香樟青苗
当前位置是: 网站首页 -- 学术科研 -- 香樟青苗 -- 正文

香樟青苗授课|黄卓:波动率、风险和不确定性

发布日期:2021-07-30   点击量:

黄卓,北京大学国家发展研究院副教授(长聘)、博士生导师、发树学者,北京大学数字金融研究中心副主任,《经济学(季刊)》副主编。黄卓老师于2011年获得斯坦福大学经济学博士学位,曾获得斯坦福大学经济系“最佳博士生候选人论文奖”、北京大学教学卓越奖、教学优秀奖、青年教师教学基本功比赛二等奖、“优秀班主任”称号、曹凤岐金融发展基金“金融青年科研优秀奖”。黄卓老师的研究成果发表在国际一流期刊如Journal of Econometrics, Journal of Applied Econometrics, Journal of Business & Economic Statistics等和国内权威期刊《经济研究》、《经济学(季刊)》、《金融研究》、《管理科学学报》等,发表论文曾入选ESI全球经济学与商学领域前1%高被引论文。

2021年7月22日下午14 : 00-16 : 30,北京大学国家发展研究院的黄卓老师进行了第四期香樟青苗计划的第十一场讲座——波动率、风险和不确定性。香樟经济学圈学者、第四期香樟青苗计划入选学员参加了本次讲座。

本次讲座主要分为两个部分,第一部分为波动率、风险和不确定性的概念解析,第二部分为单变量波动率建模和预测领域的研究总结与展望。

在第一部分中,黄老师首先详细介绍了金融波动率、风险和不确定性三者的概念、联系与区别。波动率的定义已经非常明确,其中较常用的指标为条件波动率,即给定上一期信息集的条件下金融资产收益率的方差,这一概念本身即包含可预测性。在后续该领域发展的过程中,波动率的概念也不断得到扩充,如已实现的波动率,即将固定时间段内观察值加总后的波动率,可理解为实现值;瞬间波动率,即强调连续时间的瞬时值;隐含波动率,即由金融资产价格倒退得来的波动率,最为常见的是VIX指数,也称恐慌指数。风险是指对投资者不利局面出现的概率,相较于波动率,风险更关注损失,即收益率分布的左尾研究。如果收益率分布为对称分布,则风险和波动率为对应关系。常用的风险衡量指标为VaR,即给定概率下的损失价值;ES,即给定分位数的条件下平均损失值;最大回撤,即从最高点跌至最低点的价值。不确定性的概念更广泛、复杂和模糊,也是近年来学者研究的热点话题。

接下来黄老师主要讲述了风险与不确定性的研究和建模的重要性。首先风险在金融学中是核心概念,如在均值方差模型、I-CAPM模型、特质波动率之谜等讨论的风险和收益之间的权衡问题;风险管理、资产配置和投资组合管理中风险的测度、波动率的建模等问题;衍生品定价中波动率指标的引入;以及十八大以来系统性金融风险的研究成为学界关注的重要社会热点的问题,黄老师也提出大规模的金融平台是否应该被定义为系统性重要金融机构是一个值得探讨的问题。其次,宏观经济学的建模中越来越重视对金融中介这一经济部门的引入,且资产价格波动、金融稳定性等因素也被纳入宏观经济学的考察范围;再次,不确定性对企业投资、财务决策和实体经济带来较为复杂的影响,黄老师主要从实物期权理论、金融摩擦理论、增长期权渠道和预防性储蓄渠道几个角度来解释不确定性对投资的影响逻辑。最后,黄老师提出不确定性的测度在不同学科和领域间的发展情况仍然存在差异,目前学界较为关注的是经济政策不确定性、宏观经济不确定性、政治不确定性等几个方面,但波动率、风险和不确定性均不能被直接观察到,需要通过建模来提取或者测度。

在第一部分的最后,黄老师推荐了一些风险和不确定性的著作,如《风险、不确定性与利润》、《黑天鹅》、《随机漫步的傻瓜》、《非对称风险》、《反脆弱》等,方便同学们对该领域有更加全面的认知。

在第二部分中,黄老师主要介绍了单变量波动率建模和预测领域的研究,这一部分包括基本概念、ARCH模型、已实现波动率、隐含波动率和VIX指数、在险价值、预期损失和分布预测。在讲授具体模型之前,黄老师分享了自己的研究领域和研究思路,研究领域包括基于高频数据的波动率建模:Realized Garch模型、风险和相关性建模、衍生品定价、经济不确定性对金融市场的影响等,研究主要是沿着 “波动率è风险è不确定性è建模è数据è问题”这样的思路进行。

在波动率基本概念中,黄老师强调了年化波动率的计算方法、波动率的时变性、聚集特征以及杠杆效应,其中杠杆效应是指股票市场上波动率越大收益率越低的现象。因此对波动率建模的目的主要是解释以上的波动率特征和现象。最早对波动率建模较为成功的模型是ARCH模型,在金融资产波动率中得到了大规模的使用。ARCH模型包括收益率、方差和定义方程三个式子,将资产收益率分为可预测和不可预测部分两个部分,其中波动率方程表明本期方差由之前的方差决定,说明波动率有可预测性和持续性,即“迭代式可观测”。ARCH模型具备模型简单、无条件方差可得、平稳性、可描述厚尾特征等优点。ARCH模型的缺点体现在实践中根据信息准则挑选出的参数过多,因此在此基础上发展处GARCH模型,新加入上期 指标,在实践中发现GARCH(1,1)已能很好地描述波动率,大大减少了参数个数。此后,针对GARCH模型的不足又衍生出很多变形模型。

在高频数据时代,对已实现波动率进行建模和估计更有必要。当时间间隔趋向于0时,已实现波动率趋向于平均波动率和跳跃之和。针对已实现波动率,典型的模型为GARCH-X模型、ARFIMA模型、HAR模型。理论上连续时间下可以观测到整个波动率的特征和变动,因此学界针对是否仍需要GARCH模型展开讨论,主要存在以下争议:当时间段趋向于0时,价格序列会存在相关性并出现噪音,比如最小价格变动单位的影响。

在此基础上,黄老师介绍了关于自己的研究——Realized GARCH模型,即在有高频数据和RV时怎么改进之前的GARCH模型。在传统的GARCH模型中,用MLE方法测算出来的上一期收益率平方的系数α很小,原因在于MLE方法是在准确性和噪音之间达到平衡,而收益率序列噪音很大,所以在最优的前提下会给予α一个很小的权重。进一步用高频数据测算改进的Realized Kernel和Squared Return数据后发现两者高度一致,而Squared Return噪音很大,所以在原方程中用RV代替Squared Return,降低噪音并提高系数大小。这样改进的优点是模型能够快速捕捉波动率的跳跃,并通过了实证的检验。这一思想已经在Engle的2002年的研究中体现,但当时的GARCH-X模型并不完整。因此定义一个测量方程能够解决上述问题。该研究结果于2012年发表并获得两年一度的最佳论文。在2016年发表的论文中再次修正了模型,放松一些约束,并找到最佳抽样频率等。此模型也可以做期权定价,优点是有两个冲击,即收益率和波动率冲击。在最近的一篇文章中将收益率分为日内波动率和隔夜波动率,日内波动率和高频数据联系较大,而隔夜波动率与宏观经济信息发布联系较大。

最后在师生交流环节中,黄老师对大家的发言进行了耐心的解答。中国政法大学的韦芷曦同学提出在理论模型探索中怎样发现新的突破,黄老师认为首先应该掌握计量模型等相关知识,能够用软件编写模型;其次事要清楚基础模型的优点和缺点,找到完善和扩展的方向,即使缺点并不具备普遍性,也可以专注与解决放松某一特点假设后的完善;最后也可以证明前人尚未完成的证明。中国人民大学的杨心梅同学提出能否从业界挖掘金融学领域需要研究的问题,黄老师则认为初学者仍应以文献为本,从以往研究中挖掘新的研究思路,和业界合作是比较困难的,更适合成熟的研究人员进行。来自中国社会科学院大学的桂平舒同学提问Realized GARCH模型在极端情况下的表现如何以及是否能与VaR和ES结合,黄老师说明Realized GARCH模型和GARCH模型相比反映更快,优势更加明显,这也能反映到期权定价里。中央财经大学的从阓匀同学提出为什么股票波动性越高就说明企业风险承担能力越强,黄老师从银行业企业的风险承担两个角度给出说明。桂平舒同学进一步提问未来研究不确定性的方向在哪里,黄老师认为从问题导向出发主要由三个方向,一个是理论建模,一个是数据,一个是问题。现在最关心的问题是共同富裕,可以研究不确定性对共同富裕的影响,因为不确定性天然和不平等相关。深圳大学的陈波同学提出时间序列能否识别因果关系,黄老师认为时间上的差异能够提供一定帮助,因为时间序列有前后的时间差,但是结论仍然需要一定的理论支持。黄老师对波动率、风险和不确定性的理解鞭辟入里,讲解深入浅出,大家受益匪浅。讲座在同学们的感谢中结束。(文案:郑伊婧)

版权所有 © 中国社会科学院大学    邮编:102488

地址:北京市房山区长于大街11号