外匯市場的非對稱波動關聯性：壞波動與好波動的外溢效應

1. 引言

非對稱波動現象（AVP）是一個廣為人知的典型事實：金融市場的波動在市場下跌後較高，而在上漲後較低。然而，儘管非對稱波動已被深入研究，但波動外溢中的非對稱性——即壞波動與好波動如何在資產間傳播——卻鮮少受到關注。Baruník、Kočenda 和 Vácha（2016）的這篇論文透過使用 2007 年至 2015 年交易最活躍貨幣的高頻日內數據，研究外匯市場的非對稱波動關聯性，來填補此一研究缺口。

作者們記錄到，負面（壞）波動外溢主導了正面（好）波動外溢，特別是在歐洲主權債務危機期間。正面外溢則與次貸危機、各國央行貨幣政策分歧以及商品市場發展相關。該研究提供了新的證據，顯示財政因素與淨負面外溢有關，而貨幣政策與實體經濟事件的組合則驅動了淨正面非對稱性。

2. 研究方法

2.1 衡量波動關聯性

作者們採用 Diebold 和 Yilmaz（2015）的關聯性架構，該架構使用向量自迴歸（VAR）的變異數分解來量化外溢效應。總體關聯性指數衡量由跨資產衝擊所貢獻的預測誤差變異數比例。方向性外溢（對其他資產、來自其他資產）和淨外溢則被計算出來，以識別波動的傳遞者與接收者。

2.2 非對稱半變異數架構

為了捕捉非對稱性，作者們根據 Barndorff-Nielsen、Kinnebrock 和 Shephard（2010）的方法，將已實現波動分解為下行（壞）和上行（好）半變異數。壞波動與負報酬相關，好波動則與正報酬相關。接著，分別針對壞波動和好波動成分計算關聯性指標，從而得以識別非對稱的外溢動態。

2.3 數據與樣本

數據集涵蓋 2007 年至 2015 年，包含六種主要貨幣對的 5 分鐘日內數據：歐元/美元、英鎊/美元、美元/日圓、美元/瑞士法郎、澳元/美元和美元/加元。樣本期間涵蓋全球金融危機、歐洲主權債務危機以及後續的政策分歧。已實現波動和半變異數是根據日內報酬每日計算而得。

3. 實證結果

3.1 總體關聯性動態

總體關聯性指數隨時間波動，並在危機期間達到高峰。平均總體關聯性約為 60%，顯示貨幣之間存在顯著的相互依存性。高峰出現在 2008 年金融危機和 2011–2012 年歐洲債務危機期間，關聯性達到 80% 以上。

3.2 非對稱外溢模式

壞波動外溢始終大於好波動外溢。平均壞波動關聯性約為 65%，而好波動關聯性約為 55%。這種非對稱性在歐洲主權債務危機期間最為明顯，壞波動外溢佔據主導地位。正面外溢則在次貸危機和貨幣政策分歧時期更為顯著。

3.3 淨外溢分析

淨外溢分析顯示，歐元/美元在歐洲債務危機期間是壞波動的淨傳遞者，而美元/日圓則是淨接收者。澳元/美元在商品繁榮期間顯示出淨正面外溢。在危機期間，大多數貨幣的淨非對稱性（壞波動減去好波動）為正值，證實了壞波動的傳播更為強勁。

4. 關鍵見解

壞波動的主導地位：負面外溢始終大於正面外溢，尤其是在危機期間。
事件驅動的非對稱性：財政事件（主權債務）驅動淨負面外溢；貨幣政策和實體經濟事件則驅動淨正面外溢。
貨幣異質性：不同的貨幣在扮演壞/好波動的傳遞者或接收者角色上表現出顯著差異。
投資組合意涵：非對稱外溢對避險和多元化策略有直接影響。

5. 技術細節與數學公式

已實現波動被分解為下行和上行半變異數：

$RV_t = \sum_{i=1}^{N} r_{t,i}^2$

$RS^-_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} < 0)$

$RS^+_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} > 0)$

其中 $r_{t,i}$ 是日內報酬，$I(\cdot)$ 是指標函數。關聯性指標基於階數為 $p$ 的 VAR 模型：

$\mathbf{x}_t = \sum_{k=1}^{p} \mathbf{\Phi}_k \mathbf{x}_{t-k} + \mathbf{\epsilon}_t$

$H$ 步預測誤差變異數分解產生外溢矩陣 $\mathbf{D}$，其中 $d_{ij}$ 是變數 $j$ 對變數 $i$ 預測誤差變異數的貢獻。總體關聯性指數為：

$C = \frac{\sum_{i \neq j} d_{ij}}{\sum_{i,j} d_{ij}} \times 100$

方向性外溢（來自其他、對其他）和淨外溢則分別針對壞波動和好波動半變異數進行類似計算。

6. 實驗結果與圖表

圖 1： 總體關聯性指數隨時間變化（2007–2015 年）。該指數在 2008 年金融危機和 2011–2012 年歐洲債務危機期間達到 80% 以上的高峰，基線約為 60%。

圖 2： 壞波動與好波動關聯性比較。壞波動關聯性指數（實線）始終高於好波動關聯性指數（虛線），平均差距為 10 個百分點。

圖 3： 各貨幣的淨非對稱外溢（壞波動減去好波動）。歐元/美元在 2011–2012 年期間顯示出較大的正淨非對稱性，而美元/日圓在同一時期則顯示出負淨非對稱性。

表 1： 平均方向性外溢（2007–2015 年）。歐元/美元將其 25% 的變異數傳遞給其他貨幣（壞波動），而好波動則為 18%。美元/日圓從其他貨幣接收 30% 的變異數（壞波動），而好波動則為 22%。

7. 分析架構範例

案例研究：歐洲主權債務危機（2011–2012 年）

在此期間，從歐元/美元到其他貨幣的壞波動外溢急劇增加。歐元/美元的淨非對稱性達到 +15 個百分點，意味著壞波動的傳播遠多於好波動。對於美元/日圓，淨非對稱性為 -10 個百分點，表明它是壞波動的淨接收者。這種非對稱性歸因於歐元區的財政擔憂，引發了避險情緒並導致資金流向日圓和美元等避險貨幣。

實際應用： 持有歐元/美元和美元/日圓部位的投資組合經理，需要在危機期間調整避險比率，因為壞波動外溢會放大相關性並降低多元化效益。利用非對稱關聯性架構，經理人可以識別哪些貨幣是壞波動的淨傳遞者，並相應地增加避險。

8. 應用展望與未來方向

非對稱波動關聯性架構的應用範圍遠不止於外匯市場。未來的研究可以將分析擴展到：

加密貨幣市場： 將此架構應用於比特幣和其他數位資產，這些資產表現出極端的波動性和潛在的非對稱性。
跨資產外溢： 同時檢視股票、債券、商品和貨幣之間的非對稱性。
即時監控： 基於非對稱外溢指數開發早期預警系統，以偵測系統性風險的累積。
政策分析： 評估央行干預對非對稱波動傳播的影響。
機器學習整合： 使用神經網路來預測非對稱外溢，並優化動態避險策略。

9. 原始分析

這篇論文透過將波動關聯性文獻擴展到納入非對稱性（一個先前研究 largely 忽略的維度），做出了重大貢獻。使用高頻數據和半變異數分解在方法論上是穩健的，並提供了細緻的見解。研究發現壞波動在財政危機期間佔主導地位，而好波動則與貨幣政策分歧相關，這在經濟直覺上是合理的，並與槓桿效應文獻（Black, 1976）一致。

然而，該研究有其局限性。樣本僅限於六種主要貨幣對，排除了可能表現出不同非對稱模式的新興市場貨幣。基於 VAR 的關聯性指標假設線性關係，這可能無法捕捉極端事件期間的非線性相依性。此外，因果因素（財政 vs. 貨幣）的識別是基於敘事相關性，而非正式的因果檢定。

與 Baruník 等人（2016）關於美國股票的研究相比，外匯市場顯示出更高的整體關聯性，但具有相似的非對稱模式。這表明波動外溢的非對稱性是金融市場的一個普遍特徵，而非特定資產的異常現象。這些結果也補充了 Diebold 和 Yilmaz（2015）的工作，為關聯性分析增加了一個新的維度。

從實務角度來看，這些發現對風險管理具有直接意涵。投資組合經理在建構避險策略時應考慮非對稱外溢，因為相關性在下跌期間比上漲期間增加得更多。監管機構可以將非對稱關聯性作為總體審慎工具來監控系統性風險，因為壞波動外溢的飆升通常預示著危機。

10. 參考文獻

Baruník, J., Kočenda, E., & Vácha, L. (2016). Asymmetric volatility connectedness on forex markets. arXiv:1607.08214.
Baruník, J., Kočenda, E., & Vácha, L. (2015). Asymmetric volatility connectedness: A new approach and evidence from oil commodities. Energy Economics, 52, 220-235.
Barndorff-Nielsen, O. E., Kinnebrock, S., & Shephard, N. (2010). Measuring downside risk: Realised semivariance. In Volatility and Time Series Econometrics (pp. 117-136). Oxford University Press.
Black, F. (1976). Studies of stock price volatility changes. Proceedings of the 1976 Meetings of the American Statistical Association, 171-181.
Diebold, F. X., & Yilmaz, K. (2015). Financial and Macroeconomic Connectedness: A Network Approach to Measurement and Monitoring. Oxford University Press.
Kitamura, Y. (2010). Testing for intraday interdependence and volatility spillover among the euro, the pound and the Swiss franc. Journal of International Money and Finance, 29(5), 943-960.
BIS (2013). Triennial Central Bank Survey: Foreign exchange turnover in April 2013. Bank for International Settlements.

11. 專家評論：核心見解、邏輯脈絡、優勢與缺陷、可行建議

核心見解： 這篇論文不僅僅是衡量波動外溢——它證明了在貨幣市場中，壞消息比好消息傳播得更快、更遠。這種非對稱性並非統計假象；它是一個由不同經濟體制驅動的結構性特徵：財政危機放大壞波動外溢，而貨幣政策分歧則驅動好波動外溢。對於任何認為外匯相關性是對稱的人來說，這是一個遊戲規則的改變。

邏輯脈絡： 作者們從一個明確的研究缺口開始：每個人都知道波動是非對稱的，但沒有人檢驗過外溢是否也是非對稱的。他們透過將已實現波動分解為壞波動和好波動半變異數，然後將這些變數代入 Diebold-Yilmaz 關聯性架構，建立了一套嚴謹的方法論。實證部分的結構良好：首先是總體關聯性，然後是非對稱性，接著是淨外溢，最後是經濟解釋。邏輯脈絡清晰且易於理解，儘管因果關係的主張（財政 vs. 貨幣）更多是暗示性的，而非經過證實的。

優勢與缺陷： 最大的優勢在於其新穎性——這是第一篇記錄外匯市場非對稱波動關聯性的論文。使用高頻數據（5 分鐘）是一大優點，因為它能捕捉到每日數據可能遺漏的日內動態。半變異數分解既優雅又有理論基礎。然而，樣本僅限於六種主要貨幣對，忽略了可能表現不同的新興市場貨幣。VAR 模型假設線性關係，這在非線性關係主導的危機時期有些牽強。此外，將外溢驅動因素歸因於財政 vs. 貨幣事件是基於時間序列的視覺檢查，而非正式的假設檢定。這削弱了因果敘事。

可行建議： 對於投資組合經理：停止假設對稱相關性。在危機期間，避險比率應增加 20-30%，因為壞波動外溢會放大下行風險。對於央行：非對稱關聯性可以作為一個早期預警指標——從歐元/美元到其他貨幣的壞波動外溢飆升，預示著系統性壓力。對於研究人員：將此架構擴展到加密貨幣（表現出極端非對稱性）和跨資產外溢（例如，外匯到股票）。該方法論非常適合機器學習的增強——使用 LSTM 網路即時預測非對稱外溢。最後，監管機構應考慮將非對稱關聯性作為總體審慎工具；該論文顯示，壞波動外溢在重大危機之前達到高峰，提供了一個潛在的領先指標。

目錄