罗伯特-恩格尔在北大汇丰经济论坛演讲实录(上)
2007年06月13日 15:42 新浪财经北京大学中国经济研究中心与汇丰银行(中国)有限公司出于支持教育事业的共同目标，设立“北大汇丰经济论坛”，汇丰(中国)资助北京大学中国经济研究中心每年邀请一位诺贝尔经济学奖得主来北大作专题演讲，面向北大师生及社会有关人士和新闻媒体，旨在促进经济学国际交流和经济改革的发展。以下为6月13日举行的论坛，诺奖得主罗伯特·恩格尔教授讲演实录：
林毅夫：大家下午好，非常荣幸北大——汇丰经济论坛邀请到恩格尔博士。下面先请汇丰银行的代表讲几句话。
丁国良：我非常高兴今天有这么一个机会到此参加这个论坛。汇丰和北大已经搞了三届，这是第四次开展这种论坛。我们和CCER自从2004年以来已经搞了三次，这是第四次。
汇丰银行已经有142年的历史，汇丰银行非常重视教育，我们认为一个公司和一个国家的发展，一定要投资教育，你投资了教育就等于你投资了未来。北京大学也有一百多年的历史，是一个非常出色的学校，他们每年都产生很多优秀的毕业生，汇丰银行在中国的办事机构当中就有一些职员是来自于北大的。所以，我们认为汇丰银行和北大经济研究中心共同举办这样一个活动是非常有意义的。
罗伯特·恩格尔：各位同学、各位教授、各位老师、各位朋友，你们好！
这是我第五次来中国了，我每一次来都发现了一些新的变化。我今天要给大家讲一个对财务规划来说非常重要的工具，这个工具对于投资组合、风险的降低来说是一个非常有前瞻性的防范工具。
我们今天要讲的内容就是关于相关性和相关性的变化。这个概念也许特别难懂，它主要是讲金融市场上大家对波动性的关注，以及这种波动性与风险的关系。
对于投资经理人来说，掌握这些方法是非常有帮助的。也许你们有一些人将要在金融服务的行业工作，了解这些工具以后，不论是你在做股票还是做外汇，还是在做国债，哪怕就是做一些工业方面的实物交易，例如能源、玉米( 1656,-11,-0.66%)，也都是非常有帮助的。
我们今天给大家要讲的就是这种方法会帮助你了解未来将要发生什么，而不光是去搜集一些历史上曾经发生的数据。当然真正能够了解过去是一件非常不容易的事情，但是把握未来会更困难。
我今天要讲的内容实际上已经在我目前正在写的一本书当中包括进去了，这本书我花了三年时间，现在还没有写出来。为什么要花这么长时间呢？因为有一些新的变化，有一些新的想法，还要不断地去放到书里面。我今天要跟大家分享一些其中的内容。
我们真正能够去预测未来吗？在一定的时间范围内，发生变化以后，我们如何去测算？我们如何去进行我们的金融决策呢？
我们为什么需要研究相关性？因为它可以计算出投资组合的风险，同时可以帮助我们进行最佳的投资组合，同时还有资产定价、套期保值和交易衍生品。
相关性会随着时间变化吗？我们可以用历史相关性的模式。我们还可以有一种模式叫指数平滑模式。
我们做了一个研究，关于50个国家的市场波动性。1990年是0.15，1994年降下来，2000年达到比较高峰，2002年又往下走。在一些新兴的经济市场当中，它的波动性就更大。新兴的经济国家和那些发达的经济国家的差别，主要是区别于通货膨胀率和经济增长率。如果一个经济发展比较快的话，它的波动性就低一点，如果一个国家的经济增长是负增长，是衰退，它的市场波动性就更高一些。一个国家如果通货膨胀率高，波动性也会更大一些。通货膨胀率低的国家，它的波动性就小。如果一个国家的经济发展是稳定的，不管是从短期来看还是短期GDP的增长速度来看。
刚才讲的都是变量，可以测出来一个国家金融市场的情况。所以，从宏观经济角度来讲，一个国家的经济如果发展比较好，比较平稳，没有什么通货膨胀，这样的话这个国家的金融市场就肯定波动性要小。如果不是这种情况，肯定金融市场上波动性就大。
我们刚才讲的是一个良好的开端，我们怎么从历史的角度来讲，来预测经济的未来和金融市场的未来？我们怎样去看金融市场当中各个因素之间的相关性？你们也许会认为，好像我刚才讲的跟中国的实际情况并不相关，因为中国现在发展非常快，通货膨胀率又低，金融市场似乎跟GDP的关系又不是很大，跟利息率的关系也不是很大，而中国经济发展非常稳定，我对中国目前的情况相关性也不好做太多的评论。因为我对中国的一些数据只是两年前才积累的，差不多从2003年才开始有一些研究。
当时中国股市还是比较低，当时还没有往上升。但是如果你希望我讲一下中国金融市场的波动性，我的原则是应该有两个答案，不知道哪个答案是对的。第一，中国的实际情况跟我的这个模糊不相关。也许这里面的确有一些它自己的道理。第二，也许中国的经济今天看上去很稳定，但是很难说五年以后是什么样，也许五年以后就不那么稳定。我们今天看到大好的局面，未必就是持续的。所以，从这个角度来说，目前市场回应现在做不出来，但是以后会反映出内在的风险。
今天早晨我们关于中国的经济问题也做了一些讨论，对这些问题进行的一些回答，可能不是特别的准确，从目前角度来说也不是那么确定，也许会下大家还会针对这个问题对我问一些问题。
我们现在看一下第二个预测的模式。单一因素的模式太简单了，因为它考虑到的因素比较简单、比较少。第二个预测的模式，我们叫做DCC模式。
DCC模式是一个新的模式，也是一种ARCH的模式。这种模式做什么呢？它把一系列的相关因素集合在一块儿，算出一个市场的波动性。也就是它用ARCH模型当中一些残差，我们用这种模式剔除波动来进行计算。用这种模式你只是关注相关性就够了，不用去看它的方差。
谈到相关性的模式，有几个特点。比如说一个股市在同样的方向发展，也就是两个资产同方向变化的时候，它的相关性就增大。根据DCC模式，如果它向反方向变化，就是两支股票的相关性会减小。这里面有一个不对称的问题。
我们接下来给大家看一个DCC的等式是怎么回事。我讲的这个模式有点像GARCH这个模式，所有的参数alpha和beta对所有的资产两两配对都假设为相同的。所以我们只有2个参数需要估计，而无论有多少资产。这个模式实际上是非常简单的，它针对大的系统是非常有用的。我们再把DCC模式用在金融电器GE还有美国运通。这个模式在一开始的图形，1994年是0.5，之后升起来了，0.4年又降下来了。由于不对称，它的相关性相对来说不明显。
接下来具体用等式的方式看DCC的模式是怎么回事。
我们再把DCC模式用在另外一个方面，看看它的适用。比如上海A股股指，还有摩根斯坦利的资本国际中国指数的相关性。大家对这两个指数应该是很熟悉的，我们来分别看一下。MSCI中国指数看看怎么跟我们这个模式应用在一起。它在高峰的时候是1999年，2002年、2003年低下来了。2月17日中国指数跌了9%，我不知道与此同时MSCI指数低了多少。这两个指数进行比较的时候，在样品的一开始，相关性非常高，波动性也非常大。但是到了中期，市场的回应就比较低，也就是它们的相关性比较弱。最后两者的相关性又高起来了，但也不是特别相关。
看一下上海的A股，情况完全不一样。上海A股的波动性一开始比较低，后来高起来了，也就是我们做样品阶段的后期又高起来，我们也不知道目前上海A股股指高到底是不是泡沫。
从2006年下半年开始增长的比较快。我们应该问一下自己的问题，MSCI和上海A股，和中国的A股到底有什么关系，它们两者有什么区别。同时我们要看一下在香港交易的H股、B股，在美国纳斯达克交易的N股，还有红筹股，这个指数实际上讲的是公司都是中国的公司，但是这些公司的指数是允许外国人买。因为某种意义上，从广义上来说，外国投资者是没法买上海A股股市的股票，但是它可以通过买股指来介入中国的股市。也许在可预见的未来，外来投资者是可以买中国的股票。
看一下GARCH模式。先看一下上海在这个模式当中的波动性，我们会发现波动性也是有上有下，而且相对来说频繁一些。在我们样品的最后阶段趋势是往上走的。我们看看左下角的新加坡还有右下角的台湾，它们相对来说波动性大一些。
我刚才给大家的是一个区域性的数据，我们会发现很有意思，中国与韩国、中国台湾地区、新加坡股票市场的相关性并不是很大，也许得出这种结论并不感到意外。而且中国上海A股的股指比MSCI摩根斯坦利中国指数股指的波动性要大。
我们看2001年MSCI的股指比上海A股的股指要更加波动，同样当时中国在国外上市的那些股票也因此波动性非常大。所以，可以这样理解，MSCI的股指指数比上海A股的股指更加随着全球金融市场的波动而波动。
我们看两个指数之间的相关性的时候，发现差不多是0.9，一般是这样，但是我们的样品比0.9要低。MSCI和A股的相关性，在2003年的时候最低，但现在已经增长了30%。所以，很有可能在金融市场上的改革对股票市场的一些作用已经显现出来了。随着时间的推移，这两个股指可能会越来越接近，我认为接近对中国是有好处的。
刚才我们讲到了两种模式的相关性，也许加上历史的模式，应该有三种。接下来我想把这几种模式进行一个比较，也就是比较一下单一因数的模式和DCC模式。
我们看一下美国18个大盘股。不管是用DCC的模式还是用历史的模式，我们来算一算。
我们先看DCC和历史的数据模式，我们把这两者模式放在同一个图表当中来进行比较。我们看到了什么呢？这两种模式差异并不是很大，通过图表大家好像看出了一点差异都没有，这就是问题所在，就是把这两个模式放在一块儿的时候就看不出波动性到底有什么区别，似乎是市场的波动性和相关性有一点儿关系，但是放在图表当中的时候又很难看出来。所以，我们还是应该更加精确一点。我们现在接下来看一下平均的相关性，也就是每两对股票我们做一个比较。蓝颜色是平均的相关性，也就是这18支大盘股的平均相关性，我们取一个平均值。(图)蓝颜色的曲线所代表的，在这里看到一个关键的问题是，它们的走向基本上是趋同的，当然也有某些时段，特别是最后样板期的阶段是不一样的。从全球来讲，你要看其它我们的一些数据，它们的走向差不多跟我讲的一样。2000年它的相关性非常低，当时波动性也非常低。
接下来给大家介绍另外一个模式，这个模式实际上跟其它几个模式要联系起来一块儿考虑。刚才我们讲了单一因素的模式，我们强调了DCC模式。实际上我们把两个加一块儿就叫“因素DCC的模式”。我们通过这个模式来预测相关性，能得到最好的效果。单一因素模式刚才已经讲到了单因素和常数异质波动、单因素，Garch异质波动和D五CC估计的残差相关性。我们用这种模式的残差放在DCC模式，这是这种模式通常用的一种假设。我们用残差来看一下这个模式当中还能够剩下什么，这就是所谓因素DCC的模式。
有一个公式向大家展示一下这个模式怎么得出结论的，单个股票实际上是股票市场的一个β值。现在给大家讲一下我们怎么样用共识来测算它的相关性。公式非常复杂，如果大家在我讲之前就能看明白公式，那就是英雄。我们通常认为异质性与相关性没有什么太多的关系。
我们刚才讲到了能源的因素，比如能源作为一个因素的时候，不是很活跃的时候，波音飞机公司和通用汽车公司两个公司之间相关性就不大，如果能源作为一个因素非常活跃，我们就会看到能源这种因素导致通用汽车公司和波音飞机公司两者的相关性增加。我们通常用市场上最新的一些信息，通过这种模式来看两者之间的相关性有多大，当然有一些因素是随着时间的变化是消失的。我们会发现一些公司特质的一些骤变还有市场上的一些骤变，最关键的是β值，β值是方差除以斜方差，而且这些数据都是随着时间而不断的变化。随着时间变化的β值肯定会根据市场的走向变化而变化，同时也根据一个公司的业务发生变化而变化。所以，公司从测算来讲，在实际计算当中非常简单，虽然看上去复杂。
再看一下美国运通和通用电器。这个图包括了刚才讲的三种模式，我们仍然从这个图表当中很难看出到底发生了什么，但是在右下角可以看到蓝线往下走，蓝线代表一种恒常数。三种模式在这个图表当中都表现了它们之间的差别，它们之间的差别主要是取决于市场上一些相关的因素而发生的变化。
页:
[1]