1703537337
1703537338
1703537339
1703537340
1703537341
不用说，当提出结构变化时，参数的数目迅速地增加。然而，这些条件子集的检验可以通过相关的方程来实现。
1703537342
1703537343
1703537344
1703537345
1703537346
预见相关性：风险管理新范例 [:1703535725]
1703537347
预见相关性：风险管理新范例 7.2 全球股票和债券回报的相关性估计
1703537348
1703537349
Cappiello等学者（2007）使用的数据是来自FTSE公司的21个国家的全球指数和来自DataStream构建的平均五年期的债券指数。这给出了总共34个资产的收益率。样本包含了1987年1月8日到2002年2月7日总共785个观察值。所有的收益率都是星期四到星期四收盘价格的连续复利，以避免任何的周结束效应（end-of-week effects）。每个资产都是使用贝叶斯信息标准（BIC）选择最优的9个不同的GARCH模型规范来建立的DE-GARCH模型。绝大多数债卷收益率都使用简单的对称GARCH模型，而绝大部分的股票收益率使用对称模型中的一种可以达到最佳。其中最有用的模型是ZGARCH，其次是EGARCH和TARCH模型，如表7-1所示。
1703537350
1703537351
表7-1 GARCH模型的选择（基于非对称模型的用黑体表示）
1703537352
1703537353
1703537354
1703537355
1703537356
对四个不同的相关系数模型进行估计：简单非向量的DCC模型、广义的DCC模型、非对称无向量DCC模型和非对称的广义DCC模型。在这四种模型中，每一个都分别基于相关系数处理的平均值的突变和基于平均值以及该处理的动态参数双突变来估计。结果如表7-2所示。
1703537357
1703537358
表7-2 各类模型的对数似然值（下面表中的缩写：“WMB”表示“基于均值突变”和“WMDB”表示“基于均值和动态的突变”）
1703537359
1703537360
1703537361
1703537362
1703537363
从表7-2中可以看出，有许多参数被估计。参数的数量包括相关系数截距矩阵的参数，即使它们是根据目标相关系数估计的。因此，最简单的模型参数的数量有561+2或者563个参数。添加了非对称项，得到了ADCC模型，从而提高了模型的BIC值。广义的DCC模型相对DCC模型也提高了BIC值。添加了平均截距参数增加一倍的突变，但是这仍然是增加BIC值的选择。事实上，在所有的模型中，最优的是最高度参数化的模型：基于均值和动态的AGDCC模型。
1703537364
1703537365
未基于突变的GDCC和AGDCC模型的参数估计结构，如表7-3所示。很明显，表中的参数相似，但是不同国家之间不完全相同。对于大多数股票，不对称项大于对称项，而相反的适用于绝大多数债券的收益率。
1703537366
1703537367
表7-3 参数估计（表中数字后的星号意味着系数在5%的水平上显著不为零）
1703537368
1703537369
1703537370
1703537371
1703537372
1703537373
1703537374
1703537375
图7-1显示了相关系数矩阵的小部分。图7-1的第一行三个图片显示了法国和德国、法国和意大利、法国和英国之间的股票的相关性。所有这三个相关性都明显上升，但也许法国和德国间的相关性的上升大于法国和意大利间的相关性。欧洲的增长和其日益的一体化可以部分解释上述相关性的增长。由于每个国家的公司都越来越国家化，很自然它们会以相似的方式应对冲击。相关性的增加的第二个原因，可能是全球金融波动。学者们广泛认可市场波动和相关性是同向变化，所以这种效应会导致相关性的增加。第三种解释是因为相关性中的非对称性。随着2000年后市场的掉头向下，负的收益率自然会增加相关性。因此，2000年后的相关性的增长部分是由于非对称的相关性模型。最后，图中虚线所示的日期，在这些日期上汇率是固定的。在这个时间段，相关性有明显的增加，即使是英国和欧元区国家之间。因此，欧元的固定汇率可能是部分原因，但它不是全部原因。
1703537376
1703537377
Cappiello等学者（2007）提出了一种34个金融资产之间相关性的模型。在他的论文中检验了很多有趣的动态模式，但是在本文中只讨论了很小部分。这仅仅是DCC模型潜在用途的开始。前面提出的广义模型可以使模型更加逼真，同时保持可行的计算复杂度。
1703537378
1703537379
1703537380
1703537381
1703537382
图7-1 相关系数
1703537383
1703537384
1703537385
1703537386