“学海拾珠”系列之一百五十七：基于隐含波动率和实际波动率的系统风险指标

金融工程 专题报告 基于隐含波动率和实际波动率的系统风险指标 ——“学海拾珠”系列之一百�十七 报告日期：2023-09-07 主要观点： 分析师：骆昱杉 执业证书号：S0010522110001邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 相关报告 1.《使用机器学习识别基金经理投资能力——“学海拾珠”系列之一百�十六》 2.《通胀是否会影响会计信息-股票价格间的相关性?——“学海拾珠”系列之一百�十�》 3.《信息不确定性、投资者情绪与分析师报告——“学海拾珠”系列之一百�十四》 4.《Alpha与风格因子的综合风险平价策略——“学海拾珠”系列之一百�十三》 5.《人工智能可以读懂企业高管的想法吗？——“学海拾珠”系列之一百 �十二》 6.《A股的流动性、波动性及其溢出效应——“学海拾珠”系列之一百�十一》 本篇是“学海拾珠”系列第一百�十七篇，文献提出了一种基于隐含波动率和实际波动率的系统风险指标IVRVSRI，用于分析2000年至2023年全球和各国股市中的重大金融危机，构建的指标能够反映不同市场的风险特征和反应速度。文献还利用不同的回归模型，比较了IVRVSRI和其他四种系统风险指标（CATFIN、CISS、SRISK和 ClevelandFED）对SP500指数的预测能力。结果表明，IVRVSRI在系统风险高发时期具有最强的预测能力。 IVRVSRI的稳健性和全面性 文献使用敏感性分析和相关性分析来检验RV（已实现波动率）的 记忆参数，IV（隐含波动率）的到期时间，风险地图的百分位数，以及历史数据的长度这四个参数对IVRVSRI的影响，并比较了不同参数下的IVRVSRI与其他系统风险指标（如sRisk、CATFIN等）的一致性。文章发现IVRVSRI对这些参数的变化不敏感，并且在不同参数下都能有效地反映系统风险的水平和动态。文献分析了2000年至2023年期 间全球、美国、欧洲、日本和巴西的股市数据，研究了不同地区股市在主要金融危机中的系统风险水平和动态变化。文章发现不同地区股市对系统风险的反应和持续性存在差异，这取决于各自的历史波动率和长期平均波动率水平，并且IVRVSRI能够捕捉到不同地区股市在危机时期的异质性和相互影响。 IVRVSRI能够有效地预测SP500指数的下跌风 文献使用SP500指数的周收益率作为被解释变量，使用IVRVSRI 和其他四个系统风险指标作为解释变量，分别进行了简单线性回归，拟分位数回归和分位数回归的分析。发现IVRVSRI在所有三种方法中都有显著的负向回归系数，说明IVRVSRI能够有效地预测SP500指数的下跌风险。而其他四个指标在不同方法中的表现不一致，有些甚至与 SP500指数呈正相关，说明它们的预测能力较弱。可以证明IVRVSRI 在所有情况下都有最强的预测能力，尤其是在系统风险高的时候。 文献来源 核心内容摘选自PawełSakowskia,RafałSieradzkib,Robert Ślepaczuk在SSRN的文章《Systemicriskindicatorbasedonimpliedandrealizedvolatility》 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建 议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1简介4 2文献综述和选定系统风险指标的分类5 2.1文献综述5 2.2选用哪些风格风险因子？8 3方法8 3.1隐含波动率-波动率指数9 3.2实际波动率测量9 3.3IVRVSRI-隐含波动率实际波动率系统风险指标9 3.3.1隐含波动率SRI10 3.3.2实际波动率SRI10 3.3.3IVRVSRI-国家层面的隐含波动率实际波动率系统风险指标10 3.3.4IVRVSRI-全球隐含波动率实际波动率系统风险指标(IVRVSRI)10 3.4基于IVRVSRI的动态四分位数排名(DQR_IVRVSRI)10 3.5系统性风险基准指标11 3.5.1SRISK11 3.5.2克利夫兰联储的系统风险指标（cfSRI）12 3.5.3CATFIN13 3.5.4系统压力综合指标（CISS）13 3.6IVRVSRI的比较和预测能力14 3.6.1相关性矩阵和滚动相关性14 3.6.2预测能力14 4数据15 4.1全球权益基金数据15 5模型结果17 5.1国家级的IVRVSRI17 5.2全球IVRVSRI19 5.3SRIS与标准普尔500指数的比较20 5.4SRI的预测能力22 5.4.1基于重叠数据的回归模型22 5.4.2基于非重叠数据的回归模型23 6结论24 风险提示：25 图表目录 图表1所选择的系统风险指标的比较8 图表2SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数在2000年至2023年间的波动16 图表3SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数在2000年至2023年间的回报率16 图表4SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数在2000年至2023年间的回撤16 图表5SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数的市场资本总值17 图表6SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数的隐含波动率17 图表7SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数的实际波动率18 图表8SP500、EUROSTOXX50、NIKKEI225和BOVESPA指数的国家级的IVRVSRI18 图表9基于IVRVSRI分位数颜色的国家级图表19 图表10全球IVSRI、RVSRI和IVRVSRI19 图表11全球层面基于IVSRI、RVSRI和IVRVSRI的分位数颜色地图19 图表12带有IVRVSRI分位数的彩色地图上的IVRVSRI和S&P500指数20 图表13基准SRI和S&P500指数的波动20 图表14基准SRI、IVRVSRI和标准普尔500指数的回报率21 图表15基准SRI、IVRVSRI和SP500指数周收益率的描述性统计21 图表16SP500指数与SRI每周收益率的相关矩阵21 图表17SRI和SP500指数周收益率的滞后（5天）相关矩阵21 图表18基于单个SRI和所有SRI的1-LAG和P-LAG的简单回归模型的调整后R222 图表19基于单个SRI和所有SRI的1-LAG和P-LAG的拟分位数回归模型的调整后R222 图表20基于单个SRI和所有SRI的1-LAG和P-LAG的分位数回归模型的伪R223 图表21基于单个SRI和所有SRI的1-LAG和P-LAG的简单回归模型的调整后R223 图表22基于单个SRI和所有SRI的1-LAG和P-LAG的拟分位数回归模型的调整后R224 图表23基于单个SRI和所有SRI的1-LAG和P-LAG的分位数模型的伪R224 1简介 金融市场动荡蔓延的程度和速度是众多研究关注的焦点，因为金融市场对任何现有或即将发生的危机的反应都非常迅速，而根据实体经济措施很难及时发现它们，因为它们的公布有延迟性。本文的主要目的是分析并比较2000年至2023年美国、欧洲、巴西和日本股票市场重大金融市场动荡的系统性影响。为此，我们根据每个市场的隐含波动率和已实现波动率（分别为IV和RV）构建了一个指标。此外，我们还构建了一个全球层面的通用指标。我们进行这项研究部分是为了证明这种系统性风险指标可以通过简单的度量来构建，而无需为此使用任何复杂的风险模型 （Caporin等人）。换句话说，我们希望证明，模型风险可以大大降低，而结果却与使用复杂得多的工具得到的结果相似。我们设定了四个研究假设： RH1：根据众所周知的已实现波动率和隐含波动率概念，可以构建一个稳健的系统风险指标。 RH2：提出的系统风险指标的指示取决于特定股票市场的地理位置。 RH3：提出的系统风险指标的稳健性取决于所选的各种参数：RV的记忆参数、IV的到期时间、风险图所选的百分位数、计算风险图百分位数时所选的历史长度。 RH4：在其他基准SRI中，IVRVSRI对S&P500指数的预测能力最高，尤其是在系统性风险时刻。 在许多研究中（如Caporin等人，Hollo等人），研究人员并没有考虑模型的初始参数对最终结果的影响程度，尤其是对市场突发动荡的反应速度的影响，因此所 提出的系统性风险度量的稳健性就显得尤为重要。我们检验了所提出的系统风险指 标对所选参数变化的敏感性，这些参数包括：已实现波动率（RV）的记忆参数、隐含波动率（IV）的到期时间、风险图所选的百分位数以及风险图计算百分位数时所选的历史长度。 系统风险是指整个金融体系崩溃的风险，而不是与任何单个实体相关的风险，即信用违约风险。系统性风险的一个主要显著特点是，影响一个或一组市场实体的特异事件会因系统中的相互联系和相互依存关系而加剧，从而导致多米诺骨牌效应，有可能拖垮整个系统。整个系统的脆弱性是长期形成的，"只有"在危机时期才会显现。原因之一是市场参与者之间具有可比的商业模式，从而在资产负债表上积累类似的资产，并采取类似于从众行为的投资策略。事实上，这些实体虽然在法律上是分开的，但从系统的角度来看，它们可以被视为一个大实体。 最近硅谷银行和Signature银行的倒闭，以及Covid-19大流行病的突然发生，都表明指标的及时性是系统性风险指标的主要特征之一。有人可能会说，主要基于市场变量（基本上是金融工具价格）的衡量标准可能会产生误导，因为它们可能会产生错误的积极信号。另一方面，主要以会计数据为基础的衡量标准在对金融体系潜在问题做出反应时会比较慢，因为它们的提供是有延迟的。因此，我们认为，得到一个有时可能是错误的潜在问题信号，比在危机已经开始时得到信号要好。大多数研究都认识到了这一问题，并试图将市场数据和会计数据结合起来（详见文献综述）。 一般来说，基于市场的变量的功能是及时发现潜在危机，而基于会计的措施则是为了识别具有系统重要性的机构，这些机构的倒闭可能会在系统中产生溢出效应。市场监管机构可以采用这种方法，对具有系统重要性的实体进行更密切的监测，并尝试引入监管解决方案，以降低它们对系统的影响。与市场参与者相比，这些实体 还能获得更多有关单个机构的数据，并能更早地收集这些数据。尽管我们同意这种方法是识别“too-big-to-fail”机构的好方法。另一方面，我们认为这种方法的缺点之一是，将两类数据结合起来会导致更高的模型风险，而且比仅使用基于市场的变量计算量更大。此外，由于市场的复杂性和动态性，似乎很难发现市场中的相互关联性，因此，将"too-interconnected-to-fail"分类是一项艰巨的任务。同时，前述SVB和SignatureBank的倒闭表明，我们并没有意识到系统中积聚的某些风险，现有的模型也没有考虑到这些风险。 在这项工作中，我们关注的是系统性风险的一个部分，即市场参与者而不仅仅是监管者对潜在危机的及时识别。我们还认为，"更宽泛的市场"可能对系统风险有更深入的了解，在某种程度上，它们的协调行动可能会引发系统性事件。 本文的结构如下：第二部分是文献综述，第三部分介绍数据和研究方法，第四部分介绍结果，第�部分为论文结论。 2文献综述和选定系统风险指标的分类 2.1文献综述 文献中衡量系统性风险的主要方法是基于市场数据或市场数据与资产负债表数据的组合。这些综合风险指标使用VaR和CoVaR等指标。对一个国家、一个细分市场或一个经济部门得出的结果进行汇总，就得到了系统性风险的一般衡量标准。一般来说，各种方法都能得出类似的结果，如Engle和Ruan、Brownlees和Engle、Acharya等人、Bisias等人或Caporin等人。 最早关注系