当前位置:首页 >> 人文社科 >>

投稿信及个人信息


专 投

投稿信及个人信息
尊敬的编辑老师: 您好! 十分向往能在贵刊发表论文,无论发表与否,十分感激老师的指点!

论文题目:

次债危机对我国股市的跨国风险传染
——美国、日本、香港等与中国 A、B 股的证据

为方便匿名审稿从文中删除的部分如下: 中文部分: 英文部分: 胡金焱 冯金余 (山东大学 经济学院 ,山东济南 250100)
( HU jin-yan FENG jin-yu ) (School of Economics ,Shandong University , Jinan 250100, China)

作者简介: 胡金焱(1966-) ,男,安徽安庆人,山东大学经济学院常务副院长,教授,博士生导师, 研究方向:金融学。联系地址:山东省济南市山大南路 27 号山东大学经济学院,250100, 电话:0531-88363577,E-mail: hwx@sdu.edu.cn。 冯金余(1974-) ,男,江西莲花人,中级技术职称,山东大学经济学院博士研究生,研 究方向:金融学。联系地址:山东省济南市山大南路 27 号山东大学经济学院,250100,电 话:0531-66760659,E-mail: jyfeng86@126.com;fengyiyang9999@sina.com

祝您身体健康,工作顺利!

1

次债危机对我国股市的跨国风险传染
——美国、日本、香港等与中国 A、B 股的证据

胡金焱 冯金余 (济南,山东大学经济学院,250100)
摘要:应用 VAR—BEEK—MVGARCH 方法研究了次债危机对我国沪深两市 A、B 股票市 场的风险传染效应。VAR 实证结果表明,香港、日本等国际金融市场收益,可以预测次债 危机中沪、深两市收益的一阶矩变化。多元 GARCH 模型实证结果表明,次债危机对我国股 市也存在显著的二阶矩风险传染效应,对我国沪市 A、B 股,深市 A、B 股的国际风险传染 渠道分别是:美国、台湾与新加坡;美国与日本;美国;美国、台湾与新加坡。本文结论可 用于国际资产配置与估算风险。 关键词:次债危机;国际风险传染;A 股 B 股;多元 GARCH

International risk contagion of the sub prime crisis on China’s Stock market:the evidence of US,Japan,Hangkang,etc,and China’s A,B share
Abstract:We apply VAR-BEEK-MVGARCH method to study the risk contagion effects of the Sub Prime Crisis from Hangkang,US,Japan,etc,to A share index and B share index of China’s Shanghai and Shenzhen market. Emperical results of VAR indicate that, Return of International market such as Hangkang, Japan and so on,can predict the changes of Shanghai and Shenzhen market index return. Emperical results of MVGARCH model show that , the Sub Prime Crisis has significant risk contagion effect of two moment of return . The channels of international risk contagion to A,B shares of Shanghai and Shenzhen,are:(1)US,Taiwan and Xinjiapo,(2)US and Japan,(3)US,(4)Us,Taiwan and Xinjiapo,respectively. The Conclusion can be applied to allocat asset and to measure volatility risk internationally. Keywords: Sub Prime Crisis;international risk contagion;A share and B share;MVGARCH

一、风险传染的相关理论回顾
美国次债危机的冲击在 2008 年已经开始全面凸显:股市下挫、金融机构破产、投资者 信心下降、各国经济下滑等。由于全球经济、金融一体化程度,在过去几十年空前提高,各 国经济、金融相互依赖,次债危机对全球经济、金融的冲击,非但无法短期内消除,还有可 能继续跨国传染。据新浪财经,美联储前主席格林斯潘 2008 年 9 月 14 日表示,次债危机将 持续成为一股“腐蚀性”力量,将诱发全球一系列经济动荡,更多大型金融机构将倒闭。在 此情形下, 很重要的几个问题是, 我国股市遭受次债危机的风险传染程度如何?通过何种渠 道?其动态传染机制如何?如何预测?此类问题与全球资产配置、 风险管理、 资产定价等密 切相关,因而无论是对政府部门、金融机构、基金经理,抑或是对风险对冲交易操作而言, 都具有重要理论、现实意义,但是,目前鲜有文献对此进行研究。 对风险传染的界定主要有两种定义:在控制基本面因素后,遭受风险传染的国家,金融 危机发生概率显著提高;或者不同金融市场收益在危机期内迅速协同变动 (Forbes and

Rigobon,2002[1];Bekaert etal.;2005[2])。现有文献通常根据后一种定义来界定与检验
风险传染。 根据金融学原理, 由于金融市场一体化, 不同国家或地区的市场在充分传递信息、

1

配置资源的同时,市场投资主体通常会根据一个市场的价格变化去推测其它市场的价格变 化,致使各金融市场收益协同变动,此即“风险传染” 。例如,1987年股灾时,尽管当时各 个国家基本面状况参差不齐,各股票市场却同时出现了大幅下跌。 关于风险跨市场传染的机制,主要包括基本面因素与纯粹因素两种机制(方毅等 2007 ) 。从基本面因素看来,由于全球市场一体化,当市场受到相同外界冲击包括市场环 境、宏观经济冲击、共同的资金约束等基本面因素时,风险将在各个市场之间相互传递。在 1997—1998亚洲金融危机中,中国股市得以幸免,主要是因为中国A股金融市场与世界金融 市场近乎完全分割Lardy(1998) 。在中国证券市场中,B股或H股投资者主要是外国投资者, 而A股投资者主要是本国投资者①,因而东亚危机国际市场冲击基本上完全由B股与H股吸 收,国内A股所受影响很小。在金融市场一体化形势下,由于流动性期限结构与收益目标设 定,也会引发风险传染,例如Datar等 (2008) 最近一项针对美国、日本交易指数基金的研 究发现,两国指数基金在持股上完全不同,但是在流动性期限、收益水平等模式设定上存在 诸多共同之处,致使二者日内收益的均值、方差都存在溢出效应。 纯粹的风险传染包括以下几种方式:其一,不管基本面如何,股票价格波动能够自我维 持(self-sustaining) ,一个市场的“错误”会传递到其他市场(King & Wadhwani 1990) 。这 是因为投资者往往非理性地根据一个市场的价格变化去推测其他市场的价格变化。 其二,风 “ 险传染”可能由投资者情绪引发(Rijckeghem等1999) ,如果一个市场相对较弱,当其他市 场受到投机者攻击时,由于羊群效应(herding effect)心理, 该市场投资者会产生类似的 预期。其三,Masih等(1999) 认为,在不同市场信息搜寻成本固定情况下,效率越高、规 模越大市场的有效信息集越大, 更容易传染到其它股市。 例如全球投资者对美国股市给予相 对较高的信息权重,使得其成为全球股市协同运动中的领导者。 实证考察股市风险传染, 常用的方法有两种, 其一是测度金融变量相关系数在危机期间 的变化,如果金融变量相关系数在危机期间显著提高,则可认为存在风险传染(Calvo and Reinrshart,1996
[9] [8] [7] [6] [5] [4] [3]

;Frankel and Schmukler,1996

[10]

)。其二是用GARCH类方法(广义自回

归条件异方差)测定金融变量的条件方差(波动风险)在危机期间是否彼此相关,因为价格 波动与市场获得信息的速度直接相关(Ross1989)
[11]

。GARCH类方法为诺贝尔奖得主恩格尔
[12]

(Engle)所首创。通过单变量GARCH方法,Engle等(1990)

发现,纽约、东京等交易中
[13]

心之间的跨市场波动溢出,与风险传染的“流星雨”假说非常吻合。J.Fleming(1999)

应用

该法考察了美国国债在纽约、东京、伦敦等市场的波动溢出效应。其具体做法分两步:首先 分别用单变量GARCH方法估计各收益序列的时变条件方差;然后取市场i前一期的 ?
2 j ,t
2 i , t ?1

作为

市场波动风险的度量指标,考察该波动风险对另一市场j即期市场波动风险 ? 影响,即波动

①在中国的两个证券交易所——上海证券交易所和深圳证券交易所中,同一家上市公司可发行两种不同类 型的流通股:A 股和 B 股。其中 A 股主要对国内投资者发行,以人民币交易;而 B 股主要对国外投资者发 行,以外汇交易。此外,还有极少数上市公司在海外资本市场如香港或纽约证券交易所上市筹集资本,分 别被称为 H 股和 N 股等。 2

溢出效应。单变量GARCH方法简单易行,因而广泛应用于现代文献中,但其估计效率较低, 检验两个市场之间的波动溢出效应需分两次进行,而且无法考察滞后期协同波动的贡献。 在技术上对其改进是应用多变量的MGARCH方法,其模型可以刻画多个市场收益方差 (二级矩)的协同变动与动态相关结构,以及时变协同波动集聚特征,可以一次同时估计两个 乃至多个市场波动的溢出效应。 MGARCH近几年非常流行且迅速发展, 如BEKK模型 (Engle 等1995)
[14]

; 因子MGARCH模型(Alexander2000); 常相关MGARCH模型(CCC, Bollerslev 等
[15]

1990) ; 动态条件相关MGARCH模型(DCC, Engle 等2002) 模型检验了欧元、英镑、法郎之间的风险溢出。

等。 Kitamura(2007)

[16]

应用DCC

验研究表明,金融市场之间的风险传染,既有股市收益的一阶矩信息传递,又有股市收 益二阶矩的信息传递。 均值溢出是市场对确定性信息的可预期反应, 而方差溢出是市场对不 确定性信息的随机反应。由于VAR(向量自回归)模型可有效检验均值溢出效应(收益一阶 矩) ;多元GARCH可有效分析其波动溢出(收益二阶矩)与动态风险传染机制,国内部分学 者已开始考虑将将VAR与多元GARCH模型相结合考察市场间的波动溢出或风险传染(赵留 彦等2003
[17]

;谷耀等2006

[18]

;方毅等2007
[18]

[3]

) 。赵留彦等(2003)

[17]

研究了中国A、B股市的
[3]

波动溢出与信息流动。谷耀等(2006) 场的风险传染。

应用DCC- (BV) –EGARCH-VAR的方法对沪、深、港

三地股票市场收益和波动溢出效应与动态相关性研究。方毅等(2007) 研究了国内外期货市 因为次债危机刚发生不久, 目前直接探讨其风险传染问题的文献几乎是一片空白。 对我 们有借鉴意义的是,部分文献应用类似方法探讨了1987年股灾、1997年东亚危机、2000年高 科技泡沫破灭、2001年911事件、俄罗斯、巴西货币危机等危机期间,相关国际股市的跨国 风险传染(例如Yang等2008
[19]

;Bowman等2008

[20]

;Kenourgios2008

[21]

;Chen等2007

[22]

) ,

其判断各种危机是否存在跨国风险传染的普遍做法是, 对比使用金融危机前、 后阶段样品数 据,根据相关关系或波动溢出效应变化进行判断。 在以上文献的基础上,本文主要进行了如下扩展性研究:一、将VAR与多元GARCH相 结合,采取两步法进行估计,比较全面地考察了国际股市收益对我国股市的一阶矩、二阶矩 溢出效应与动态传递机制;二、进行了次债危机以前与次债危机以来两阶段对比考察,重点 关注一阶矩与二阶矩溢出效应前后变化,以凸显次债危机的风险传染效应。三、较全面地考 察了次债危机风险传染渠道,在“世界因素”中除了香港外,还把美国、日本、台湾、新加 坡纳入其中;三、较全面地考察了次债危机对国内不同市场(沪、深)不同类型(A、B) 股票的风险传染。

二、香港、美国等股市收益数据与统计特征
本文数据来源于雅虎财经与新浪财经,样本区间为 2004 年 12 月 10 日—2009 年 1 月 8 日数据。包括中国沪、深市 A、B 股股指,香港恒生指数、美国标准普尔指数、日本日经指 数、 台湾加权指数、 新加坡海峡时报指数每日收盘价数据, 各变量依次定义为 RSHA、 RHB、 RSHA、RSHB、RHKANG、RUS、RJAPAN、RTWAN、RXJPO。为着重考察次债危机的传 染效应,按各财经媒体观点,将样品分为两个阶段,次债危机以前(2004 年 12 月 10 日— 2007 年 7 月 30) ,美国次债危机发生以后(将其确定于 2007 年 8 月 1 日) 。由于每日收盘价
3

pt 数据具有异方差与不平稳性,故改为研究股指收益 ln(pt/pt-1) 。本文应用 stata10.0 软件进 行格兰杰因果检验与 VAR 估计, 应用数理软件 matlab7.0 编程实现各国股市收益残差的多元 GARCH 估计。各变量描述性统计如下: 从表 1 可以看出,各收益序列,偏度都不等于 0,峰度值都远大于 3, J-B 检验拒绝正 态分布假设,都不符合正态分布。具有“尖峰、肥尾”特征,大多数收益序列 arch 效应显 著,因而对残差应用多元 GARCH 模型拟合较为合适。 表 1 各股市收益率描述性统计
统计量 均值 最大者 最小值 偏度 峰度 变异系数 标准差 J-B 检验 archtestlm(12) RSHA 0.001 0.085 -0.089 -0.55 5.13 39.5 0.022 9.9
***

RSHB 0 0.089 -0.091 -0.386 5.8 130.4 0.022 46.0
***

RSHA 0 0.09 -0.093 -0.266 5.62 57.7 0.021 14.4
***

RHB 0 0.094 -0.097 -0.168 5.92 72.2 0.026 50.5 18.8
***

RHKANG 0 0.134 -0.136 0.058 13.24 256 0.019 359
***

RUS 0 0.105 -0.082 0.029 15.82 -70.6 0.014 180 122
***

RJAPAN 0 0.132 -0.121 -0.548 13.67 -70.1 0.018 368 132
***

RTWAN 0 0.061 -0.067 -0.451 5.98 -48 0.014 7.3
***

RXJPO 0 0.075 -0.092 -0.607 10.05 -106.7 0.014 117
***

13.18

13.13

12.44

***

86.1

***

***

***

50.8

***

68.97

***

三、香港、美国等股市收益率相互影响的格兰杰因果判断
根据 Kitamura(2007)
[16]

,为了确定 VAR(向量自回归)模型,我们首先对所有股市收

益序列一阶矩进行格兰杰因果检验①,取滞后 4 阶。所选数据样本为危机发生以后样本。对 各变量进行单位根检验结果表明, 各股市收益率都是平稳序列。 将格兰杰因果检验主要结果 进行整理、汇总,可以得到国际股市对我国股市的风险传染渠道基本如表 2 所示。 由表 2 结果可知,在股市收益一阶矩上,美国次债危机并不直接对我国沪、深两市 A、 B 股构成冲击,而是间接地通过日本、台湾、香港或新加坡冲击中国股票市场。A、B 股相 比而言,B 股容易收到国际股市的风险传染,香港、新加坡都是深市 B 股收益一阶矩的格 兰杰原因, 日本是沪市 B 股的格兰杰因果, 台湾、 日本对深市 B 股的格兰杰因果也接近 10% 的显著水平。这说明我国 B 股市场对国际风险较为敏感,这是因为 B 股的主要持有者是国 外投资者,对信息反应较为敏感(洪永淼等 2004)
[23]



除此以外,由格兰杰因果检验结果可知,在国内股票市场中,沪市 A、B 股互为格兰杰 因果关系;深市 A 股是深市 B 股的单向格兰杰原因;沪市 A、B 股都是深市 B 股的单向格 兰杰原因;深市 A 股是沪市 A 股的单向格兰杰原因。由于进行格兰杰因果判断的样本基本 是 2007 年 8 月以后的,这表明随着国内证券市场对 A、B 股的改革,例如 2001 年放宽了境

①根据计量经济学理论原理,格兰杰因果检验原理是,在 VAR(向量自回归)中,如果某个内生变量滞后
项对另一内生变量影响系数具有联合显著性(如 F 检验或 Wald 检验) ,则说明该变量是另一变量的格兰杰 原因。

4

内外币持有者购买 B 股的限制、随后 QFII 的批准设立,国内 A、B 股市场联动性逐渐加大。 表2 次债危机风险传染渠道
RUS→RHKANG→RTWAN→RSHA RUS→RHKANG→RSHB RUS→RXJPO→RSHB RUS→RHKANG→RXJPO→RSHB

RUS→RJAPAN→RHB→RSHA RUS→RTWAN→RSHA→RHB RUS→RTWAN→RSHA→RHB→RSHB RUS→RTWAN→RSHA→RSHB

四、VAR—BEEK—MVGARCH 模型设定
根据以上的格兰杰因果判断,国内同一市场不同种类股票 A、B 股之间基本都存在格兰 杰因果关系,而市场之间的格兰杰因果关系较少,因而,我们分别以沪市 A、B 股,深市 A、 B 股为内生变量构建 VAR 模型,考察国际股市收益一阶矩对我国股市的风险溢出效应。根 据谷耀等(2006)
[17]

的建模思想以及洪永淼等(2004)

[23]

的实证结果, 我们在建模上进一步做如

下改进:沪市 A、B 股收益(深市 A、B 股收益)设定为 VAR 模型的内生变量,互相构成 “本地因素” ;深圳 A、B 股(沪市 A、B 股收益)作为“区域因素” ;对于“国际因素” , 除了香港股市冲击以外,我们把美国、日本、台湾、新加坡的市场冲击也纳入其中。由于基 本面等宏观变量短期内改变不大与数据的不可得,而且根据 king 等(1994)
[24]

,市场之间的

协方差仅有一小部分能为利率、 汇率等基本面因素所解释, 因而本文暂时不考虑基本面影响。 对于条件方差与协方差的估计,采用 BEEK—MVGARCH 模型,该模型优点是参数经济含 义直观、明确,有助于分析。沪市A、B股 VAR 方程(深市A、B股 VAR 方程做相应替换 即可)模型设定如下:
? R H a t ? ?? ha1 ? ? ? ? ? R H bt ? ? ? h b 1 a h a 2 ? ? R H a t ?1 ? ? ? a X ? ? ? a ,t ? ? ?? ?? ? ?? ? ? h b 2 ? ? R H bt ?1 ? ? ? b X ? ? ? b ,t ?

(1)

在以上 VAR 方程中, ? ha 1 、 a ha 2 、 ? hb 1 、 ? h b 2 分别表示向量自回归系数。 X 表示外 生变量矩阵, ? a 以及 ? b 分别表示外生变量系数矩阵,外生变量具体包括深市 A、B 股收益 的滞后项,以及美国①、香港、日本、台湾、新加坡等股市收益。为消除解释变量的内生性 与多重共线性以及考虑到美国的时差因素,部分外生变量取其滞后项替代。 ? a , t 、 ? b , t 表示 方程残差。 以 ? 1t 代表 ? a , t 、 ? b , t 中的任一残差,用 ? 2 t 代表美国、香港等股市收益残差中的任一残 差, ? 1t 与 ? 2 t 残差构成的二元残差为 ? t ,则有:
? t I t ?1 = ?
? ? 1,t ? ? ~ N (0, H t ) , ? ? 2 ,t ? ? h1 1, t Ht ? ? ? h 2 1, t h1 2 , t ? ? h 2 2 ,t ?

(2)

根据 kavajecz 等(2001)

[21]

,GARCH(1,1)对金融时间序列能进行很好地刻画,故取

滞后阶数为 1,即 BEEK—MVGARCH(1,1) ,方差方程的多元 MGARCH 模型如下:
①格兰杰因果主要判断一个变量所有滞后项对另一变量影响系数的联合显著性,美国等市场收益虽然不是 沪市 A、B 股格兰杰原因,但有可能是显著的外生变量,故而美国、香港等市场收益变量都纳入方程外生 变量中。 5

H

? c c 1 2 ? ? c1 1 c 1 2 ? ? ? 1 1 ? 1 2 ? ? 11 ? t ? 0 c 2 2 ? ? 0 c 2 2 ? ?? ? 2 2 ? ? ? ? ? ? 21 ?
T

T

? ? ? ? ? ?

?2

1 1 , t ?1

? 1, t ? 1? 2 , t ? 1 ? ? ? 1 1 ? 1 2 ?
? ? ? ? ?

? 2 , t ? 1? 1, t ? 1

?2

2 2 , t ?1

? ?? ? ? 21 ? 22 ?

? ?11 ? ? ? 21 ?

? ? 22 ? ?

? 1 2 ? ? h1 1, t ? 1

T

? ? h 2 1, t ? 1 ?

?? h 2 2 ,t ?1 ? ? ? 2 1 ??

h1 2 , t ? 1 ? ? ?

11

?12 ? ? 22 ? ?
?

(3)

(2)(3)式为 BEEK 形式的多元 GARCH 的方差形式, ? t 表示条件残差向量,服从 、 多元正态分布, I t ? 1 表示 t ? 1 时刻的信息集, H t 表示条件残差在 t 时刻方差协方差矩阵,是 一个 2 ? 2 对称矩阵。由 (3)式进一步展开可得:
h11, t ? c11 ? ? 11 h11, t ?1 ? 2 ? 11 ? 21 h12 , t ?1 ? ? 21 h22 , t ?1 ? ? 11? 1, t ?1 ? 2? 11? 21? 1, t ?1 ? 2 , t ?1 ? ? 21? 2 , t ?1 (4)
2 2 2 2 2 2 2

h 22 , t ? c 22 ? ? 12 h11, t ?1 ? 2 ? 12 ? 22 h12 , t ?1 ? ? 22 h22 , t ?1 ? ? 12 ? 1, t ?1 ? 2? 12 ? 22 ? 1, t ?1? 2 , t ?1 ? ? 22 ? 2 , t ?1 (5)
2 2 2 2 2 2 2

h12 , t ?1 , h 21, t ?1 ? c11 c12 ? ? 11 ? 12 h11, t ?1 ? ( ? 12 ? 21 ? ? 11 ? 22 ) h12 , t ?1 ? ? 21 ? 22 h22 , t ?1 ?

? 11? 12 ?

2
11 ,t ?1

? (? 12? 21 ? ? 11? 22 ) ? 12 , t ?1? 21, t ?1 ? ? 21? 22 ?

2
22 , t ?1

(6)

(4)(5)(6)式完整地刻画了在次债危机中,国际股市如何将波动性冲击动态传染到我 、 、 国股市的动态机制。由此可知,一个市场的波动( h11, t 或 h22 , t )主要来源于三个方面:自身 与其他收益的前期条件方差波动 h1 1, t ?1、 h 2 2 , t ?1 ;各收益序列前期的残差冲击 ?
2 1 , t ?1

、?

2 2 ,t ?1



自身与其他收益序列的混合冲击 ? 11, t ?1? 22 , t ?1 。当 ? 1 2、 ? 1 2 同时为 0 时,序列 2 对序列 1 没有 波动溢出效应;同理当 ? 1 2、 ? 1 2 同时为 0 时,序列 1 对序列 2 没有波动溢出效应。在本文 中, 我们将国内股市收益残差序列放在第一列, 反映国际股市对我国股市风险溢出效应的系 数为 ? 21、 ? 21 , 如果其显著异于 0, 则说明次债危机已经通过国际市场传染到我国。 (4) 根据 式,进一步可以将国际股市对我国股市的波动溢出效应定义为:
v 21, t ? 2 ? 11 ? 21 h12 , t ?1 ? ? 21 h22 , t ?1 ? 2? 11? 21? 1, t ?1? 2 , t ?1 ? ? 21? 2 , t ?1
2 2 2

(7)

v 2 1,t 表示在各时刻,某个国际股市对我国某个股市的波动溢出效应大小。显然,当 ? 1 2、 ? 1 2

同时为 0 时, v 2 1, t ? 0 ,序列 2 对序列 1 没有波动溢出效应。 BEEK 形式的多元 GARCH 形式,保证了条件方差协方差矩阵的正定性,对其估计采用 最大似然法估计参数,在残差符合多元正态分布的假设下,其对数似然函数为:
L ( X I t ? 1 , ? ) = - T lo g( 2 ? ) - 1 / 2 ? ( ( ln ? H t ?) + ? t H
t ?1 T ?1
t

?t)

(8)

T 为样本总量, ? 为待估计参数,由于似然函数是非线性函数,本文采取 BHHH 算法

进行估计,以单变量 GARCH 估计值作为( H t ,A、B 对角对应元素)的初始值,非对角 元素初始值设定为 0,参数收敛标准为 0.1%。

6

五、模型估计、检验与分析
如上所述,整个模型设定为 VAR(2)-BEEK—MVGARCH(1,1)。股市收益一阶矩 (均值方程)风险传染效应估计结果如表 3 所示,二阶矩(方差方程)风险传染效应估计结 果分别如表 4、表 5 所示。 (一)国际股市对我国股市的一阶矩风险传染效应分析 (1)对沪市A、B股收益一阶矩风险传染效应分析 由表3沪市VAR方程中A股均值方程可以看出,次债危机以前,沪市A股指数收益一阶矩 所受的国际冲击都不显著,而次债危机发生以后则影响显著增强, “国际因素”中香港与日 本股市冲击达到显著水平。 由沪市B股均值方程结果可以得到类似变化: 次债危机后, 香港、 日本、新加坡等“国际因素”开始变得显著,而且影响系数较次债前明显增大。从VAR方程 结果还可看出,其表示长期平均收益的常数项,都由正值都变为负值,表明次债危机,促使 我国沪市A、B股平均收益下滑。 从沪市A、B股收益一阶矩的互相联动来看,次债以前只存在A股对B股的单方向显著影 响;次债危机后则是A、B股互相显著影响,影响系数增大,互为格兰杰因果。沪市A、B股 这种强烈的风险溢出效应是因为, 两个市场均受到国内政策、 政府干预及中国宏观经济因素 的影响(洪永淼等2004)
[23]

,在应对次债危机中,我国政府宏观财政货币政策、进出口政策、

产业政策都做了较大调整,加速了沪市A、B股信息的传递。

表3
VAR 结果 解释变量 L1.RHA L2.RHA L1.RHB L2.RHB RHkang L1.RUS L2.RUS RJapan RTwan RXjpo L1.RSHA L1.RSHB 常数 对数似然 VAR 结果 解释变量 L1.RSHA

次债危机对沪、深两市 A、B 股收益的一阶矩风险传染效应
沪市 A 股均值方程 次债危机以前 影响系数 -0.069 -0.046 0.056 0.024 0.071 -0.006 -0.089 -0.082 0.06 -0.035 0.009 0.027 0.0021
***

沪市 B 股均值方程 次债危机以前 影响系数 -0.442 0.380
***

次债危机以来 影响系数 0.07 0.243
***

次债危机以来 影响系数 -0.154 0.242
**

标准差 0.109 0.056 0.052 0.04 0.073 0.096 0.1 0.063 0.069 0.077 0.104 0.066 0.0006

标准差 0.147 0.109 0.142 0.1 0.049 0.068 0.067 0.053 0.073 0.071 0.144 0.134 0.0015

标准差 0.152 0.078 0.072 0.055 0.102 0.134 0.138 0.087 0.095 0.107 0.144 0.091 0.0009

标准差 0.16 0.119 0.155 0.109 0.053 0.074 0.073 0.058 0.08 0.077 0.157 0.146 0.0014

0.091
***

0.089 -0.267 0.152
*** ***

0.188 -0.249 0.209
*** ***

-0.083 -0.004 -0.088 0.007 -0.015 0.116 -0.074 0.045 0.002 0.0023
***

-0.083 -0.07 0.109
**

-0.09 -0.11 0.128
***

0.106 -0.075 -0.178 0.022 -0.0023 1823.56

0.093 -0.143 0.203 -0.0024 1823.56
*

-0.146

3420.92

3420.92

深市 A 股均值方程 次债危机以前 影响系数 0.206
*

深市 B 股均值方程 次债危机以前 影响系数 0.013 标准差 0.122 次债危机以来 影响系数 -0.057 标准差 0.138

次债危机以来 影响系数 0.225 标准差 0.156

标准差 0.112

7

L2.RSHA L1.RSHB L2.RSHB RHkang L1.RUS L2.RUS RJapan RTwan RXjpo L1.RHA L1.RHB 常数 对数似然值

-0.013 -0.019 0.007 0.026 -0.066 -0.007 -0.057 -0.201 -0.066 -0.273 0.117
*** ***

0.061 0.070 0.055 0.073 0.083 0.079 0.103 0.106 0.067 0.116 0.054 0.001

-0.109 0.092 0.031 0.102
***

0.097 0.142 0.108 0.077 0.074 0.052 0.072 0.070 0.056 0.156 0.148 0.001

-0.052 0.047 0.006 0.038 -0.081 -0.022 -0.024 -0.093 -0.110 -0.248 0.17 0.002
*** *** ***

0.067 0.077 0.060 0.080 0.091 0.086 0.113 0.116 0.074 0.127 0.059 0.001

-0.077 0.298 0.064 0.185
***

0.086 0.126 0.096 0.068 0.066 0.046 0.064 0.062 0.050 0.138 0.131 0.001

0.015
***

-0.093 0.158 -0.094
***

-0.079
***

-0.066 -0.113 0.076 -0.175 -0.018 -0.003 1806.62

-0.091 0.096 -0.189 -0.062 -0.002 1806.62

0.002 3538.2

3538.2

注:*、**、***分别表示参数在 10%、5%、1%置信水平下显著。

(2)对深市A、B股收益一阶矩风险传染效应分析 深市、沪市 A 股几乎具有完全相似变化,次债危机以前国际市场几乎不对其构成冲击, 随着次债危机的扩展,香港、日本对深市 A 股冲击变得显著。次债危机对深市 B 股的跨国 传染渠道上略有不同,主要通过香港与美国产生冲击。 此外,实证结果表明,沪市 A、B 股对深市 A、B 股的影响显著,而次债危机发生以后 几乎消失,而国际市场冲击的影响(香港、美国)则开始凸显。从 VAR 常数项变化也可看 出,次债危机致使其股市长期平均收益大幅下滑。 综合VAR(向量自回归)实证结果,可以得知,无论是对沪市A、B股,还是深市A、B 股,在收益一阶矩上,次债危机的国际风险传染显著存在。沪深两市A股、沪市B股、深市 B股收益可以分别通过香港、日本,香港、日本与新加坡,香港、美国来进行预测。 均值溢出是市场对确定性信息的可预期反应,沪、深两市A股的风险传染渠道为香港、 日本,这是因为从基本面上考虑,日本、香港以及新加坡与中国同属亚洲国家,由于地缘、 文化、 外贸、 产业链等与我国经济联系密切, 当其经济上受到次债危机冲击后, 其金融企业、 进出口企业等可能最早反映在我国上市公司股票市场价格上,进而影响我国股市收益的变 化;从纯粹因素角度来看,由于A股主要为本国投资者,受我国政府、国家政策与宏观经济 因素影响较重。 次债危机对沪市B股与深市B股的风险溢出渠道存在差异,主要因为:首先,两者都是B 股,主要为外国投资者,对基本面信息反应比A股要敏感((Chui & Kwok , 1998 Hui , 1998
[26] [25]

; Mok &

)。沪市B股以美元交易,以美元投资者与外汇持有者居多;其次,沪市B股处

于上海交易所,上海是中国的经济、金融、贸易中心,其上市公司大多为盘面较大的国有企 业,与亚洲发达经济体香港、日本、新加坡联系密切,沪B的外国投资者能充分此类基本面 信息。而深市B股而以港元交易,以港元外国投资者与港元外汇持有者为主。港元与美元的 联系汇率制,使深市B股更易遭受美国股市冲击。此外,深市B股处于深圳交易所,比邻香 港,以高科技、金融、外贸中小民营公司居多,其创业文化、民营股权、管理机制、反应方 式等方面与美国较为相似,可能通过产业链、进出口贸易与香港、美国较为密切。

8

(三)次债危机对我国股市的二阶矩风险传染效应分析 (1)对沪市A、B股的二阶矩风险传染效应分析 接下来,进一步考察国际股市对沪市 A、B 收益二阶矩风险传染效应。我们的做法是, 分别选择沪市 A、B 股收益残差序列中的一个,依次与香港、美国等五个国际股票市场收益 残差序列①中的一个,组建二元残差序列组合。按照次债危机前、后两个阶段的样本分别估 计,进行 2*2*5 次 BEEK—MVGARCH 估计,估计并比较波动溢出效应的变化,如果次债 危机前、后波动溢出效应变化显著,则可由此推断次债危机对我国国际风险传染渠道、动态 传导机制以及由此对未来作出相关预测, 采取此种做法的文献有, Yang 等(2008) 等(2008)
[20] [19]

; Bowman

;Kenourgios(2008)

[21]

;Chen 等(2007)

[22]

;赵留彦等(2003)

[16]

。由于 BEEK—

MVGARCH 实证结果都是一些大型矩阵,如 20 次估计的参数以及 t 统计量都为 20*11 大型 矩阵,无法列出。考虑到次债危机起源于美国,对我国股市的风险溢出效应变化更为重要, 本文仅列出美国股市收益残差对沪市 A、B 股残差的 BEEK—MVGARCH 估计结果(表 4 所示) ,以供参考。从表 4 中可以看出,较高的对数似然函数值、标准化残差无 ARCH 效应 等实证结果,表明多元 MVGARCH 模型比较成功地拟合了波动溢出的动态过程。其他 16 次实证结果与此类似, 限于篇幅只列出反映波动溢出效应的系数指标 ? 21 、? 2 1(由上所述, 只要有一个参数显著,即表明具有波动溢出效应) ,汇总所有 20 次实证结果如表 5(上半部 分)所示。比较次债前后波动溢出效应变化,我们发现: 次债危机前、后,美国与台湾对沪市 A 股市场波动溢出变化非常明显,波动溢出效应 由不显著变得显著( ? 2 1 ) ,根据(4)式可知,在 ? 2 1 显著不等于 0 的情况下,美国、台湾 股市各自的滞后期波动信息( h 2 2 , t ?1 )以及其分别与上海 A 股的条件协方差( h1 2 , t ?1 ) ,对 沪市 A 股的即期条件时变方差( h11,t )产生冲击。新加坡对上海 A 股市场也是次债危机发 生后才具有波动溢出效应 ? 21 系数显著) 主要通过残差冲击 ? ( ,
2
2 ,t ?1

以及协残差 ? 1, t ?1? 2 , t ?1 发

生作用②。香港、日本在次债前、后对沪市 A 股市场波动溢出效应随次债危机发生,无论是 影响系数或是显著性水平都大幅减小。 从表 5 实证结果可以看出,次债危机发生后,美国、日本对中国上海 B 股市场也具有 风险传染效应。美国波动溢出效应系数 ? 2 1 变得显著,系数加大,主要通过滞后期方差波动 信息( h22 , t ?1、 h12 , t ?1 )发生作用;而日本在次债危机前只有 ? 21 显著,次债后其系数 ? 21 、

? 2 1 都变得显著,且系数加大。次债危机前、后,香港、新加坡对上海 B 股波动溢出效应
在次债危机后显著性反而变小;而台湾对上海 B 股波动溢出在次债危机前、后都不显著。
①分别按照次债前、后两个阶段进行估计,以 VAR(按文中估计模型)获取沪、深市 A、B 股收益残差, 香港、美国等国际股市收益残差以五个国际股市收益都作为内生变量,进行 VAR 估计获取残差。 ②值得注意的是,滞后时变条件方差及条件协方差( h 2 2 , t ?1 , h1 2 , t ?1 ) ,与滞后残差及协同残差( ?
2
2 ,t ?1



,反映的波动冲击信息不太一样:首先,二者表达式不一样,故而风险动态传导机制不一样; ? 1, t ?1? 2 , t ?1 ) 其次,一般而言,前者反映的波动信息在时间上比后者要长(如果协方差矩阵滞后迭代阶数大于 1) 。 9

为了直观展示国际股市收益对我国股市的波动冲击,我们以美国对沪市 A 股的溢出效 应为例, 绘制次债危机以来波动溢出效应动态变化 v 2 1,t(由于 ? 21 系数不显著, 令其等于 0) 。 由图 1 可知,次债危机发生以来的较长时间内(图中 0-280 期间) ,美国股市对我国沪市 A 股的波动溢出效应一直处于较低水平,直至 2008 年 9 月份以后(图中 280 右) ,美国次债危 机引发第五重更严重的冲击波①,美国股市大幅下跌,其对中国 A 股收益二阶矩的不确定性 冲击才真正凸显出来。其他国际股市的波动冲击可作类似分析。

3.5 3 2.5 2 1.5 1 0.5 0 -0.5 -1

x 10 -5

v 2 1,t

0

50

100

150

200

250

300

350

400

图 1 次债危机以来美国股市对沪市 A 股的动态波动溢出

表4
方差方程

美国股市对沪市 A、B 股的二级矩风险传染效应 BEEK—MVGARCH 实证结果
RHA 残差与 RUS 残差 次债危机以前 次债危机以来 数值 0.010 0.000
***

RHB 残差与 RUS 次债危机以前 数值 0.007 0.000 0.003 0.397
***

次债危机以来 数值 0.017
***

参数

数值 0.007 0.000 0.003 0.384
***

t 统计量 2961.2 173.4 19719 73.5 0.0 0.0 130.4 2257.3 0.0 0.0 5062.0

t 统计量 2666 -102.6 -773.1 59.2 14.4 0.0 100.4 9005 -11.8 2.9 169480

t 统计量 3987.1 224.3 17554 86.5 0.0 0.0 107.4 1956.3 0.0 0.0 2439.5

t 统计量 904.7 -295.4 -693.5 10.8 20.6 0.0 139.0 191.7 -17.6 2.8 179080

c1 1 c1 2 或 c 2 1 c 22

***

***

***

-0.001 -0.002 0.366 0.033

***

***

-0.002 0.384 0.031

***

***

***

? 11
? 12 ? 21 ? 22

***

***

***

***

0.000 0.000 0.384 0.838
***

***

0.000 0.000 0.397 0.819
***

***

0.002 0.305 0.867
***

-0.008 0.315 0.712
***

? 11 ? 12
? 21 ? 22
对数似然值 ARCH-LM(12)

***

***

***

***

0.000 0.000 0.838
***

-0.015 0.018 0.945

***

0.000 0.000 0.819
***

-0.020 0.033 0.942

***

***

***

***

***

3982.1 0.6224

3950.1 0.3871

1702.7 0.9804

1715.6 0.9195

①至 2008 年 9 月,美国两房危机,政府救助;雷曼兄弟破产;美最大保险公司 AIG 国有化;美五大投行 成为历史;美国最大储蓄银行华盛顿互惠银行倒闭,10 月份美国救市法案成立。 10

注:***表示1%水平下显著;ARCH - LM(12) 是检验收益序列是否存在ARCH 现象的统计量。

(2)国际股市对深市A、B股的二阶矩风险传染效应分析 为了全面考察国际股市对我国的跨国风险传染,我们按照相似方法、步骤进一步进行 BEEK—MVGARCH估计国际股市收益对深市A、B股的二阶矩风险传染效应,总共再进行2×2 ×5次估计,将反映波动溢出效应的 ? 21 、 ? 2 1 系数以及相应t统计量汇总在表5(下半部 分) ,比较次债危机前后波动溢出效应的变化。我们发现, 次债危机前后国际股市对我国深市A股的波动溢出效应变化,与其对沪市A股影响情况 非常相似,但是影响程度不一致。次债危机发生后,美国对我国股市的波动溢出效应开始变 得显著( ? 2 1 系数) 。香港、日本、新加坡对我国股市的波动溢出效应,在次债危机后反而 趋于消失。台湾对深市A股在危机前、后都没有波动溢出效应。 表 5 次债危机对我国股市风险传染的实证结果(BEEK-MVGARCH 模型)
参数与t值 香港 前 美国 0.000 0.000 0.002 0.020 0.000 0.000 0.018 2.948 日本 0.05 14.80 0.16 3.65 -0.02 -28.8 -0.01 -0.96 台湾 -0.05 -1.75 0.07 1.53 -0.05 -1.01 -0.14 -93.21 新加坡 0.00 0.00 0.13 6.59 -0.01 -0.63 0.04 1.91 香港 0.18 21.34 -0.02 -1.29 0.12 40.15 0.09 11.34 美国 0.000 0.000 -0.008 -0.038 0.000 0.000 0.033 2.822 日本 0.029 3.978 0.159 12.424 -0.006 -1.394 -0.059 -3.407 台湾 0.000 0.000 0.005 0.024 0.000 0.000 -0.020 -0.164 新加坡 0.01 0.66 0.01 0.29 -0.03 -12.5 -0.04 -4.45 国际股市对沪市 A 股溢出效应变化 国际股市对沪市 B 股溢出效应变化

? 21
t值

0.15 8.90 0.05 3.98 0.10 2.46 0.08 9.33



? 21
t值



? 21
t值



? 21
t值

参数与t值 前

国际股市对深市 A 股溢出效应变化 0.24 19.71 0.04 2.61 0.14 0.16 0.02 3.44 0.000 0.000 0.025 0.950 0.000 0.000 0.020 3.085 0.05 18.75 0.03 0.78 -0.02 -72.0 -0.02 -1.63 -0.03 -1.23 0.06 0.00 -0.02 -1.26 -0.02 0.00 0.08 6.60 0.02 1.01 -0.08 -270 0.01 1.67

国际股市对深市 B 股溢出效应变化 0.20 9.12 -0.02 -0.16 0.13 6.06 0.13 0.02 0.001 0.005 -0.054 -0.068 0.002 0.011 0.081 0.981 0.000 0.012 0.099 3.373 0.008 8.180 -0.017 -1.163 -0.013 -0.755 -0.383 -9.120 0.009 0.555 -0.196 -7.071 0.02 0.16 0.02 1.65 -0.02 -0.72 0.08 8.07

? 21
t值



? 21
t值



? 21
t值



? 21
t值

注:表格中的“前”“后”分别指次债危机发生以前、以后样本估计结果。 、

美国在次债危机前、后,无论影响系数还是显著性水平上均有较大提高,但没有达到显 著水平。 台湾、 新加坡对深市B股在次债危机发生后, 波动溢出效应才增大到显著水平 ? 21 ( 系数变得显著) 。香港危机发生后反而不显著。日本在次债危机前、后都非常显著,但是影 响系数与显著性水平都下降。 综合比较国际股市在次债危机前后对我国深市A、B股的波动溢出效应变化,可知,两 者的共同点是香港、日本波动溢出效应明显下降,美国波动溢出效应上升;不同点是台湾、
11

新加坡对深圳A股波动溢出效应下降,而对深圳B股波动溢出效应增加。 (3)次债危机加快了国内股市之间收益二阶矩的信息传递 按照上述方法,进一步分次债前、后两个阶段,比较国内沪、深两市A、B股残差之间 的波动溢出,每次选取两个残差序列,进行12次BEEK—MVGARCH估计。实证结果显示(限于 篇幅,此不列出) :次债前存在显著的波动溢出关系是,深市B股对沪市A、B存在单向显 著的波动溢出,沪市B股对沪市A股具有单向显著的波动溢出,深市A、B股之间存在双向波 动溢出。危机发生后,沪市A(或B)股与深市A股存在双向显著的波动溢出;沪市A股对深 市B股具有显著的单向波动溢出。可以看出,国内股市“本地”不同股票之间的波动溢出减 弱,而“区域”不同股票之间的波动溢出有所加强。因而,次债危机加快了国内股市之间收 益二阶矩波动信息传递。 综合52次多元BEEK—MVGARCH实证结果发现,次债危机对我国股市显著存在二阶矩风险 传染效应。其对我国沪市A、B股,深市A、B股的收益二阶矩风险溢出的国际传染渠道分别 是:美国、台湾、新加坡;美国与日本;美国;美国、台湾与新加坡。而且次债危机加快了 国内股市之间的信息流动:沪、深两市不同股票之间的波动溢出有所加强。 股市收益的方差溢出(二阶矩)是市场对不确定性信息的随机反应。从上述实证结果可 知,无论是对我国沪市A、B还是对深市A、B股的收益二阶矩溢出效应,美国股市都是次 债危机风险传染的重要国际渠道。之所以如此,首先因为次债危机起源于美国,作为有效市 场,美国股市能及时、准确、完整地汇集次债危机的各种信息。其次,美国经济与美元在世 界经济、 金融中处于强势地位。 在不同市场信息搜寻成本固定情况下, 相对于其它股票市场, 美国股市在全球投资者中具有明显占优的信息权重,是全球股市协同运动中领导者(Masih 等1999)[8],更容易传染到我国股市。再次, “风险传染”可由投资者情绪引发(Rijckeghem等 1999)[7],美国自2007年以来发生的“金融海啸” ,给世界经济与金融带来极大的不确定性, 金融机构破产、经济衰退、股市暴跌、公司裁员、降薪等负面消息致使全球投资者投资者情 绪下降。 由实证结果可知,除美国以外,日本、新加坡等其他国际股市亦可将次债危机扩散到我 国股市,对我国沪、深两市A、B股存在不同冲击,其原因如下: 首先,由于次债危机引发的不确定性非常多,如次债危机引致的损失、资金链断裂、出 口额下降、金融机构破产等,其对香港、日本、台湾、新加坡等国际市场影响不一样,这些 国际市场与中国的经济、 金融、 贸易联系也存在诸多不同之处, 因而对我国股市冲击不一样。 其次,各国际市场投资者在投资习惯、风险偏好、预期存在诸多不同,致使其股市对我 国股市冲击存在区别。 第三,我国沪、深市两市A、B股在政策影响、上市公司性质、投资者性质等方面也存 在诸多不同,因而次债危机对其进行风险溢出的国际渠道、冲击程度也存在不同。

12

六、结论
本文应用VAR(向量自回归)与多元GARCH相结合的方法考察了次债危机对我国股市的 跨国风险传染,实证结果表明,次债危机发生后,无论是国际股市收益的一阶矩,抑或是国 际股市收益的二阶矩,对我国都存在显著的跨国风险传染。在收益一阶矩溢出上,对沪深两 市A股、沪市B股、深市B股的国际风险溢出渠道分别是香港、日本,香港、日本与新加坡, 香港、美国。次债危机对我国股市也存在二阶矩风险传染效应,其对我国沪市A股、沪市B 股、深市A股、深市B股等不同股市收益二阶矩的国际传染渠道分别是:美国、台湾与新加 坡; 美国与日本; 美国; 美国、 台湾与新加坡。 除此以外, 次债危机使我国国内同一股市 (深 市或沪市) 不同股票之间的波动溢出减弱, 而沪市与深市之间不同股票之间的波动溢出有所 加强。 基于本文结论,本文提出如下建议: (一)考虑到次债危机还将进一步扩展,可以根据我国沪深A、B股指相关的国际风险传 染渠道,分别对其遭受的风险溢出进行定量、动态地预测。 (二)从文章分析看来,投资者情绪下降与羊群行为等非理性行为,是次债危机传染的重 要原因。因而要有效缓解次债危机对我国股市的冲击,须加强股市投资者的培训,提高投资 者理性与信心。 (三)本文结论可用于投资组合分散化和风险管理。次债危机发生以后,美国股市收益下 降而且对我国股市波动溢出显著加大, 而香港等国家股市对我国波动溢出反而减少, 因而根 据资产投资组合原理, 资产管理机构或机构投资者可适当增持香港等股市资产, 减持美国股 市资产。此外,随着次债危机的扩展,资产组合国际化分散风险的能力已经大为减弱,因而 须减持国际资产比例。对于风险管理,本文多元MGARCH模型动态地刻画了股指资产组合 的时变协同波动动态机制,用模型实证结果估算资产投资组合的时变VaR(在险价值) ,在 返回测试中要优于JP.Morgan银行现有估算VaR方法(冯金余,2009) 参考文献
[1] Forbes, Kristin, and Roberto Rigobon. No contagion, only interdepen-dence: measuring stock market co-movements.Journal of Finance[J]. 2002,57,5, 2223-2262. [2] Bekaert, Geer, Campbell Harvey, and Angela Ng. Market integration and contagion, Journal of Business[J]. 2005,78, 39-69. [3]方毅,张屹山.国内外金属期货市场―风险传染‖的实证研究.金融研究[J].2007, (5). [4] Lardy , N. ,―China and the Asian Contagion‖[J].Foreign Affairs ,1998 ,77,78 —88. [5] Vinay Datar,Raymond W. So,Yiuman Tse.Liquidity commonality and spillover in the US and Japanese markets: an intraday analysis usingexchange-traded funds[R].2008,SSRN workingpaper. [6]King, M., Wadhwani, S. 1990. Transmission of volatility between stock markets[J]. Review of Financial Studies 3, 5-33. [7]Caroline Van Rijckeghem and Beatrice Weder Sources of Contagon Finance or Trade?[R].1999, SSRN workingpaper. [8]Masih, A. M. M. and Masih, R. (1999),―Are Asian Stock Market Fluctuations due Mainly to Intra-Regional Contagion Effects? Evidence Based on Asian Emerging Stock Markets‖[J]. Pacific-Basin Finance Journal, vol. l 7, pp. 251-282. [9]Calvo, S. and C. Reinhart (1996), "Capital Flows to Latin America: Is There Evidence of Contagion Effect?" in Private Capital Flows to Emerging Markets After the Mexican Crisis (G.A.Calvo, M. Goldstein, and E. Hochreiter, eds.)[J]. Institute 13
[28]



for International Economics, Washington, D. C. [10]Frankel, Jeffrey and Sergio Schmukler."Crisis, Contagion,and Country Fund: Effects on East Asia and Latin America," [R]. Pacific Basin Working Paper Series.1996, PB96-04,Federal Reserve Bank of San Francisco. [11]Ross,S.A.,(1989).Information and Volatility: The Non-Arbitrage Martingale Approach to Timing and Resolution Irrelevancy[J]. Journal of Finance 64, 1-17. [12]Engle, R.F., T. Ito, and W. Lin, 1990. AMeteor Showers or Heat Waves? Heteroskedastic Intra-Daily Volatility in the Foreign Exchange Market[J]. Econometrica, 58, 525-542. [13]Michael J. Fleming ,and Jose A. Lopez .Heat Waves, Meteor Showers, and Trading Volume:An Analysis of Volatility Spillovers in the U.S. Treasury Market[J].1999,SSRN working paper. [14] Engle RF. Kroner KF. Multivariate simultancous generalizedARCH[J]. Econometric Theory 1995. [15]Engle, R.F. Dynamic Conditional Correlation-A Simple Class of Multi-Variate GARCH Models[J].Journal of Business and Economic Statistics, 2002,(20):339–350. [16]赵留彦 ,王一鸣 A、B 股之间的信息流动与波动溢出[J].金融研究,2003,(10). [17]谷耀,陆丽娜,沪、深、港股市信息溢出效应与动态相关性———基于 DCC-(BV)EGARCH-VAR 的检验[J].2006, 8,数量经济技术经济研究. [18]Yoshihiro Kitamura. Interdependence and volatility spillover among the euro, pound sterling and Swiss franc[R].2007, SSRN workingpaper. [19]Jian Yang and David Bessler Contagion around the October 1987 Stock Market Crash[R].2008,SSRN workingpaper. [20]Robert G. Bowman , Kam Fong Chan V and Matthew R. Comer Contagion in the World Equity Markets and the Asian Economic Crisis[R]. 2007,SSRN workingpaper [21]Dimitris Kenourgios , Aristeidis Samitas and Nikos Paltalidis Financial Crises and Contagion: Evidence for BRIC Stock Markets[R]. EFMA Vienna Meetings 2007. [22]Sichong Chen and Ser-Huang Poon Modelling International Stock Market Contagion Using Copula and Risk Appetite 2008[R].SSRN workingpaper. [23]洪永淼,成思危 ,刘艳辉,汪寿阳.中国股市与世界其他股市之间的大风险溢出效应[J].经济学季刊 2004,3. [24]King, M., Sentana, E., Wadhwani, S., 1994. Volatility and links between national stock markets[J]. Econometrica 62, 901-933. [25]Kavajecz K.A.; Odders-White E.R. Volatility and market structure Journal of Financial Markets[J]. Volume 4, Number 4, October 2001 , pp. 359-384(26). [26] Chui, A.,and Kwok , C.,―Cross-autocorrelation between A Shares and B Shares in the Chinese Stock Market‖ [J]. Journal of Fi nancial Research ,1998, 2 ,333—353. [27]Mok,H.,and Hui.Y.,―Underpricing and Aftermarket Performance of IPOs in Shanghai, China‖ [J].Pacific-Basin Finance Journal,1998,6, 453—474. [28]冯金余.基于 DCC-MVGARCH 模型的证券组合 VaR 测度与拓展模型[J].统计与信息论坛,2009,2.

14


相关文章:
SCI 论文投稿全过程信件模板一览
SCI 论文投稿全过程信件模板一览 2015-09-28MedSci 来源:MedSci 《柳叶刀》杂志编辑告诉大家,Cover Letter 对于论文投稿至关重要。以下是小 编总结的 SCI 论文...
投稿介绍信及授权书
投稿介绍信及授权书_调查/报告_表格/模板_实用文档...信息网络传播权及代理许可国内外文 献检索系统或数据...中安信成个人抵押经营贷... 暂无评价 1页 1下载券...
投稿推荐信
投稿推荐信 - 向学术类期刊投稿的时候,有些要求要附单位推荐信,这个就是大概格式... 投稿推荐信_表格类模板_表格/模板_实用文档。向学术类期刊投稿的时候,有些...
Elsevier期刊投稿状态以及回复信件模板
Elsevier期刊投稿状态以及回复信件模板 - 1.第一次投稿 Cover letter:主要任务是介绍文章主要创新以及声明没有一稿多投 Dear Editors: We would like...
投稿人信息
投稿人信息 (1)文章标题: 文章标题 移民搬迁对农民外出务工部分人口特征的影响...投稿信及个人信息 15页 1下载券 全国各大报社的投稿地址... 10页 1下载券...
投稿介绍信
投稿介绍信_其它考试_资格考试/认证_教育专区。投稿介绍信 编辑部: 我单位 等同志撰写的文章 《》 拟投贵刊, 此稿件作者署名无争 议,无一稿多投,不涉及保密...
信息与控制最新投稿模板
信息与控制最新投稿模板_电力/水利_工程科技_专业资料。不多于 20 个字 论文...SCI投稿全过程信件模板一... 4页 1下载券 《信息与控制》模板 4页 1下载...
外文期刊投稿全过程信件模板一览
外文期刊投稿全过程信件模板一览 - SCI 投稿全过程信件模板一览 一、最初投稿 Cover letter Dear Editors: We would like to submit the e...
sci给编辑的投稿邮件写作模板
sci给编辑的投稿邮件写作模板 - 给编辑部投稿,沟通很重要,投稿信的写作要专业,表达要精炼、准确。 一、最初投稿 Cover letter Dear Editors: We would lik...
SCI投稿信息表
SCI投稿信息表_自然科学_专业资料。文章投稿信息表 案号: 文章题目尊敬的老师:...1、作者信息表 (请详细填写,每一项均为必填项,尽量用英文填写,邮件地址 必须...
更多相关标签: