文摘

本文探讨了比特币之间的溢出效应,黄金,原油,主要股票市场通过MSV模型与动态相关性和格兰杰因果关系。DC-GC-MSV模型的实证结果在逻辑上是正确和收敛。DIC的测试结果证明,DC-GC-MSV模型是更好、更准确。比特币没有显著的格兰杰因果溢出效应比其他资产。对股票资产的避险产品,黄金价格单向从股票市场波动溢出效应。此外,原油与股市相关性最高。在最近COVID-19流行和低迷的经济环境下,投资者需要考虑平衡资产配置在低相关和资产,medium-correlation资产,高度相关资产来降低风险。

1。介绍

比特币已经存在了很短的时间,但其影响力正在增加。人们普遍认为,有一定程度的大宗商品市场和股市之间的联系。经过10年的发展,比特币已逐渐被视为类似于黄金投资产品。保持价值和分散风险的能力已经受到了越来越多的关注。早期研究认为,比特币的波动高度内生和投机,就像混乱(1]。一些研究(2,3)表明,七个电子的波动性cryptocurrencies高度随机的,高度混乱,和高风险,所以他们不能被认为是适合套期保值的目的。虽然学术研究才刚刚开始,比特币理论和模型,比特币已成为一个实际的金融产品。特别是在芝加哥商品交易所(CME Group)推出了比特币期货产品,比特币可以合法交易和交易数据标准化。它提供了一个基础为进一步研究波动溢出的比特币。全球经济的不确定性提供了可能性,比特币变成了多元化投资的新篮子4]。一些研究人员(5- - - - - -7)研究了不对称,厚尾,比特币价格波动的长期和短期的特征。cryptocurrencies通常具有厚尾、自相关和不对称(8]。它带来cryptocurrency接近普通石油未来或黄金等金融产品(9]。

黄金一直被视为避风港对冲股票。但越来越多的研究已经提出了不同的看法。文和程10)认为,黄金可以作为一个安全的资产在泰国等新兴市场。相比之下,美元具有更好的降低风险的能力。影响等。11)使用了一个多变量非线性动态测试证明与股票市场波动,黄金具有密切关系不能用于降低股票市场的风险。侯赛因沙赫扎德et al。12)发现,相比之下,债券市场,黄金市场不能使用作为股票市场的对冲工具。黄金需要一些资质相关市场状况之前,可以用作一个工具来对冲风险的其他资产(12,13]。例如,只有当股票和黄金波动率极低或高波动时期,黄金可以作为对冲工具的多样化投资(14]。

溢出效应不同资产之间经常发生在发展中国家和发达市场(15]。许多研究表明,多样化的资产相关性较低是一个重要的对冲方式(16- - - - - -18]。Cryptocurrencies也有溢出效应(19]。2020年,COVID-19了油价和股市恐慌引起的。投资者和研究者试图找到一个新的篮子多元化风险(20.]。

GARCH (21)和SV模型(22)常用于检测价格的波动。MSV模型已被证明是有效和准确的在许多情况下(23]。多元随机波动模型的NP问题可以解决由马尔可夫蒙特卡罗方法(24,25]。已经建立了许多SV模型来解决不同的问题,如非线性(26),意味着27],利用[28),t分布(29日),和双因素30.]。本文建立了一个多元随机波动模型之间的动态相关性和格兰杰因果关系检验每个系列。我们模拟了每个资产之间的波动溢出效应通过马尔可夫蒙特卡罗方法,我们多元化的投资提供建议比特币,黄金、原油及股票资产。

2。多元随机波动模型

2.1。随机波动率模型
2.1.1。基本MSV模型

在方程(1), 收益率序列。 和 未被注意的。 代表收益率在时间t。 代表收益率序列的波动。 代表了独立的收益率序列波动的干扰。 代表了标准误差。 和 收益率序列的连续参数。

2.1.2。GC-MSV模型

在方程(2Yu), (31日]增加了单向格兰杰导致MSV模型首次测试。方程(2)有一种改进的双向格兰杰导致MSV模型试验。当 和 非零,两个序列之间的波动的格兰杰因果关系是显而易见的。 代表了序列1序列2的格兰杰原因。它表明,波动序列2格兰杰原因波动序列1。 代表相反的。 和 代表序列的自相关序列1和2。

2.1.3。DC-MSV模型

在方程(3), 反映了时变动态相关性,从−1比1。于(31日)取得了约束使用费舍尔变换,以下的建议-蔡[32]在3月模型。

2.1.4。DC-GC-MSV模型

在方程(4),我们使用了DC-MSV和GC-MSV模型提高多元随机波动模型。DC-GC-MSV模型的时变动态相关性和格兰杰因果关系检验。当 和 非零,两个序列之间的波动的格兰杰因果关系是显而易见的。 代表了序列1序列2的格兰杰原因。它表明,波动序列2格兰杰原因波动序列1。 代表相反的。 和 代表序列的自相关序列1和2。 反映了随时间变化的动态相关性,从−1比1。

2.2。马尔可夫蒙特卡罗方法和吉布斯抽样

马尔可夫蒙特卡罗方法假定 是一个随机过程,离散集吗 如下:

因此,我们决定一步转移概率的概率:

然后,使用吉布斯抽样如下:(1)抽样 从 (2)抽样 从 (我)抽样 从 。(n)取样 从

遵循一个多元正态分布:

当 ,的分布 将收敛。

3所示。实证分析

3.1。数据和预处理

在本节中,我们选择最重要的货币资产,黄金,石油的未来,和股票指数,包括芝加哥商品交易所集团比特币期货(BC),国际黄金价格(GD)布伦特原油未来价格(BO)和7个主要股指。芝加哥商品交易所比特币期货是世界上最大比特币期货产品,有一个重要的影响货币市场的市场规模和品牌效应。标准普尔,道琼斯和纳斯达克(Nasdaq)是美国主要股指。上证综合指数在中国是一个主要的股票指数。日经225指数在日本是一个主要的股票指数。DAX指数和富时指数股指在欧洲很重要。英国布兰特原油期货是最重要的原油期货产品和对原油市场价格有重要影响。所有资产数据来自公开市场数据。表1资产价格是10的描述性统计结果。

表1
描述性统计。
3.2。参数估计

在本文中,我们使用了WinBUGs软件获得的模型模拟。比特币(BC)和道琼斯指数(DQ)为例,我们老化第10000次迭代。在表2,我们去年100000次迭代模拟如下。

表2
后参数的仿真结果的比特币和道琼斯。

在表2, 反映了比特币的波动的格兰杰原因道琼斯股票市场。 和 几乎是零,这意味着溢出效应不明显。 显示了比特币的波动率是2.497, 显示了道琼斯指数的波动性−0.2231。比特币波动性明显大于股票市场。因此,货币更大的风险比股票。 比特币是0.6768, 是0.9614。这意味着道琼斯指数波动持久性比比特币。在图1,Gelman鲁宾测试结果是好的。每个参数的结果是低于1.1和收敛。本文的仿真结果也收敛。异常信息准则(DIC)是一种流行的方法获得测试模型模拟的结果。在表3DIC测试结果证明DC-GC-MSV模型优于其它模型。


图1
>鲁宾测试结果。
表3
DIC CC-MSV, GC-MSV、DC-MSV DGC-MSV。

如果 和 显著非零,这意味着存在格兰杰因果关系两种资产之间的溢出效应(31日]。我们定义了 和 2.5%分位数大于零,积极的意义。如果只有5%分位数大于零,它可以被定义为subsignificant。表4显示了比特币溢出关系、黄金、和石油。 石油价格是正的这意味着金价单向溢出。表5显示了溢出比特币与股指之间的关系。没有显著的溢出效应。表6显示了溢出黄金和股票之间的关系。 , , , , ,和 是积极的。结果反映出显著的单向溢出从股票到黄金。表7显示了溢出的石油和股票指数之间的关系。标普指数、道琼斯、纳斯达克、和富时双向溢出的石油价格。布伦特原油未来价格会导致单向溢出 因为日本高度依赖原油。作为一个新兴的股票市场,中国股市没有反映出一个重要的溢出比特币,黄金,石油。

表4
比特币之间的格兰杰因果关系的结果、黄金、和石油。
表5
比特币之间的格兰杰因果关系的结果和股票指数。
表6
黄金和股票指数之间的格兰杰因果关系的结果。
表7
之间的格兰杰因果关系导致石油和股票指数。

4所示。结论

DC-GC-MSV模型的实证结果在逻辑上是正确和收敛。DIC的测试结果证明,DC-GC-MSV模型是更好、更准确。(1)比特币有高度的独立性和影响的主要股票市场波动和波动的黄金和原油市场。比特币期货交易的波动显示更多的投机和风险很高。比特币可以用来作为高风险资产配置的组件。但比特币仍然不能被视为一般的金融产品。(2)黄金受到股市的单向溢出,显示,黄金是被广泛认为是对股票资产的避险产品。作为一个金融产品,黄金在资产配置有套期保值功能。(3)原油与股市相关性最高。作为一个高度相关的资产,有必要减少资产分散的比例分配。 Investors need to consider a balanced asset allocation among low-correlation assets, medium-correlation assets, and high-correlation assets to reduce risk. Our further research will try to use the MSV model to hedge between different assets.

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

所有作者的贡献同样研究。

确认

这项工作是支持的重大项目在安徽大学社会科学(SK2020ZD006)和安徽省自然科学基金一般项目(1908085 mg232)。