[论文解读] Efficiency of the financial markets during the COVID-19 crisis: time-varying parameters of fractional stable dynamics

Ayoub Ammy-Driss, Matthieu Garcin|arXiv (Cornell University)|Jul 21, 2020

Financial Risk and Volatility Modeling被引用 7

一句话总结

本文提出了一种动态估计方法，用于估计分数 Lévy-稳定运动中时变的 Hurst 指数和记忆参数，以评估新冠疫情爆发期间的市场效率。通过结合 α-稳定分布和用于自适应参数更新的折现因子，研究发现美国股指遭受了严重的市场非效率，而亚洲和澳大利亚市场则保持相对高效，凸显了记忆参数作为市场效率指标的稳健性，优于 Hurst 指数，因其能过滤掉厚尾收益峰度的影响。

ABSTRACT

This paper investigates the impact of COVID-19 on financial markets. It focuses on the evolution of the market efficiency, using two efficiency indicators: the Hurst exponent and the memory parameter of a fractional L\\'evy-stable motion. The second approach combines, in the same model of dynamic, an alpha-stable distribution and a dependence structure between price returns. We provide a dynamic estimation method for the two efficiency indicators. This method introduces a free parameter, the discount factor, which we select so as to get the best alpha-stable density forecasts for observed price returns. The application to stock indices during the COVID-19 crisis shows a strong loss of efficiency for US indices. On the opposite, Asian and Australian indices seem less affected and the inefficiency of these markets during the COVID-19 crisis is even questionable.

研究动机与目标

• 使用分数稳定动力学的时变参数研究新冠疫情对金融市场效率的影响。
• 通过引入分数 Lévy-稳定运动的记忆参数作为更可靠的效率指标，以解决传统 Hurst 指数的局限性，该指标能考虑厚尾收益分布的影响。
• 开发一种基于折现因子优化的动态估计框架，用于 α-稳定分布和时变参数，该折现因子通过密度预测验证确定。
• 比较各地区对危机的响应，特别是评估市场非效率是否与疫情严重程度和恢复速度相关。

提出的方法

• 本研究在分数 Lévy-稳定运动（fLsm）框架内，采用动态估计方法对记忆参数和 Hurst 指数进行估计，该框架将分数布朗运动扩展至非高斯、重尾收益。
• 采用 McCulloch 的分位数方法估计时变 α-稳定分布，以灵活建模厚尾价格收益分布。
• 引入折现因子以平衡先验参数估计与新观测值之间的关系，其数值通过最小化基于概率积分变换（PIT）均匀性与独立性的准则确定。
• 该方法动态更新记忆参数和 Hurst 指数，实现实时评估危机期间的市场效率。
• 最优折现因子的选择基于密度预测的统计验证，确保估计参数的稳健性与可靠性。
• 该框架应用于 2019 年 11 月至 2020 年 6 月期间的十个全球股票指数，并对效率指标进行显著性检验。

实验结果

研究问题

• RQ1 新冠疫情在多大程度上导致了全球股票指数市场效率的可测量下降？
• RQ2 在金融压力期间，分数 Lévy-稳定运动的记忆参数与 Hurst 指数相比，在检测市场非效率方面表现如何？
• RQ3 与静态或非自适应方法相比，使用折现因子进行时变参数的动态估计是否能提高效率检测的准确性？
• RQ4 地区间对疫情的市场响应差异是否反映在非效率的出现时间和幅度上，特别是在美国、欧洲、亚洲和澳大利亚市场之间？
• RQ5 记忆参数是否能通过过滤掉收益分布峰度带来的偏差，成为比 Hurst 指数更可靠的效率指标？

主要发现

• 标普 500 和标普 100 指数表现出最严重的非效率，其记忆参数分别降至 -1.128 和 -1.065，表明危机期间存在强烈的负相关性和显著可预测性。
• 美国股指的 Hurst 指数最低降至 0.122（标普 500）和 0.098（标普 100），但也出现高于 0.5 的峰值，表明由于峰度偏差，其对非效率的信号不一致。
• 亚洲和澳大利亚股指（包括 KOSPI 和 S&P/ASX 200）的记忆参数绝对值较低（例如 S&P/ASX 200 为 -0.504），表明非效率程度较弱，且在样本期末未出现显著偏离零的情况。
• 记忆参数比 Hurst 指数更早且更一致地检测到非效率，负值峰值分别出现在 2020 年 3 月 10 日（美国）和 3 月 16 日（欧洲），与危机爆发时间一致。
• 在样本期末（2020 年 6 月 29 日），Hurst 指数显示市场已恢复（数值接近 0.45–0.5），但记忆参数表明美国和日本市场仍存在持续的非效率，标普 500 为 -0.355，日经 225 为 -0.417。
• 本研究结论认为，记忆参数是更优越的效率指标，因其能过滤掉由峰度引起的 Hurst 指数偏差，尤其在市场压力时期。