[论文解读] Quantile cross-spectral measures of dependence between economic variables

Jozef Baruník, Tobias Kley|arXiv (Cornell University)|Oct 23, 2015

Market Dynamics and Volatility参考文献 50被引用 9

一句话总结

本文引入分位数交叉谱分析，以检测传统方法下不可见的经济时间序列频域依赖结构。通过使用分位数向量自回归建模分位数与频率之间的依赖关系，作者提出了具有明确渐近性质的新估计量，使非线性过程的推断成为可能，并揭示了双变量股票市场收益依赖中的新模式。

ABSTRACT

In this paper we introduce quantile cross-spectral analysis of multiple time series which is designed to detect general dependence structures emerging in quantiles of the joint distribution in the frequency domain. We argue that this type of dependence is natural for economic time series but remains invisible when the traditional analysis is employed. To illustrate how such dependence structures can arise between variables in different parts of the joint distribution and across frequencies, we consider quantile vector autoregression processes. We define new estimators which capture the general dependence structure, provide a detailed analysis of their asymptotic properties and discuss how to conduct inference for a general class of possibly nonlinear processes. In an empirical illustration we examine one of the most prominent time series in economics and shed new light on the dependence of bivariate stock market returns.

研究动机与目标

• 解决传统谱分析在检测仅在联合分布特定分位数中显现的依赖结构方面的局限性。
• 开发一种频域方法，能够捕捉经济变量在其联合分布不同部分之间的一般性、可能非线性的依赖关系。
• 为分位数交叉谱度量提出新估计量，并建立严格的渐近理论以支持推断。
• 通过双变量股票市场收益的分析，展示该方法的实证相关性。

提出的方法

• 将分位数交叉谱分析作为经典谱方法向分位数回归框架的扩展提出。
• 利用分位数向量自回归（QVAR）过程，建模依赖关系在分位数与频率之间的变化。
• 定义用于捕捉频域中依赖结构的新估计量，即分位数交叉谱密度。
• 在广义弱依赖且可能非线性的时间序列过程中，建立估计量的渐近分布。
• 推导推断程序，包括置信带和假设检验，用于估计的分位数交叉谱度量。
• 将该方法应用于真实金融数据，以检测股票收益中随时间变化、分位数特定的协同运动模式。

实验结果

研究问题

• RQ1 当依赖关系局限于联合分布的特定分位数时，如何在频域中检测经济时间序列之间的依赖关系？
• RQ2 在广义弱依赖且可能非线性的时间序列过程中，分位数交叉谱估计量的渐近性质是什么？
• RQ3 金融资产之间的依赖结构如何随不同分位数和频率而变化？
• RQ4 分位数交叉谱分析能否揭示标准谱方法无法检测到的股票市场收益中的新协同运动模式？
• RQ5 分位数交叉谱依赖在现实经济数据中的实证相关性如何？

主要发现

• 在广义条件下，所提出的分位数交叉谱估计量具有一致性和渐近正态性，支持有效的统计推断。
• 该方法揭示了在联合分布的下尾和上尾分位数中，双变量股票市场收益的依赖关系在某些频率下显著增强。
• 出现了仅在特定频率下显现的依赖结构，这些结构在基于均值的谱分析中并不存在，表明在特定商业周期频率下存在尾部依赖。
• 分位数交叉谱方法检测到了经典谱方法无法察觉的金融收益中的非线性协同运动模式。
• 实证结果表明，极端市场波动（如暴跌或暴涨）与特定频率下依赖性的增强相关，尤其在下尾和上尾区域。
• 该方法通过识别频率可变、分位数特定的协同运动，为金融风险传导提供了更细致的理解。