【行业研究报告】-海外论文双周志第18期：资产相关性：驱动因素和频域方法

前言第十八期海外论文双周志聚焦资产相关性，包括资产相关性的驱动因素以及时域和频域方法。第一篇论文梳理了股债相关性的影响、驱动因素，并介绍了股债相关性的简化模型，最终针对不断变化的股债相关性提出应对方法；第二股债相关性的简化模型，最终针对不断变化的股债相关性提出应对方法；第二篇论文介绍了多资产动态相关性的频域分析方法小波分析，说明小波分析不仅反映资产相关性的时变特征，还可揭示资产相关性与投资期限间的关系。不断变化的股债相关性：驱动因素和影响（一）股债相关性变化的影响。股债相关性升高有两个影响：一方面，股债相关性的升高意味着股债投资组合的风险更大，如果股债相关性从-0.5上升到+0.5，那么“60/40”投资组合的波动率将增加。风险厌恶水平不变，为保持面，股债相关性的上升将通过减少债券的多元化价值而推高债券的收益率。（二）股债相关性的驱动因素。股债回报的宏观经济驱动因素是增长和通胀。积极的增长消息提高了股票投资者对未来现金流的预期，因此股票价格上涨；它还通过对美联储的影响而提高短期利率的预期均衡实际利率，因此债券价格下跌。至于通货膨胀，积极的通胀消息降低了债券的名义现金流的价值，提高了短期利率预期，导致价格下跌；对于股票，通胀上升通常与股价下跌有关。（三）理解股债相关性的模型1、简化模型。该文创建一个简化模型，将超预期的回报与通胀和增长消息联系起来，假设股票回报（𝑟𝑡𝑠）和债券收益（𝑟𝑡𝑏）是由增长冲击（𝑒𝑡𝑔）等和通胀冲击（𝑒𝑡𝜋）等驱动的。理论上看，影响股债相关性有三个关键变量：增长风险、通胀风险以及增长与通胀的相关性。从方差分解看，通胀风险比增长风险更能解释股债相关性的变化，增长与通胀的相关性也非常重要。2、国际经验。该文使用简化模型对德国、日本、法国、英国和意大利的数据进行回归，发现德国、日本和英国的回归模型的解释效果同样不错，但是法国和意大利的回归模型的解释效果却不好。意大利的回归模型解释效果偏弱的一个重要原因是意大利国债的信用风险在2010s上升。3、模型限制。尽管增长和通胀很重要，但它们不太可能是股债相关性的唯一驱动因素。模型没有纳入的因素包括货币政策冲击、避险情绪等，此外模型也无法解释股债相关性的短期变化。另外，如果思考增长和通胀因素背后的经济原理，可以将过去20年间负的股债相关性归因于良好的宏观经济冲击或是良好的货币政策，目前更多的论文倾向于是良好的宏观经济冲击。（四）应对变化的股债相关性。另类资产是应对不断变化的股债相关性的重要工具。如果股票和债券配置的表现变得更加相关，“第三类配置”可能能够弥补多元化的缺失。推荐的另类资产包括无流动性的另类资产（私人股权、私人信贷）、大宗商品、多空股票和多资产另类风险溢价策略以及动态策略。黄金、石油和股票：动态相关性（一）理论框架。研究多资产动态相关性的方法有历史滚动相关系数、DCCGARCH方法等，学术论文中通常采用DCCGARCH方法。该文重点介绍了一种新的描述多资产动态相关性的方法——小波分析，该方法不仅可以体现资产相关性的时域特征，也可以体现资产相关性的频域特征，即不同投资期限的资产相关性。此外，在处理非平稳时间序列时，小波分析的效果也更好。（二）数据描述。该文使用了黄金、石油的价格和标普500指数。数据集包括在芝加哥商品交易所交易的黄金、石油和标普500指数期货的价格。采样周期从1987年1月2日持续到2012年12月31日。该文取消了在周六和周日、美国联邦假日、12月24日至26日和12月31日至1月2日执行的交易，因为这些天的活动度较低，从而避免估计偏差。相关研究报告《【华创宏观】降息概率的摸索——年内降息概率定量分析》