基于安全投资转移视角的风险相关性研究
2021-06-15尘娜金秀
尘娜 金秀
摘 要:投资者根据市场状态变化进行安全投资转移,引起资产间的资金流动和风险相关性变化。利用Markov状态转移模型识别市场状态,订单流差异衡量安全投资转移,基于CAPM的标准化协方差矩阵衡量风险相关性。研究发现:我国股市存在熊市、横盘和牛市三种状态,横盘状态下安全投资转移水平急剧提升。在时间维度上,横盘状态下安全投资转移对行业间风险相关性的影响最大;在截面维度上,同一状态下安全投资转移对安全型行业-风险型行业所组成行业对的风险相关性影响程度最大。结果表明,安全投资转移引起行业间风险相关性负向变化,使得行业间风险相关性减少。投资者同时配置受安全投资转移显著影响的安全型和风险型资产,可以降低投资组合系统性风险。
关键词:风险相关性;安全投资转移;市场状态;订单流差异
中图分类号:F 832.5
文献标志码:A
文章编号:1005-9679(2021)02-0015-07
Abstract:As the market regime shifts, flight-to-quality causes capital flowing and risk correlation changing among assets. Markov regime switching model is used to identify market regimes, order flow difference is used to measure flight-to-quality, and risk correlation is measured by standardized covariance matrix of CAPM. The empirical analysis show that:There are bear, sideway and bull regimes and flight-to-quality sharply increase in sideway regime. In the time dimension, the effect of flight-to-quality is biggest in sideway regime; in the cross-sectional dimension, the effect on safe industry-risk industry is biggest. The results show that the negative change of cross-industry risk correlation will decrease risk correlation. Investors can reduce the systemic risk of portfolio by allocating both safe and risk assets which are significantly affected by the flight-to-quality.
Key words:risk correlation; flight-to-quality; market regime; order flow difference
資产间的风险传导渠道通常分为两大类:真实联系渠道和信息渠道。在真实联系渠道上,风险相关性取决于实体经济中的实质性物理联系,例如国家间的进出口贸易、国民经济部门间的投入产出等。在信息渠道上,风险相关性取决于金融市场中的投资者交易行为,资产间没有实质性联系。Debarsy等(2018)评估风险传导渠道的相对重要性,结果发现信息渠道上的风险传导较重要。学者们越来越关注信息渠道上投资者交易行为所引起的风险传导,一些学者基于安全投资转移视角研究资产间的风险相关性。
受经济周期的影响,股市常常表现出非线性、动态的结构性变化,其运动轨迹在不同状态下交替演进。投资者对某一市场状态产生恐慌,则卖出风险型资产而买入相对安全的资产,产生安全投资转移。安全投资转移引起资产间资金流动和风险相关性变化。第一,安全投资转移受市场状态影响,然而相关研究结论存在争议。Cho等(2016)和Li等(2016)研究表明,在熊市状态时,投资者对不景气市场感到恐慌进而发生安全投资转移;而Kaul等(2017)研究表明,在牛市状态时,投资者对未来市场恶化感到恐慌,进行套期保值而发生安全投资转移。第二,关于安全投资转移与风险相关性的相关研究。Cho等(2016)利用国际净资本流动捕捉安全投资转移,解释货币市场与股票市场的相关性;Bethke等(2017)利用信用风险因子和流动性风险因子的相关性捕捉安全投资转移,结果表明风险因子相关性变化影响债券相关性。然而,安全投资转移是指,当投资者感到恐慌时,卖出风险资产并买入安全资产的交易行为。由于安全投资转移是在投资者感到恐慌的情况下发生的,所以它是一种积极主动的交易行为。在已有安全投资转移与风险相关性的相关研究中,国际净资本流动和风险因子相关性并不能反映投资者的积极主动性。Kaul等(2017)以大规模蓝筹公司股往往比小规模融资受限公司股是更安全的投资为前提假设,利用大规模股票与小规模股票订单流差异捕捉安全投资转移。根据买单和卖单的识别方法,买单(卖单)为成交价格高于(低于)买卖报价中点订单,说明买家(卖家)更加急迫希望达成交易而选择妥协,因而订单流差异可以捕捉投资交易的积极主动性。
2008—2009年,由于行业间的风险相关性,始于金融行业的危机迅速传染至其他行业,最终席卷整个经济金融系统,引起全球性金融危机。行业间的风险相关性对风险管理和投资组合十分重要。本文选择行业资产作为样本,基于安全投资转移视角研究行业资产间的风险相关性。本文贡献体现在以下两个方面:第一,与以往直接采用两种状态的文献不同,本文利用Markov状态转移模型识别我国股市的状态,分析不同状态下的安全投资转移特征,从新兴市场角度为争议性话题提供新的证据;第二,采用订单流差异衡量安全投资转移,捕捉该行为的积极主动性,从时间和截面双重维度研究安全投资转移对行业间风险相关性的影响,并提出了新的投资策略。
1 模型构建
1.1 Markov状态转移模型
1.2 安全投资转移测度模型
采用Kaul等(2017)的订单流差异衡量安全投资转移,计算订单流差异步骤如下:
第一步,采用Lee和Ready(1991)的方法区分买单和卖单。将每笔交易的成交价与买卖双方报价的中点进行比较,当成交价格高于报价中点价格时,则认定该笔交易为买单,反之为卖单:
第二步,计算股票订单流。将第t月所有买单交易金额与卖单交易金额之差定义为股票订单流,并通过总交易金额对订单流进行标准化处理
第三步,根据上一年最后一个交易日所有股票的账面市值比和规模进行双重分组。首先,按照账面市值比对所有股票进行排序,依据30%、70%分位将所有股票分为3组,构建低(L)、中(M)、高(H)账面市值比股票组合;然后,在每个账面市值比组内按照规模将股票均分为2组,构建小(S)、大(B)规模股票组合,共形成6组股票组合。计算6组股票组合订单流均值SLt、SMt、SHt、BLt、BMt、BHt。订单流差异定义为大规模股票组合平均订单流与小规模股票组合平均订单流之差:
1.3 风险相关性测度模型
利用基于CAPM的标准化协方差矩阵衡量资产间的风险相关性。在第t月,根据资本资产定价模型(CAPM),行业收益率为
利用各个行业的总风险对行业间风险相关性进行标准化处理,第t月行业i与行业k之间的风险相关性为
1.4 状态依赖下的安全投资转移与风险相关性的回归模型
第一步,对行业进行分类。行为金融学研究表明,出于有限注意和信息缺乏等原因,投资者往往依据资产的某种属性,人为地进行资产分类,并据此进行投资交易。安全性是一种重要的资产属性,可能成为投资者的分类依据,因而行业的安全性类型可能影响安全投资转移,进而影响截面维度风险相关性。
(1)在状态st期间,利用贝塔系数衡量行业安全性。状态依赖下的资本资产定价模型(CAPM)为
(2)根据行业安全性大小对行业进行分类。将10个行业按照安全性由高至低均分为2类,安全性较高的5个行业为安全型行业(s),安全性较低的5个行业为风险型行业(d)。
第二步,计算状态依赖下的安全投资转移对风险相关性的影响。
(1)根据行业的安全性类型,组成3种行业对。安全型行业与安全型行业组成的行业对(ss)10组、风险型行业与风险型行业组成的行业对(dd)10组和安全型行业与风险型行业组成的行业对(sd)25组。
(2)在状态st期间,利用回归模型计算安全投资转移对风险相关性的影响。状态依赖下的安全投资转移与风险相关性的回归模型为
2 实证分析
2.1 数据选取
由于2005年之前的日内高频交易数据过少,本文选取2005年1月至2017年12月沪深300指数及所包括的行业分类指数为研究对象。行业分类指数依次为能源、材料、工业、可选、消费、医药、金融、信息、电信、公用10个行业。市场和行业的收益率定义为收盘价的自然对数差,即yt=100(lnpt-lnpt-1),p1为沪深300指数和行业指数的收盘价。数据来自Wind数据库和国泰安中国证券市场交易高频数据库。
2.2 市场状态分析
根据式(1)至式(3),采用Matlab_2016b软件的MS_Regress工具箱估计Markov状态转移模型。根据对数似然值和AIC值,发现我国股票市场最可能存在三种不同的状态。三种状态的Markov状态转移模型的估计结果如图1和表1所示。
由图1可以看出:Markov状态转移模型可以很好地划分市场状态。样本期内,中国股票市场分别出现一次明显的牛市(2006年12月—2009年11月)和熊市(2009年12月—2014年3月),两次频繁的状态交替(2005年1月—2006年11月、2014年4月—2017年12月),频繁状态交替期间的市场整理形成横盘状态。牛市期间正是股权分置改革、全面炒股期间;熊市期间与IPO重启、货币政策紧缩时间一致;2005年1月—2006年10月国有股减持与恢复股市机能政策的拉锯战使得市场状态频繁交替;2014年4月—2017年12月国际资金注入与场外配资清理造成状态频繁交替。
由表1可以看出:①由Panel A可以看出,熊市、横盘和牛市三种状态持续的概率都较高,说明三种状态都是比较稳定的。②由Panel B、C可以看出,三种状态的期望收益率和波动率不同。三种状态中横盘状态的波动率最低,与实际市场中的“牛皮整理”现象相一致。实际市场中横盘状态下股市无明显的上涨或下降趋势,波动幅度较小,价格如同被钉住,如牛皮坚韧,称为“牛皮整理”。
2.3 状态依赖下的安全投资转移分析
根据式(4)-(5),利用全部A股日内分笔交易高频数据计算订单流差异。根据图1的状态划分结果,得到不同状态期间的安全投资转移如图2所示。
由图2可以看出:三种状态下都存在安全投资转移,并且横盘状态期间安全投资转移水平急剧提稓(如图2中黑色箭头所示)。在市场进入横盘状态时安全投资转移水平螺旋式提升;随着横盘状态时间增长,由于横盘状态的“牛皮整理”特征,投资者难以把握市场方向,心理崩溃形成严重恐慌情感,最终引起安全投资转移行为水平急剧提升。
本文通过Markov模型識别市场状态数量,为安全投资转移的相关研究做出贡献。在以往关于安全投资转移的研究中,出于简化计算目的,学者们直接采用两种状态,忽略了横盘状态,得出相反的结论。通过表1和图1、图2可以看出,中国股票市场存在三种状态,并且在横盘状态期间安全投资转移水平急剧提升,从而从新兴市场角度为争议性话题提供了新的证据。
2.4 状态依赖下的风险相关性分析
根据式(6)至式(8),计算风险相关性期望时间序列。不同状态st期间,风险相关性期望时间序列的描述性统计结果如表2所示。
由表2可以看出:不同状态下的风险相关性存在明显差异。横盘状态下风险相关性的标准差最大,说明横盘状态下风险相关性不稳定性较高,投资者进行风险管理和投资组合的难度较大。
2.5 状态依赖下的安全投资转移与风险相关性回归模型估计结果与分析
第一步,行业分类分析。根据式(9),对行业进行安全性分類,结果如表3所示。
由表3可以看出:行业分类结果与实际市场中行业的特点相符合。例如,在三种状态下医药行业均属于安全型行业。在实际市场中医药行业一直受国家宏观政策的控制,并且行业产品的需求弹性较小,因而医药行业在整个经济周期的表现都很稳定。
第二步,安全投资转移对风险相关性的影响分析。根据式(10),估计安全投资转移对风险相关性的影响,结果如表4至表6所示。
由表4至表6可以看出:①安全投资转移造成行业间风险相关性负向变动。安全投资转移对风险相关性的影响系数为负值,说明跨行业安全投资转移引起资金在行业间流动,使得一个行业资产的买进资金力量增强、风险降低,而另一个行业资产的买进资金力量减弱、风险增大,最终造成风险相关性减少。
②在时间维度上,横盘状态下安全投资转移对行业间风险相关性的影响最大。已有研究采用两状态,忽视了横盘状态下安全投资转移对风险相关性的影响。横盘状态下安全投资转移对风险相关性的影响最大,与图2中横盘状态下安全投资转移水平急剧提升的结论是一致的。横盘状态下安全投资转移引起行业间资金流动量变化最大,进而导致行业间风险相关性的变动最大。
③在截面维度上,同一状态下安全投资转移对安全型行业-风险型行业所组成行业对(sd)的风险相关性影响最大。为了提高所持有投资组合的安全性,具有安全性偏好的投资者根据行业安全性分类结果进行安全投资转移,引起资金在安全型行业资产与风险型行业资产间流动,进而导致安全型行业-风险型行业所组成行业对(sd)的风险相关性变动最大。
④本文结论提供了一种新的投资策略。安全投资转移引起行业间风险相关性负向变化,使得行业间风险相关性减少。投资者同时配置受安全投资转移显著影响的安全型和风险型资产,可以使得投资组合的标准化协方差减少、系统性风险降低。尤其是,在无明显未来走势的横盘状态时期,投资者除了进行安全投资转移,还可以考虑利用安全投资转移所引起的资产间风险相关性负向变化,同时配置安全型和风险型资产。
3 结论
经济全球化、金融一体化加速了全球性资本流动,金融市场上资产间联系日益紧密。网络信息技术和金融衍生产品促进了金融资产间的相关性,更容易造成单一资产问题透过资产间的相关性而形成系统性风险。因此,在市场越发达、投资渠道越多元化的同时,资产间的相关性对于风险管理和投资组合更加重要。本文基于安全投资转移视角研究风险相关性,结果表明:第一,我国股市存在熊市、横盘和牛市三种状态。横盘状态下股市无明显的上涨或下降趋势,投资者难以把握市场方向,心理崩溃形成严重恐慌情感,安全投资转移水平急剧提升。第二,安全投资转移引起资金在行业间流动,导致行业间风险相关性负向变动;在时间维度上,不同状态下安全投资转移对行业间风险相关性的影响不同。横盘状态下安全投资转移引起行业间资金流动量变化最大,因而对行业间风险相关性影响最大;在截面维度上,同一状态下安全投资转移对不同行业对的风险相关性影响不同。具有安全性偏好的投资者根据行业安全性分类结果卖出安全风险型行业资产、买入安全型行业资产,因而对安全型行业-风险型行业所组成行业对的风险相关性影响最大。
本文研究对投资决策具有一定的参考价值。安全投资转移使安全型行业-风险型行业之间风险相关性负向变动最大,投资者可以考虑同时配置受安全投资转移显著影响的安全型和风险型行业资产,降低投资组合的系统性风险。
参考文献:
[1] GOREA D, RADEV D. The Euro area sovereign debt crisis:can contagion spread from the periphery to the core? [J]. International Review of Economics and Finance, 2014, 30(2):78-100.
[2] BEKAERT G, EHRMANN M. The global crises and equity market contagion [J]. The Journal of Finance, 2014, 69(6):2597-2649.
[3] BLASQUES F, KOOPMAN S J. Spillover dynamics for systemic risk measurement using spatial financial time series models [J]. Journal of Econometrics, 2016, 195(2):211-223.
[4] DEBARSY N, DOSSOUGOIN C. Measuring sovereign risk spillovers and assessing the role of transmission channels:a spatial econometrics approach [J]. Journal of Economic Dynamics and Control, 2018, 87:21-45.
[5] TU J. Is regime switching in stock returns important in portfolio decisions? [J]. Management Science, 2010, 56(7):1198-1215.
[6] CONNOLLY R, STIVERS C. Stock market uncertainty and the stock-bond return relation [J]. Journal of Financial and Quantitative Analysis, 2005, 40(1):161-194.
[7] CHO J W, CHOI J H. Flight-to-quality and correlation between currency and stock returns [J]. Journal of Banking and Finance, 2016, 62(1):191-212.
[8] LI M, ZHENG H. The stock-bond comovements and cross-market trading [J]. Journal of Economic Dynamics & Control, 2016, 73(1):417-438.
[9] KAUL A, KAYACETIN N V. Flight-to-quality, economic fundamentals, and stock returns [J]. Journal of Banking and Finance, 2017, 80(1):162-175.
[10] BETHKE S, GEHDE-TRAPP M. Investor sentiment, flight-to-quality, and corporate bond comovement [J]. Journal of Banking and Finance, 2017, 82(1):112-132.
[11] LEE C, READY M. Inferring trade direction from intraday data [J]. Journal of Finance, 1991, 46(2):733-746.
[12] PENG L, XIONG W. Investor attention, overconfidence and category learning [J]. Journal of Financial Economics, 2006, 80(3):563-602.