Empirical analysis of contagious financial crisis: the key role of multivariate dynamic conditional correlations, copula functions, markov regime switching models and machine learning

Abstract

Αυτή η διδακτορική διατριβή μελετά τις επιπτώσεις της μεταδοτικότητας της μεταβλητότητας σε περιόδους κρίσεων. Για να επιτευχθεί αυτός ο στόχος, εξετάζονται εμπειρικά μεμονωμένα ερευνητικά προβλήματα, με στόχο την καλύτερη κατανόηση του θέματος. Η εμπειρική ανάλυση χωρίζεται σε πέντε μέρη / έρευνες που καλύπτουν τομείς χρηματοοικονομικής μόλυνσης στο παγκόσμιο χρηματοπιστωτικό σύστημα με επίκεντρο τα πιο πρόσφατα γεγονότα κρίσης. Το πρώτο μέρος εξετάζει τις επιπτώσεις της μεταδοτικότητας της μεταβλητότητας από τη Νότια προς τη Βόρεια Ευρωζώνη κατά τη διάρκεια της κρίσης δημοσιονομικού χρέους. Προτείνω το μοντέλο Dynamic Conditional Correlation (DCC) και το μοντέλο BEKK για τον εντοπισμό πιθανής συσχέτισης κατά την περίοδο 2005-2015. Αυτά τα δύο μοντέλα είναι τα καταλληλότερα για τον ποσοτικό προσδιορισμό των συσχετισμών μεταξύ των αγορών. Τα ευρήματα έδειξαν ότι και τα δύο μοντέλα συμπεριφέρονται τέλεια και είναι ευέλικτα για την παρουσίαση των επιπτώσεων. Ωστόσο, όταν πρόκειται για απεικόνιση των εξαρτώμενων συσχετίσεων, το μοντέλο ADCC φαίνεται να ταιριάζει καλύτερα. Επιπλέον, η Ισπανία και η Ιταλία είναι εκείνες οι χώρες που μπορούν να προκαλέσουν σημαντικές ζημιές σε όλες τις ισχυρές οικονομίες της Βόρειας Ευρωζώνης, ενώ οι αρνητικοί αποδόσεις της Ελλάδας είναι σε θέση να παρασύρουν τον γαλλικό δείκτη. Η Γαλλία, από την άλλη πλευρά, είναι η πιο συσχετισμένη χώρα με τη Νότια Ευρωζώνη. Τα συμπεράσματα υποστηρίζουν μια σημαντικά ενδιαφέρουσα συνεισφορά στην τεκμηρίωση της μόλυνσης στις κεφαλαιαγορές. Το δεύτερο μέρος μελετά την εξάπλωση της παγκόσμιας χρηματοπιστωτικής κρίσης και της ευρωπαϊκής κρίσης δημοσιονομικού χρέους από χώρες της ευρωζώνης στην πραγματική οικονομία εξετάζοντας δέκα τομείς σε μεγάλες ανεπτυγμένες και αναδυόμενες χρηματιστηριακές αγορές. Πρώτον, χρησιμοποιώ το υπόδειγμα των Cappielo et al. (2006) και copula εξισώσεις για την ανίχνευση και διασταύρωση των συσχετισμών και της μετάδοσης. Δεύτερον, αποκαλύπτω στοιχεία συσχέτισης μεταξύ των δεικτών αβεβαιότητας πολιτικής και των αποδόσεων της χρηματιστηριακής αγοράς. Τα αποτελέσματα καταδεικνύουν ότι καμία χώρα και τομέας δεν ήταν αρκετή σε σχέση με τα φαινόμενα διαρροής, υπογραμμίζοντας την περιορισμένη αποτελεσματικότητα των υπευθύνων χάραξης πολιτικής τόσο για την παγκόσμια χρηματοπιστωτική κρίση όσο και για την ευρωπαϊκή κρίση δημοσιονομικού χρέους. Η εμπειρική εφαρμογή αποδεικνύει τη σημαντική μεταβλητότητα και την εξάρτηση από την ουρά των πολυμετάβλητων κατανομών copula από τον χρηματοπιστωτικό τομέα σε πολλούς πραγματικούς τομείς της οικονομίας των ΗΠΑ. Επιπλέον, υπάρχουν σαφείς ενδείξεις ότι ορισμένοι τομείς, ιδίως η υγειονομική περίθαλψη, οι τηλεπικοινωνίες, οι επιχειρήσεις κοινής ωφελείας και η τεχνολογία, επηρεάστηκαν λιγότερο από την κρίση, όπως παρατηρεί και ο Baur (2011). Το τρίτο μέρος εφαρμόζει ένα μοντέλο δυναμικής συσχέτισης DCC για το συσχετισμό μεταβλητότητας και την αλληλεξάρτηση μεταξύ της κρίσης του ελληνικού δημοσιονομικού χρέους και της κυπριακής χρηματοπιστωτικής κρίσης. Η κρίση των ενυπόθηκων στεγαστικών δανείων στις ΗΠΑ δημιουργούσε μεγάλες διαταραχές στις περισσότερες μεγάλες οικονομίες. Λίγο αργότερα, το νέο οικονομικό πλαίσιο υποχρέωσε την Ελλάδα να μειώσει το υψηλό έλλειμμα και το δημόσιο χρέος. Στη συνέχεια, η κυπριακή χρηματοπιστωτική κρίση συνέβη μετά την πιστωτική εκδήλωση στην Ελλάδα. Πιθανά κανάλια μετάδοσης δημιουργήθηκαν μετά την απόφαση της κυπριακής κυβέρνησης να επιβάλει εισφορά τραπεζικών καταθέσεων σε αντάλλαγμα για τη διάσωση. Τα ευρήματα υποστηρίζουν την ύπαρξη μεταδοτικότητας κατά την περίοδο 2008-2013. Μέχρι το 2015, το οικονομικό περιβάλλον και στις δύο χώρες ήταν αρκετά διαφορετικό και αυτό είναι εμφανές στις συσχετίσεις τα τελευταία δύο χρόνια. Παρατηρώντας τη συμπεριφορά των συσχετισμών, καταλήγω στο συμπέρασμα ότι και οι δύο οικονομίες αντιμετωπίζονται σαν «πειράματα» για να δοκιμάσουν μέτρα λιτότητας προκειμένου να εξασφαλίσουν οι υπόλοιπες συστημικές χώρες από πιθανή μεταφορά της κρίσης από την Ελλάδα στο κράτος τους. Το τέταρτο μέρος μελετά τις επιπτώσεις του δημοψηφίσματος του Ηνωμένου Βασιλείου για την παραμονή στην Ευρωπαϊκή Ένωση τον Ιούνιο του 2016 και ακολούθως την ενεργοποίηση του άρθρου 50 σε 43 μεγάλες ανεπτυγμένες και αναδυόμενες χρηματιστηριακές αγορές. Προσδιορίζω ποιες χώρες είναι ευάλωτες στη μετάδοση και ποιες άλλες έχουν ασυλία κατά την περίοδο της αναταραχής. Συγκεκριμένα, σε διμετάβλητη βάση, χρησιμοποιώ δυναμική εξάρτησης μέσω copulas με μεταγωγή καθεστώτος των Silva Filho et al. (2012) χρησιμοποιώντας τις αποδόσεις ενδοημερήσιων αποδόσεων για τον εντοπισμό της μετάδοσης μεταξύ των χρηματιστηριακών αγορών. Τα εμπειρικά αποτελέσματα προσθέτουν σημαντικά στοιχεία στη βιβλιογραφία σχετικά με την οικονομική επιβάρυνση από το Brexit σε άλλες χώρες για ένα πολύ μεγάλο δείγμα μέχρι στιγμής. Από τα στοιχεία προκύπτει ότι η μεθοδολογία αναγνώρισε την άμεση οικονομική αλλοίωση που προέκυψε από τα αποτελέσματα του δημοψηφίσματος. Ωστόσο, η μετάδοση δεν ήταν επαρκώς σημαντική λόγω της σύντομης διάρκειας. Υποθέτω ότι η αρνητική αντίδραση στις αγορές ήταν γενικά μικρή και διατηρήθηκε μόνο για μικρό χρονικό διάστημα. Σε γενικές γραμμές, η αβεβαιότητα ήταν πολύ περιορισμένη, επειδή λίγες μέρες μετά την ημέρα της ψηφοφορίας, οι περισσότερες χρηματιστηριακές αγορές είχαν ανακάμψει πλήρως τις απώλειές τους. Επιπλέον, καμία σημαντική αλλοίωση δεν παράγεται από την ενεργοποίηση του άρθρου 50. Η προσέγγιση παρέχει σημαντικές πληροφορίες όχι μόνο στους υπεύθυνους χάραξης πολιτικής αλλά και στους επενδυτές σχετικά με την αντίδραση της χρηματιστηριακής αγοράς στο αναμενόμενο Brexit. Τέλος, το πέμπτο μέρος μελετά σχετικά με τα «συστήματα έγκαιρης προειδοποίησης» (EWS) εξετάζοντας εάν μέτρα κινδύνου μετάδοσης, τα οποία βασίζονται στη μοντελοποίηση του παγκόσμιου χρηματοπιστωτικού συστήματος ως δικτύου, μπορούν να χρησιμεύσουν ως δείκτες έγκαιρης προειδοποίησης και να βελτιώσουν τις επιδόσεις από τις προβλέψεις κρίσης. Με αυτόν τον τρόπο, συνδυάζω αλγορίθμους ανάλυσης δικτύου και μηχανικής μάθησης για να δημιουργήσω ένα ακριβές υπόδειγμα για την πρόβλεψη των ευάλωτων περιόδων μετάδοσης κατά τη διάρκεια περιόδων κρίσης στις χρηματιστηριακές αγορές. Τα εμπειρικά αποτελέσματα προσθέτουν σημαντικά στοιχεία στη βιβλιογραφία, καθώς λίγες προηγούμενες μελέτες έχουν επικεντρωθεί στις τοπολογικές μετρήσεις του δικτύου στα χρηματοπιστωτικά δίκτυα. Όσον αφορά τα χρηματοπιστωτικά δίκτυα, ερμηνεύονται από ένα σημαντικό ποσοστό της πραγματικής γεωγραφικής θέσης των αγορών. Επιπλέον, η μεταβλητότητα των συσχετίσεων ακολουθεί σε μεγάλο βαθμό την αστάθεια των κεντρικοτήτων όπου σημαντικές διαταραχές στις συσχετίσεις προκαλούν τεράστια μεταβλητότητα σε όλες τις κεντρικότητες. Βάσει αυτών των στοιχείων χρησιμοποιώ δοκιμές υποθέσεων για να προσδιορίσω τη δυνατότητα του κινδύνου μετάδοσης στο εσωτερικό του δικτύου. Τα αποτελέσματα επαληθεύουν την ύπαρξη κινδύνου μετάδοσης στις ημερομηνίες στις οποίες παρατηρούμε σημαντική αύξηση των συσχετίσεων και των κεντρικοτήτων. Όσον αφορά τα εμπειρικά αποτελέσματα της προσέγγισης μηχανικής μάθησης για την πρόβλεψη του κινδύνου μετάδοσης στο εσωτερικό του χρηματοπιστωτικού δικτύου, η ακρίβεια των SVM έφθασε στο 98,8%, κάνοντας τις προβλέψεις αρκετά ακριβείς. Το μοντέλο παρέχει σημαντικές πληροφορίες όχι μόνο στους υπεύθυνους χάραξης πολιτικής (ιδρύματα) αλλά και στους επενδυτές σχετικά με τη χρήση του δικτύου της χρηματοπιστωτικής αγοράς ως χρήσιμη συσκευή για τη βελτίωση της διαδικασίας επιλογής χαρτοφυλακίου με στόχο μια ομάδα περιουσιακών στοιχείων βασισμένη στην κεντρικότητά τους.

This doctoral thesis studies the volatility spillover effects from shock events of financial crisis. To achieve this goal, individual research problems are empirically analyzed, aiming at a better understanding of the subject. The empirical analysis is divided into five parts/researches which cover fields of financial contagion in the global financial system focusing on the most recent crisis events. The first part investigates the volatility spillover effects from South to North Eurozone during the Sovereign Debt Crisis. I propose the Dynamic Conditional Correlation (DCC) model and the BEKK model to identify possible linkages during the period 2005-2015. These two models are the most appropriate in quantifying the correlations and the variance-covariance matrices between asset markets. The findings showed that both models behave perfectly and are flexible in presenting the spillover effects. However, when it comes to figure illustration of conditional correlations, the ADCC model seems to fit better. Additionally, Spain and Italy are those countries which can produce significant damage on all Northern strong economies while Greece’s negative shocks are capable of co-moving the French index. France, on the other hand, is the most correlated country with the South Eurozone. The findings support significant interesting contribution to the literate of contagion in capital markets. The second part studies the spread of the Subprime Crisis and the European Sovereign Debt Crisis from Eurozone countries to the real economy by examining ten sectors in major developed and emerging stock markets. First, I employ Cappielo's et al. (2006) model and copula functions to detect and cross-check the correlations and the contagion thereafter. Second, I uncover evidence of correlation behavior between policy uncertainty indexes and stock market returns. The results demonstrate that no country and sector was immune to spillover effects, highlighting the limited effectiveness of policy makers for both the Subprime Crisis and the European Sovereign Debt Crisis. The empirical application provides evidence of significant volatility and tail dependence from the financial sector to many real sectors in the U.S. economy. Additionally, there is clear evidence that certain sectors, particularly Healthcare, Telecommunications, Utilities and Technology, were less severely affected by the crisis, as observed by Baur (2011). The third part applies a dynamic conditional correlation DCC model to investigate the volatility spillovers and the interdependence between the Greek Debt crisis and the Cypriot financial crisis. The subprime mortgage crisis created large shocks to most major economies. Shortly after, the new economic framework obliged Greece to decrease its high deficit and public debt. Subsequently, the Cypriot financial crisis occurred after the credit event in Greece. Possible contagion channels were created after the Cypriot government's decision to impose a bank deposit levy in return for the bailout. The findings support the existence of contagion during the period 2008-2013. By 2015, the financial environment in both countries was quite different and this is evident in correlations in the last two years. Observing the behaviour of the correlations, I conclude that both economies are being “treated like lab rats” to test for austerity measures in order for the rest of the systemic countries to be secured from a possible transfer of the crisis from Greece to their own state. The fourth part studies the effects of the June 2016 United Kingdom European Union membership referendum and the subsequently triggered article 50 on 43 major developed and emerging stock markets. I detect which countries are vulnerable to the transmission of the shock and which others have immunity during the period of turmoil. Specifically, on a bivariate basis, I use dependence dynamics through copulas with regime switching of Silva Filho et al. (2012) using intraday data returns to identify contagion among stock markets. The empirical results add significant evidence to the literature on the financial contagion from the Brexit to other countries for a very large sample thus far. Evidence shows that the methodology identified immediate financial contagion produced from the referendum results. However, the contagion was not sufficiently significant given the short duration. I suppose that the negative reaction in the markets was overall small and held only for a short period. In general, results showed instant financial contagion due to the shock and increased uncertainty from the referendum results; however, the shock and uncertainty were very limited, because a few days after the polling day, most stock exchange markets had fully recovered their losses. Additionally, no significant contagion produced from the trigger of article 50. The approach provides significant information not only to policymakers but also to investors about the stock market’s reaction to the expected Brexit. Lastly, the fifth part of the research studies on ‘early warning systems’ (EWS) by investigating whether measures of contagion risk, which are based on modeling the global financial system as a network, can serve as early warning indicators and improve the performance of standard crisis prediction models. In doing so, I combine network analysis and machine learning algorithms to create an accurate model for predicting the vulnerable periods of contagion during shock events and crisis periods in stock exchange markets. The empirical results add significant evidence to the literature since few prior studies have focused on the network topologic metrics in the financial networks. Regarding the financial networks, they are interpreted by a significant percentage of the actual geographic location of the markets. In addition, the volatility of the correlations largely follows the volatility of the centralities where significant shocks in the correlations trigger huge volatility in all centralities. Based on this evidence I use hypothesis testing to determine the possibility of contagion risk inside the network. The results verify the presence of contagion risk on the dates where I observe a significant increase in the correlations and centralities. Regarding the empirical results of the machine learning approach to predict and forecast the contagion risk inside the financial network, the accuracy of the quadratic Support Vector Machine reached 98.8%, making the predictions fairly accurate. The model provides substantial information not only to policymakers (institutions) but also to investors about employing the financial market network as a useful device to improve the portfolio selection process by targeting a group of assets based on their centrality.