时 间：5月12日（星期四）下午14:30
地 点：南校区院系楼401会议室、腾讯会议（ID:791 718 961）
主题一
考虑大规模因子的股市波动率预测组合方法研究
主讲人简介
龚学（华南理工大学管理学博士）
内容简介
面对复杂多变的市场环境，如何从金融大数据中提取有效信息以提升金融风险预测能力成为学界热点。本文提出一类新的预测组合模型，研究利用大规模预测变量提升股市已实现波动率的预测准确性。该方法利用样本内数据拟合模型，然后从结果中提取正的可决系数（调整后R2）和预测变量的调整后t统计量绝对值，并将其归一化结果作为权重进行样本外预测组合。利用金融市场内、外共86个潜在因素进行实证分析，研究发现：（1）波动率的影响因素是多源的，包括不同金融市场信息和市场外不确定因素和行为因素等；（2）所提出模型的样本外表现显著优于多种常见的预测组合方法，并具有稳健性；（3）强预测因素的存在会改变预测变量个数与预测精度之间的关系。
主题二
探讨全球金融危机后中国与亚太贸易伙伴股票市场的联动性以及影响因素
主讲人简介
史钰颉（爱尔兰国立都柏林大学经济学博士）
内容简介
本文研究了中国和12个亚太地区贸易合作伙伴在2012-2020年间的股票市场联动。运用了DCC-MIDAS模型，用混合数据抽样的方法提取了不同频度的动态条件相关系数。其中，周频的相关系数被用来检测金融传染效应，而月频的相关系数作为回归分析中的被解释变量，被用来探究影响股票市场联动性的可能因素。实证结果显示，上海股灾，中美贸易摩擦，和COVID-19疫情都增加了金融传染的出现次数。无论是中国和发达市场的联动性还是和新兴市场的联动性，双边贸易依赖程度和股票市场相似程度是影响股票市场联动性的主要因素。而且，中国市场流动性压力也会对其与外部市场的联动性产生影响。此外，对于金融传染发生时期的联动性进行研究，大多数经济或市场因素对于联动性的增强没有解释作用。
