颠覆性技术交易型开放式指数基金（ETF）与加密货币资产中的系统性尾部依赖性：一种偏相关网络分析

《Research in International Business and Finance》：Systemic tail dependence in disruptive technology ETFs & crypto assets: A partial correlation network

本研究探讨颠覆性科技ETF与加密资产之间的系统性依赖结构，采用新型部分相关网络框架和分位数连接度度量，发现尾部依赖在极端市场条件下显著加剧，动态网络分析揭示关键事件期间连接度激增，且尾部相关网络能更精准捕捉结构突变和方向不对称性。

　　

Nader Naifar

沙特阿拉伯利雅得伊玛目穆罕默德·伊本·沙特伊斯兰大学（IMSIU）商学院金融系

摘要

本研究探讨了颠覆性科技交易型基金（ETFs）与加密货币之间的系统依赖结构，重点关注动态性、方向性和尾部特异性之间的联系。我们利用基于部分相关性的新型网络框架以及分位数特定的连接性度量方法，研究了2020年1月至2025年4月期间正常和极端回报状态下的静态及动态依赖关系。与传统基于广义预测误差方差分解（GFEVD）的模型不同，我们的方法能够分离出直接且对尾部敏感的相互依赖性，同时过滤掉标准冲击。研究结果表明存在显著的状态依赖性不对称性，在回报分布的较低尾部，协同运动现象更为明显。在关键事件（如GME/加密货币散户热潮、Terra-Luna暴跌以及NVIDIA推动的AI浪潮）期间，动态连接性出现显著峰值。部分相关性框架还能更清晰地捕捉到结构性断裂和有意义的方向性不对称性，优于传统的基于方差的模型。投资组合优化结果表明，减少尾部状态连接性的策略优于传统的基于方差和相关性的方法。我们的发现为尾部敏感的投资组合构建、ETF监管和加密货币市场风险监控提供了有益的见解。

引言

颠覆性技术的兴起和数字金融创新重塑了全球资产市场的结构和动态。交易型基金（ETFs）已成为捕捉主题敞口的核心工具，尤其是专注于人工智能（AI）、金融科技、区块链和网络安全的颠覆性科技ETFs，在机构投资者和散户投资者中都获得了显著关注（Lettau和Madhavan，2018年）。这些通常被设计为“智能贝塔”产品的基金，代表了近几十年来最重要的金融创新之一。与此同时，比特币和以太坊等加密货币已成为系统相关的重要工具，其特点是高波动性和对投机情绪及宏观冲击的敏感性。尽管它们的基本特征不同，但在金融困境或技术和市场制度转型期间，科技主题ETFs与加密货币之间的相互依赖性正在增加（Jare?o和Yousaf，2023年；Almeida等人，2025年；Kristjanpoller等人，2024年）。

近期文献中的实证研究强调了理解这些创新相关市场内部及之间的系统依赖性的重要性。多项研究指出，在COVID-19大流行和俄乌冲突期间，金融科技、AI和区块链ETFs之间的联系日益紧密（Ha，2023年；Tunc，2024年；Sharma等人，2024年）。此外，在压力条件下，AI代币、金融科技股票和颠覆性ETFs的行为表现出不对称的风险溢出效应，其中下行尾部风险比上行波动更具传染性（Ali等人，2024年；Abdullah等人，2024年；Yousaf等人，2024年）。将这些资产整合到投资组合和风险管理框架中变得更加复杂，因为它们的传递角色会根据市场状况在净发送者和接收者之间切换（Ha等人，2024年；Abakah等人，2023a年）。然而，大多数现有研究依赖于传统框架，如广义预测误差方差分解（GFEVD），尽管这些框架被广泛使用，但往往假设线性依赖性，无法捕捉尾部特定或状态依赖的连接性（Huynh等人，2020年）。

为了解决这些局限性，本文采用了Shahzad等人（2025年）最近提出的基于部分相关性的新型网络方法与基于分位数的连接性方法相结合。该框架通过过滤掉标准市场冲击的干扰效应，专注于极端回报事件期间特别重要的结构依赖性，从而分离出直接、对尾部敏感和依赖状态的依赖关系。我们的研究基于三个相互关联的研究问题：（i）在极端市场条件下，颠覆性科技ETFs与加密货币之间的系统尾部依赖性如何变化？（ii）在重大金融或技术冲击（如2021年初的GME/加密货币散户热潮、2022年5月的Terra-Luna暴跌以及2023年5月的NVIDIA驱动的AI浪潮）期间，下行尾部（负面）协同运动的程度如何加剧？这些动态依赖结构对多样化策略和投资组合风险管理有何影响？

为了解决这些问题，我们将部分相关性分位数网络模型应用于2020年1月至2025年4月期间的五类资产：AI与自动化ETFs、金融科技ETFs、区块链ETFs、网络安全ETFs和加密货币。这种方法使我们能够检测回报分布不同分位数之间的系统联系随时间的变化，特别关注正常状态和尾部状态之间的不对称性。我们通过动态连接性指数和双变量投资组合指标来补充网络分析，以评估压力下的多样化稳定性和方向性风险传递。

本研究有几个关键贡献。首先，它将Shahzad等人（2025年）的框架扩展到一个新的、具有政策相关性的资产类别交叉领域：颠覆性技术和去中心化金融的结合。其次，我们提供了系统连接性明显不对称性的实证证据，尤其是在市场动荡时期，下行尾部的协同运动更为强烈。第三，我们表明部分相关性网络比传统的基于方差的模型更能清晰地揭示结构性断裂和方向性溢出效应。最后，我们通过将尾部依赖的连接性模式与投资组合构建、对冲表现和制度敏感的配置策略联系起来，评估了其对投资者的实际影响。

为了阐明我们的工具如何协同工作，我们采用了一种综合的两层设计：由Shahzad等人（2025年）开发的基于尾部条件的部分相关性网络（我们的主要估计器），它能够分离出均值状态、下行尾部状态和上行尾部状态之间的直接联系；以及一个VAR/分位数-VAR GFEVD基准，将结果映射到一个熟悉的冲击传播指标上。这两层都在滚动窗口中估计，以捕捉时间变化，并我们对连接性指数进行了样本外（OOS）预测检验，以避免仅基于单一时期的条件判断。这种综合方法通过将状态依赖的协同运动（部分网络）与方向性溢出（GFEVD）结合在一个连贯的框架中，加强了理论整合。

本文的其余部分结构如下：第2节回顾相关文献；第3节概述方法论框架，重点介绍部分相关性网络和基于分位数的连接性方法；第4节展示数据和初步统计分析；第5节报告实证发现，包括网络动态、投资组合表现和对冲效果；第6节总结关键见解和政策含义。

文献综述

文献综述

ETFs和加密货币的迅速崛起改变了全球资本市场的结构和动态，引入了新的相互依赖性、风险传播和多样化机制。ETFs被认为是几十年来最重要的金融创新之一，其范围和影响力不断扩大，涵盖了传统型、智能贝塔型和技术驱动型类别（Lettau和Madhavan，2018年）。与此同时，加密货币已发展成为系统相关的市场组成部分，通常表现出明显的协同运动和尾部风险特征。

基于部分相关性的连接性框架

本研究采用了Shahzad等人（2025年）提出的先进的分位数基于部分相关性的网络方法，该方法结合了分位数特定的依赖性度量和部分相关性，以分析颠覆性科技ETFs和加密货币的系统结构。这种方法特别适合捕捉回报分布不同部分之间的非线性相互作用和方向性依赖性。

数据描述和初步统计

本研究使用了一个包含十个金融工具的数据集，这些工具代表了颠覆性创新领域的不同部分，时间跨度为2020年1月4日至2025年4月15日。原始数据来自Investing.com的每日收盘价，随后转换为对数回报序列，以确保平稳性并便于对异质资产进行一致的波动性和协同运动分析。

初步检验

在估计动态尾部依赖性和基于网络的连接性之前，进行诊断性检验以了解数据中相互依赖性的结构特征是必要的。这项初步分析考察了十个颠覆性科技ETFs和加密货币之间的回报相关性的两个关键方面：通过部分相关性过滤的条件关系的作用，以及分布尾部依赖性的不对称性。这些诊断有助于建立...

结论

本研究利用结合了基于部分相关性的网络、基于GFEVD的溢出效应和分位数特定连接性度量的框架，探讨了颠覆性科技ETFs与加密货币之间的动态和尾部依赖的连接结构。主要目标是发现创新驱动的金融工具之间系统联系的性质、强度和不对称性，特别是在极端市场压力下，并将这些发现转化为...

CRediT作者贡献声明

Nader Naifar：撰写——原始草稿、软件开发、方法论设计、调查实施、形式化分析、概念化。

资助

本工作得到了伊玛目穆罕默德·伊本·沙特伊斯兰大学（IMSIU）科研处的支持和资助（授权号：IMSIU-DDRSP2604）。

利益冲突声明

作者声明没有利益冲突。