控制货币市场的风险。
在这种背景下,货币基金的市场风险有依赖结构吗?有风险,不同类别的货币之间的溢出效应?首先变化的依赖动态如何?上述问题仍需进一步探索和讨论。本研究使用规范化葡萄连系动词(C葡萄树连系动词)模型检验的风险溢出效应和动态依赖基于时变的货币之一t介体模型提供有价值的参考和建议的风险预防和控制网络金融产品市场。
2。文献综述
适当的货币流动性的主要关心的是货币基金。杨et al。2)表明,流动性风险被视为保于本部的投资策略的主要因素。采用美国货币市场基金的具体投资组合,阿夫塔和Varotto表示3)发现这些影子银行业重要球员都容易受到流动性冲击。董et al。4和陈等。5]调查网络金融和商业银行之间的联动效应。董et al。4)发现,网络金融的发展对银行的流动性产生负面影响。与此同时,陈等人。5]作证说,网络金融的创新显著增加商业银行的冒险行为。
一些研究分析风险的影响在网络金融产品市场。谭et al。6)进行了深入的案例研究Yu说的包。费尔南德斯et al。7)采用自回归分布滞后(ARDL)模型和分析数字金融服务的贡献在莫桑比克金融包容。王,本8)检查之间的关系网上购物和电子商务投资货币市场基金基于中国家庭金融调查数据集的数据。
的风险之间的关系和网络金融产品市场,唱et al。9]认为,货币基金市场的恐慌可能引发的不信任在基金经理的操作。Qi et al。10]发现信用风险和个人信息风险是至关重要的元素,影响网络金融的发展。从互联网的角度金融产品市场风险,熊等。11)提出了一个合理的网络金融产品市场为个人或家庭投资组合计划。从复杂系统的角度来看,徐et al。12]探索不同风险因素在互联网金融危机之间的关系,得出的结论是,风险是通过互联网向外传播的内部循环融资。风扇等。13)考虑信用风险作为一个网络金融发展的基本问题,在中国网上贷款进行了深入研究。
介体可以有效地测量非线性相关性和尾巴的依赖。然而,常规介体模型不能建立多变量模型。因此,贝德福德和库克(14,15)提出了葡萄树介体模型来解决这个问题。葡萄树介体模型可以描述变量之间的两两相关结构,提高建模的灵活性。因此,葡萄树接合部被广泛用于研究金融市场的风险依赖结构和风险溢出。Pourkhanali et al。16)使用C葡萄树接合部和可拉的葡萄树连系动词(D葡萄树连系动词)研究国际金融机构之间的关系,并分析了复杂的借款人之间的依赖直观的系统风险模型。Syuhada和哈基姆(17]cryptocurrency为研究对象,进行了风险根据风险投资组合结构的依赖。Hadded et al。18和肖19]研究了风险依赖结构使用葡萄介体在股票市场,和肖19)进一步看着时期股票市场波动的风险溢出效应和抑郁。
考虑时变的特征变量,一些研究人员利用时变介体模型研究动态依赖结构和金融市场之间的溢出效应。燕et al。20.]研究金融市场的尾巴依赖时变t介体模型,并给出了最优投资组合选择。一些研究人员也使用时变介体模型来研究一个特定的金融市场。Duong和黄齐(21和吴et al。22研究了股票市场的风险。后者关注人民币汇率和股票溢出效应的影响,发现他们之间的积极关系。汉et al。23)使用了一个时变的相关分析之间的动态依赖金融资产和构造投资组合风险价值(VaR)模型。拉赫曼et al。24,25]研究了极端依赖和风险溢出比特币和贵金属使用时变联结关系,后来研究了依赖结构和发现风险的存在溢出效应之间的比特币和伊斯兰的股票。
现有的研究主要集中在分析单一风险或投资组合风险在金融市场,和一些定量分析和实证研究进行了不同类别的货币风险的依赖关系和动态风险溢出。在这种情况下,它的现实意义研究的风险依赖货币基金和分析风险溢出的方向和强度的货币稳定,网络金融产品市场的可持续发展。
3所示。数据源和预处理
3.1。数据选择
风从数据库收集样本数据,首先分为三类,包括网络货币基金(强度),种以银行为基础的货币(银行),和基金)货币基金(基金)。强度主要是指由第三方支付机构首先停靠;银行是指由银行首先停靠,而基金是指货币基金由基金公司对接。我们的研究跟着风的类别。五个代表基金分别为每个类别选择。15个样品首先选择根据他们的类别,基金规模,建立,行业代表性,等等。样本的基本信息首先表所示1。
为了保证数据的连续性,15的七天的年化回报率(%)首先被记录 。数据涵盖了2016年1月31日,2020年1月31日。有1462的观察每个基金回报系列删除无效值后,总计21930的观察。
3.2。描述性统计
一阶差分的原始数据被用来获得对数七天的年回报率一系列示例首先,表示 反映基金收益的波动。我们计算如下:
表2介绍了描述性分析的结果。
强度的平均收益率系列、银行和基金用作返回系列和一阶差分。一阶差分后的描述性统计如表所示3。
根据表2和3的平均值log-return系列 和三个类别的货币基金接近于0,特征如“肥尾”和“nonnormality”,所以t分布可以被认为符合log-return系列的三个类别。
3.3。稳定性试验
时间序列的异方差性和自相关是常见的特征的货币。因此,进行稳定性试验 。根据表4,它可以发现ADF检验统计是统计学意义,表明 log-return一系列三个类别的货币是稳定的。
3.4。拱效应试验
强度,拱效应测试之前,银行,基金应做自相关。以银行为例,首先,银行系列进行自相关检测在滞后第36订单直到在第36 Q-Stat秩序的绝对值大于0。的Q-Stat价值,结果表明通过了显著性检验,表明银行系列的自相关的存在。根据银行系列自相关测试的结果,AR(1)和比较,建立了AR(2)和订单由AIC和SC最低标准。结果表明,AR(2)有更好的结果和AR(1)的回归系数和AR(2)是重要的。最后,ARCH-LM测试执行和滞后的长度设置为2。结果表明,f统计量的值是0.002。因此,银行系列有一个拱效应,和GARCH模型可以应用。
同样,上面的测试进行了强度和基金系列。结果显示在强度自相关和拱效应,银行和基金,提供了先决条件使用边缘分布构建一个模型来描述风险货币之间的依赖。
4所示。模型设计
葡萄树的相关模型介绍了描述依赖结构,在多个货币风险,形成多层树结构图,然后实现多个依赖结构的测量。随后,一个时变t介绍了介体模型计算风险溢出和分析动态依赖的变化在不同的货币。
4.1。边缘分布模型
数据测试表明,所选择的强度,银行和基金系列是有偏见的,非正规的,肥尾的峰值,autocorrelated、波动聚集。因此,当log-return建模和分析,有必要消除自相关,波动性聚集,等等。因此,可以使用AR模型和GARCH模型。Katsiampa [26和马等。27)指出,金融时间序列的GARCH模型更准确,和t分布能够更好地描述金融时间序列数据的非正态的特征。由于这一事实,强度的边际分布,银行,基金估计使用AR (1) garch (1,1) -t模型。结果如表所示5。
结果显示在表中5的AIC和SC值log-return imf的相对较小的系列模型,模型可以被认为是更适合数据。估算剩余系列 ,标准化的残余系列派生,新系列是通过MATLAB。根据K- - - - - -年代测试结果,可以认为,货币的边际分布序列 标准是独立同分布的均匀分布。然后,分析了新的残余系列介体模型。
4.2。C-Vine结构和建模
葡萄树结构克服了限制,传统的连系动词不能精确测量不同的依赖结构在多个变量。它将多变量划分为二元结构和选择适当的相关函数建立联合分布根据变量之间的具体特征。有两种常见的葡萄树结构:C葡萄树连系动词,D葡萄树连系动词。的C葡萄树连系动词适用于主要变量的情况导致其他变量,和D葡萄树接合部的理想情况下,变量之间的关系是相对独立14,28]。估计的参数C葡萄树连系动词,D分别为葡萄接合部(结果见下表6)。
根据表6AIC和BIC值C葡萄树比在更小D葡萄树。考虑到减少的可能性和模型选择准则AIC和BIC,本研究选择了C葡萄树的相关分析三种货币的依赖结构风险。
的分解C葡萄树接合部被指定为 在哪里F条件分布,f是密度函数,c是有条件的密度。
4.3。时变t介体模型和
考虑到不同的强度依赖和时变特征,银行和基金,我们建立了时变t介体模型来描述动态强度之间的依赖关系,银行和基金更准确地评估他们的链接相关性和蔓延的相关性。考虑到风险联动的动态和复杂的自然过程,谢霆锋和崔的想法29日]介绍了这里描述的动态变化系数的时变的依赖t介体模型: 在哪里的线性相关系数是两个随机变量概率综合改造,样本的相关系数在滚动窗口期,R样本的协方差系列,米和n是未知参数估计的方程。
GARCH模型是用来计算VaR预测强度的波动,银行,基金和模型的波动模式。GARCH(1,1)模型被指定为 在哪里收益率的时间序列,是收益率的干扰,条件方差,是独立同分布的白噪声序列, 模型参数, 。
柯伐合金是指其他的风险货币在一定置信水平的影响,当某些货币在一定时间内产生风险。柯伐合金的方程如下: 在哪里问信心水平和吗VaR的基金吗一个和基金b。
艾德里安和艾登(30.)抓住了尾巴之间依赖金融体系作为一个整体,通过使用特定的机构 。艾德里安和艾登的研究基础上,risk-added价值作为一个索引来衡量风险的溢出。的计算可以概括为 在哪里从国际货币基金组织(IMF)的风险溢出一个对国际货币基金组织b和国际货币基金组织(IMF)的无条件的VaR吗一个。
5。实证结果与分析
5.1。分析风险的依赖结构
的C葡萄树连系动词用于货币之间的依赖结构模型。肯德尔秩相关系数τ两个变量之间的计算R语言(见表7)。
每一层的C葡萄树有一个关键节点,主要影响其他节点。结果显示在表中7、基金选择的关键变量C葡萄树连系动词结构。图1显示了基于依赖结构C葡萄树连系动词。
我们可以看到在图1,有两棵树:(j= 1,2)。第一层是基金的主要轴心点1,这是连接到银行2和强度3,每条边对应pair-copula密度。
为了选择一个合适的介体模型来衡量货币的依赖结构,有必要观察序列分布散点图和频率图。以第一层结构为例,情节和图所示的数据2- - - - - -5。
数据显示2和4,虽然散射分布面积广,主对角线上的分布更明显。数据3和5可以直观地显示尾两个序列之间的相关性,显示出上、下尾相关性银行和基金。
的t连系动词,高斯相关,克莱顿介体建模,分别。参数估计结果(见表8)表明,t连系动词是最适当的AIC准则的模型研究。
基金货币之间的关系中的关键节点。从第一层表8每个类别的货币显示高无条件的依赖。在第二层,INTE-BANK |基金表示条件相关,这意味着该基金必须使用的已知信息C葡萄树介体强度时安装了银行。
其中,相关系数INTE-FUND和银行基金的第一层是积极的,和银行基金的相关系数是最高的,这表明银行基金的回报率是更有可能在同一方向移动。在第二层,INTE-BANK的相关系数是积极的基金作为一个已知条件时,和银行和强度的回归也将朝着同一个方向。
5.2。衡量风险的溢出效应
基于上述结果,时变t介体模型被引入作为一种计算柯伐合金价值观和货币之间的VaR值。然后,溢出效应值计算分析的方向和强度的风险溢出强度中,银行和基金。
的VaR值强度、银行和基金系列及其平均值如表所示9。
基金的VaR值是0.2034,这是比强度更大的银行(0.1169)和(0.0830),表明该基金产品面临最重要的风险。可能的原因是,该基金的资产配置更著名的债券和证券和现金持有量比强度和银行。从时间的角度来看,银行和基金的VaR值都显示一个总体上升趋势从2016年到2019年。与此同时,强度显示波动下降,表明强度的风险监管措施近年来发挥了特殊作用。
时变参数估计t介体模型。结果如表所示10。
的序列图pair-to-pair风险溢出首先基于之间的关系结果如图6- - - - - -8。
数据6- - - - - -8显示,货币基金的风险溢出效应表现出周期性的特点。货币基金有更明显的风险溢出效应在2017年9月,在2019年4月,2019年10月后,分别。货币基金风险溢出的发生概率是央行的政策密切相关;对大多数投资货币基金的现金、银行存款、央行票据等。2017年9月30日,中国人民银行下调存款准备金率0.5%,和2019年3月,十年期政府债券收益率在中国今年的最低点。这些政策可以解释货币基金的风险溢出效应。因此,宏观经济政策的变化发挥影响力的作用在国际货币市场的风险溢出。
不同货币之间的风险溢出是定向。从每年的风险溢出效应的角度,从银行基金是巨大的,从2016年到2018年逐年增加。而从基金银行相对较小,这表明银行产生风险时,他们更有可能感染该基金产品。然而,基金的风险溢出效应发生时,它不会对银行产生重大影响。
盾的实证研究等。4和陈等。31日)表明,有互联网金融和银行业之间的相互因果关系。总的来说,我们的实证结果强度和银行之间的风险溢出效应类似于他们的研究,但仍有差异。
的溢出强度的绝对值从强度大于银行,从银行到强度,这表明强度的波动溢出效应,银行更大。的从强度基金相对较小,而基金的风险溢出强度相对较大。结果表明,强度会受到基金时,基金在风险的影响。但相反,基金显然不是受到强度的影响。2019年,尽管银行和强度之间的双向风险溢出价值相似,银行和基金之间的溢出的方向发生了改变。基金的风险发生时,它可能会传播给银行。
一般来说,风险确实存在溢出现象近年来不同货币之间。(1)基金在银行和强度有显著影响。有明显的趋势,从该基金的风险溢出到其他货币,表明一旦某个基金产品产生的风险,它将很容易影响整个货币市场。图8也显示,溢出的峰值在2019年10月,表明强度和银行都是容易受到基金。基金产品份额强度所产生的风险和银行产品的一部分风险发生的概率,同时增加强度和银行产品。(2)均值溢出的风险从银行资金是最大的,而强度银行的风险溢出效应显示了波动下降的趋势。
5.3。动态依赖性分析的风险溢出
为了显示强度之间依赖关系的变化,银行和基金,时变t连系动词用于动态依赖系数序列(见图9- - - - - -11)。
数据9- - - - - -11显示动态强度之间的相关系数,银行和基金的范围内上下波动(−0.3,0.3),这是完全不同于肯德尔秩相关系数结果的C葡萄树介体模型。它表明,肯德尔秩相关系数不准确显示风险货币之间的依赖。银行和基金之间的动态相关系数仍为0.09基本上不波动,这是相关的参数的值在表310,动态相关系数的趋势变化更平稳时参数的值3更接近于1。
估计时变参数的值3t介体模型是0.8705、0.7623和0.9301,表明依赖的趋势变化之间的银行和基金是稳定的。获得的动态相关系数进行描述性统计。结果如表所示12。
INTE-BANK的平均值是0.0721,正相关比率为73.5%,而INTE-FUND 0.0513和70.7%,银行基金是100%和0.0940。这些结果表明,有一个强度和银行之间的正相关关系,强度和基金,银行和基金的大部分交易时间。相对来说,银行基金在交易过程中始终保持强烈的正相关。考虑到银行产品价格的上升和下降可能配合基金产品,一些银行与基金公司也有业务关系,导致cross-influence之间的银行和基金。
的山谷和峰值,INTE-BANK INTE-FUND差别并不是很大,他们都显示类似的周期性变化。银行基金的最大和最小值在一个小小的不同数量级。由于大规模的强度和范围广泛的产品,它将有更大的关联与银行和基金在某些时期,和变化的概率相同或相反的回报很高。的波动(标准偏差),银行基金波动非常顺利,而标准差INTE-BANK和INTE-FUND之间的差异为0.03,表明INTE-BANK的波动程度是最大的,其次是INTE-FUND。序列图(数据9- - - - - -11)也表明INTE-BANK和INTE-FUND一直处于更大的波动,表明该基金和银行收益率维持弱正相关,与积极的还是消极的关系强度和其他货币基金收益率随时间变化。
总之,从2016年1月31日,1月31日,2020年,INTE-BANK INTE-FUND显示显著正相关的大部分交易时间。作为一个整体,波动很大的依赖关系,这些货币基金的盈利和亏损都是同步的。其中,银行基金在交易过程中保持正相关关系,及其波动程度几乎为零,这意味着它们之间的依赖和关联的趋势是最稳定的。
6。结论
我们的研究选择15货币基金进行实证分析。的C葡萄树的相关模型被选中来分析依赖强度的结构,银行,基金。然后时变t介体模型引入计算它们之间的风险溢出。获得的结论如下。
首先,有一个明确的风险依赖结构强度,银行,基金。其次,风险货币的溢出效应确实存在,在周期性风险的溢出效应是相似的,不同类别之间的风险溢出有方向性。第三,INTE-BANK和INTE-FUND显示正相关在大多数交易时间和波动,而银行基金在交易过程中保持了显著的正相关和有一个更稳定的依赖关系。
本研究阐明了研究货币的依赖结构和风险溢出,和研究结果表明,投资者应该清楚地明白,首先不能保证绝对的回报。他们应该注意返回货币基金的规模和不同的风险指标。和投资者可以进一步优化他们的投资组合风险的基础上,不同货币之间的依赖关系。
尽管如此,这项研究有一些局限性。例如,当我们使用15货币基金为样本,样本规模的进一步扩张被认为是获得更准确的研究成果。此外,我们使用了C葡萄树连系动词,D葡萄树介体在实证测试,我们会考虑更多的接合部功能在未来的研究和选择最佳拟合的相关模型。
数据可用性
所有数据用于支持本研究的发现从风数据库,下载和使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突的有关这项研究的出版物。
确认
这项研究得到了国家自然科学基金(11271007)、山东省自然科学基金(ZR2018BG002),山东科技大学人才引进基金(2017 rcjj066),和山东人文和社会科学(19-ZC-JJ-08)。此外,作者要感谢宣苗和刘Zuyu帮助在这个研究。