本网讯（通讯员：张鹃）经济学院简志宏教授团队的合作研究成果“Asymmetric extreme risk spillovers between the Chinese stock market and index futures market An MV-CAViaR based intraday CoVaR approach”与“High-dimensional covariance forecasting based on principal component analysis of high-frequency data”分别在线发表于经济学国际知名期刊EmergingMarketsReview和Economic Modelling.

该论文提出了一种可预测的CoVaR测度，并运用拓展的MV-CAViaR模型方法实现多资产日内CoVaR的联合建模和参数估计。最后，实证分析我国股票市场与股指期货市场之间极端风险溢出效应的非对称特征。实证结果表明，在不同的市场状态、不同的交易规则以及不同的置信水平下，股指期货与现货之间存在非对称的溢出效应。具体而言，(1)两市之间存在显著的下尾部溢出效应和不显著的上尾部溢出效应；(2)在熊市时期，期货市场对现货市场具有单边的溢出效应；而在牛市时期，现货市场对期货市场具有单边的溢出效应；(3)随着股指期货所需保证金比例的提高，期货市场的溢出效应减弱，但股票市场的溢出效应逐渐增强。

文章的贡献主要体现在两方面：首先，提出了一种可预测的CoVaR测度来度量非同期的尾部风险溢出效应，并构建一个多元日内CoVaR的动态半参数模型。与参数化模型方法（如Copula、多元GARCH）相比，半参数模型避免了模型误设的风险，能够直接刻画双向的尾部溢出特征。其次，在实证分析方面，本文从多个角度评估了股票现货市场与指数期货市场之间非对称的极端风险溢出效应，为市场监管和政策制定提供有益借鉴。

该论文提出了一种基于高频数据主成分分析(HF-PCA)的高维协方差矩阵动态预测方法。该方法不仅能够克服高维协方差矩阵预测时所面临的“维数灾难”问题，而且能够充分利用高频数据信息并保证预测结果的正定性。具体而言，文中提出了四类预测高维协方差矩阵的高频因子(V)HAR模型，这四类模型均能较好地刻画已实现特征值序列的长记忆性，并且易于估计。实证结果亦表明，提出的新模型在样本内拟合、样本外预测以及投资组合配置上均优于竞争模型。本文的建模思路为构建高维资产投资组合提供了重要参考依据。

该论文的主要贡献在于:第一，提供了一类可灵活扩展的高维协方差矩阵建模思路，直接对Aït-Sahalia and Xiu (2017)中已实现特征值序列进行建模并提供正则化方法，能够方便地实现高维协方差矩阵的预测。第二，现有的预测协方差矩阵的研究大多考虑的资产数量都不超过100，且要求选定的资产是不变的。而新模型不仅适用于非常高维的情形，还允许每天所选择的资产有所差异。由于股票指数的成分股会不断调整并且股票停牌事件时有发生，文中提出的高维协方差矩阵的建模方法更贴合实际。

这两篇论文均受教育部人文社会科学研究项目“基于日内高频数据的金融市场崩盘风险预测及其溢出效应研究”（17YJA790033）的资助。

论文链接1：https://doi.org/10.1016/j.ememar.2018.06.001

论文链接2：https://doi.org/10.1016/j.econmod.2018.07.015