股市收益波动溢出效应与动态相关性

中国股市行业收益率波动传导机制及其时变特征——基于BEKK-MGARCH的实证分析杨扬;林惜斌【摘要】基于2001年以来中国证券市场行业指数,采用BEKK-MGARCH模型,从周期性、产业链条两个角度深入考察了中国股市行业收益率波动的传导机制及其时变特征.首先,根据数据特征将样本期分为三阶段；其次,区分周期性与非周期性两组行业,结合模型和脉冲响应分析其收益率波动特征；最后采用非对角化的BEKK-MGARCH模型研究金融房地产产业链条的波动传导机制、时变特征及影响因子大小.研究表明:首先,行业收益率波动存在显著溢出效应,其中第三阶段周期性行业内部的波动溢出效应比非周期性内部更加明显；其次,金融服务业与房地产行业间也呈现出相似的时变特征,在第一阶段金融与房地产波动溢出关系不显著,而在后两阶段便呈现显著的双向溢出.【期刊名称】《金融经济学研究》【年(卷),期】2013(028)002【总页数】13页(P86-98)【关键词】行业收益率波动;BEKK-GARCH模型;时变特征【作者】杨扬;林惜斌【作者单位】中国金融期货交易所,广东深圳200122【正文语种】中文【中图分类】F830.91一、引言与文献综述刻画资本市场中不同行业的收益动态联动关系一直是资产定价理论和证券市场实践的重要研究课题。

而行业间的股票的收益联动也同时包括行业股票收益的联动关系和行业股票收益波动的联动关系两个方面，本文将侧重考察中国股市的行业收益率波动的传导机制及其时变特征。

在资本市场中不同行业或者相同行业的股票收益波动往往呈现出一定的相关关系，本文将其称为股市的行业波动传导。

股市行业间的波动传导不仅反映了行业间的收益相关性，同时也反映了投资者对各个行业的收益预期及投资者资产配置行为，因此对股市的行业波动传导机制的探究不仅具有重要的理论价值，还具备很强的现实意义。

近年来国内外学者已对行业股票收益的联动关系进行了大量的实证研究。

Jarl Kallberg et．al(2007)［1］采用美国股票市场1976～2001年82个工业行业的数据考察了行业股票的超额收益联动。

股票市场与黄金市场的波动溢出效应——基于沪深港股票市
场和世界黄金市场数据
李双琦;朱沙
【期刊名称】《重庆三峡学院学报》
【年(卷),期】2016(0)2
【摘要】通过把世界黄金现货市场抽象成国际金融市场,用三元GARCH-BEKK(1,1)模型研究中国股票市场与香港股票市场及国际金融市场的波动溢出效应,进一步用三元DCC-GARCH(1,1)模型的动态相关系数刻画波动溢出效应的程度,从而将三者的波动溢出效应的定性分析和定量分析结合起来,结果发现沪深股票市场与香港股票市场、世界黄金现货市场存在双向波动溢出效应,香港股票市场与世界黄金现货市场不存在波动溢出效应,进而对完善我国金融市场且为投资者的投资提供借鉴.【总页数】7页(P73-79)
【作者】李双琦;朱沙
【作者单位】重庆工商大学财政金融学院,重庆 400067;重庆工商大学财政金融学院,重庆 400067
【正文语种】中文
【中图分类】F830.9;F222.3
【相关文献】
1.中国黄金市场和股票市场之间波动溢出效应研究 [J], 刘冠国
2.股票市场开放政策效应检验\r——基于2011—2018沪深港股票市场数据的分
析 [J], 方先明;陈佳欣
3.沪港通对我国股票市场与黄金市场交互相关性的影响研究——基于MM-DCCA 模型 [J], 贾娜;陈国庆;龙云安
4.沪港通对我国股票市场与黄金市场交互相关性的影响研究——基于MM-DCCA 模型 [J], 贾娜;陈国庆;龙云安
5.股票市场与黄金市场收益率波动溢出效应研究 [J], 胡秋灵;赵静
因版权原因，仅展示原文概要，查看原文内容请购买。

中国股市溢出效应刘磊;王宇【摘要】研究了中国A股市场、B股市场和H股市场的市场分隔和信息溢出效应.递归协整分析结果表明:3个股票市场中的任何一个都不与其他市场存在长期关系,且市场分隔并没有因政策变化而消失.溢出指数分析结果表明:在平均水平下,H股市场向A股市场和B股市场有净溢出,B股市场向A股市场有净溢出,这支持了境外投资者拥有更多信息的假说;动态分析结果表明,在经济平稳时期,A股市场拥有更多信息,金融危机期间出现B股市场和H股市场向A股市场的金融传染现象.【期刊名称】《技术经济》【年(卷),期】2015(034)002【总页数】9页(P84-92)【关键词】股票市场;市场分隔;信息溢出【作者】刘磊;王宇【作者单位】博时基金宏观策略部,深圳518040;北京师范大学经济与工商管理学院,深圳518040;中国社会科学院经济研究所,北京102488【正文语种】中文【中图分类】F832.5在过去20多年的时间内，中国股票市场从无到有经历了快速发展，吸引了大量本国和国际投资者的投资，已成为世界最大的新兴资本市场[1]。

中国资本市场明显区别于其他地区资本市场的重要特征是市场分隔性：最初设计A股、B股和H股市场的目的就是将本国投资者与国际投资者分隔开，以期在吸引国际资本的同时免受国际金融市场波动的影响。

上海证券交易所和深圳证券交易所分别成立于1990年12月和1991年7月。

在两个证券交易所上市的公司可以发行两种类型的股票——A股和B股。

A股市场使用人民币交易，只对本国居民开放；B股市场以外币(上海证券交易所以美元交易，深圳证券交易所以港元交易)为交易媒介，在2001年2月以前只对境外投资者开放。

此外，一些中国企业还可在境外证券交易所上市募集资金，如在香港交易所和纽约证券交易所发行的股票分别被称为H股和N股。

由于中国大陆地区与香港地区在经济、金融活动方面具有紧密联系，因此H股市场成为中国企业在海外资本市场募集资金的最重要渠道[2]。

股指期货与股指现货之间价格发现与波动溢出效应研究--基于沪深300股指期货高频数据的实证分析杨东晓【摘要】Stock index future is one of the most important financial derivatives in capital market,so it becomes the center of attention among many researchers in this field.In order to study its ability to resolve new information and the risk spill-over effect between stock index and the stock market, using 5-min high frequency data,we test for the co-integration relationship between HS300 stock index future and HS300 stock index,and then we use vector error correction model to test for the Lead-lag relationship between them.The results show that stock index futures have stronger price discover ability.In addition,by using BEKK-GARCH model,it is proved that there are significant volatility spill-over effect between these two markets.%股指期货不仅是当今资本市场上最受关注的金融产品，也是最有活力的风险管理工具之一。

中国主板与创业板市场问的收益溢出和波动溢出效应探究作者：周锐杨洲来源：《商情》2018年第08期【摘要】本文采用以VAR方程为主要方程的BEKK-GARCH模型，以探讨中国主板与创业板市场间收益溢出和波动溢出效应。

从收益溢出角度，我们发现两市场是相互独立的，主板市场效率比创业板高。

从波动溢出角度，我们检测到两市场间显著的波动溢出效应，风险可从一市场传递到另一市场。

同时本文就提高中国多层次股票市场成熟度和独立性提出了一些建议。

【关键词】主板；创业板；收益溢出和波动溢出效应1介绍中国存在多层次的资本市场，每一市场具有不同的上市标准和监管要求，分为主板市场、创业板市场、新三板市场和四板市场。

这些股票市场间相互联系，意味着一个市场的收益及波动性会影响到其他市场。

相关文献指出，这种联系的一个主要原因是“经济基础假说”，该假说认为一些重要的宏观经济变量会对所有市场的股票收益产生影响；另一种解释认为，股市的相关性不仅取决于基本因素，还与投资者的恐慌心理和羊群行为有关。

因此，分析不同股票市场之间的联系可以帮助检验不同市场的效率和独立性，本文旨在考察中国股票市场两大板块——主板和创业板市场的效率和独立性。

JunSik Kim，Dooiin Ryu（2015）运用VAR和BEKK-GARCH模型考察了美国和韩国股市之间的收益溢出效应和波动性传导，发现美国股市对韩国股市存在收益溢出效应，两市场间存在显著的波动性传导。

Guangxi Cao，Yi Yao（2008）也运用了BEKK-GARCH模型和VAR模型研究沪深股市之间的动态相关，性，最终发现两市之间存在长期的正相关关系。

Dong和Cao（2009）研究了美国、日本、香港和上海股票市场之间的波动溢出效应，他们发现只存在从香港股票市场到上海A股市场的溢出效应，而上海与美国市场之间没有显著的溢出效应，上海与日本市场之间也没有明显的溢出效应。

基于这些研究，本文将考察中国主板市场与创业板市场的独立性和相关关系，我们建立了VAR模型来测试收益溢出效应。

股市波动溢出效应及其影响因素分析股市波动溢出效应及其影响因素分析一、引言股市作为金融市场的重要组成部分，其波动对经济和投资者具有重要影响。

股市波动溢出效应是指股票市场的波动会传递至其他金融市场，进而影响整体经济。

本文将分析股市波动溢出效应的原因和影响因素，探讨其对金融体系和实体经济的影响。

二、股市波动溢出效应的原因1. 资本市场的连接性增强：随着全球金融市场的国际化和互联网技术的发展，不同国家和地区的股市之间的联系日益紧密。

国际投资者往往将资金配置在全球范围内，股市的波动因素容易传递。

2. 信息传播的效率提升：信息的迅速传播使得投资者更加敏感，市场反应更加迅速。

任何一国股市的重大波动都会迅速传递到其他股市，产生波动溢出效应。

3. 全球经济一体化进程加快：全球贸易和投资的增加导致了国际间的经济紧密联系。

全球经济的波动因素往往会在不同国家股市间传播，产生溢出效应。

三、股市波动传导机制1. 金融市场之间投资组合调整：当某个股市发生剧烈波动时，投资者将根据市场期望和风险评估进行投资组合调整。

此时，投资者对其他股市的投资倾向会发生变化，从而导致其他股市的波动。

2. 投资者行为的传染效应：投资者的行为受情绪和心理影响，一旦股市出现大幅波动，投资者往往会出现羊群效应，纷纷跟风买卖。

这种行为会引发更多投资者的买卖决策，加大市场波动溢出的程度。

3. 资金流动的扩散效应：股市波动会引起资金的流动，而这些资金往往不会只停留在本国市场，而是根据投资者的资本配置需求流向其他股市，进一步引发其他市场波动。

四、股市波动溢出的影响因素1. 经济基本面：宏观经济基本面的变化是股市波动溢出的重要因素。

一国经济增长和通胀率的变化，会对其他国家的股市造成影响。

2. 财政政策和货币政策：政府财政政策和央行货币政策的变化也会对股市波动溢出产生影响。

财政政策的宽松或收紧以及货币政策的放松或紧缩都会引发股市波动，并传导至其他市场。

3. 地缘政治风险：地缘政治事件的发生往往会引发股市的剧烈波动，例如战争、恐怖袭击等。

沪深股市收益率的波动性、非对称性以及溢出效应作者：陆俞廷来源：《商情》2016年第16期【摘要】本文基于ARCH族模型，选取2007-2014年沪深股市每日收盘价格指数，对沪深股市收益率的波动性、非对称性以及溢出效应进行了研究。

研究发现，沪深股市的收益率具有显著的波动性和非对称性，通过Granger因果关系检验我们发现，沪深股市存在溢出效应，即深市的波动将会引起沪市的波动，而沪市的波动对深市的波动同样会产生显著影响。

针对中国沪深股市存在的问题，本文提出了相应的政策建议。

【关键词】ARCH族模型；波动性；非对称性；溢出效应；收益率引言1990年12月19日上海证券交易所的成立以及1991年7月3日深圳证券交易所的成立标志着中国股票市场的诞生。

中国股票市场经过将近20年的发展，已经初具规模，在优化资源配置，筹集资金和支持经济建设方面作出了巨大的贡献。

但不可否认的是，我国的股票市场与发达国家相比仍然有较大的差距，主要表现为政府对股市的过分干预、信息不对称、监管薄弱以及市场投机成分高等特点，这也导致了中国股票价格的大幅度波动和不稳定。

股票价格的波动是股市最基本的特征之一。

金融市场的有效性理论认为金融资产的价格是一种无规律的随机波动，然而，现代金融理论研究表明金融资产价格的波动不仅仅是一种随机变化，而表现出更加复杂的特性。

首先，金融资产的收益率表现出一种“尖峰厚尾”的特征。

实证研究发现，金融资产收益率，尤其是股票、证券收益率的分布显著的异于正态分布，即其偏度与峰度值均异于正态分布，偏值为非零，而峰值则大于3。

波动的群集性也是金融资产价格的一个显著的特点，金融资产的波动表现出聚类现象，即在一个较大幅度波动后面往往跟随着较大的波动，一个小幅度波动后亦跟随着较小的波动。

一、模型的设定、数据的采集与统计分析（一）模型的设定金融市场中的时间序列数据往往会表现出“波动群集”和“高峰厚尾”的特征，为了分析沪深股市收益率的波动性、非对称性以及溢出效应，我们引入ARCH族模型对资产收益率的方差进行估计。

&本（场/行业2021.06创业板和沪市主板波动溢出效应研究①——基于BEKK-GARCH 模型%施建业（南京审计大学江苏南京211815）内容摘要:创业板实施注册制改革之后，市场交易氛围活跃,创业板指数的上涨对沪市主板具有一定的带动效应。

本文采用BEKK-GARCH 模型对沪市主板和创业板之间是否存在波动溢出效应进行实证分析。

研究结果表明沪市主板对创业板具有显著的溢出效应,创业板对沪市主板也存在显著的溢出效应，二者存在双向的溢出效应。

创业板改革的确给资本市场带来了新的变化，提升了投资者证券投资的积极性，激发了市场浓徹的交易氛围，创业板改革的亮S与缺陷为资本市场的发展与完善指明了方向。

关键词：创业板沪市主板收益率风险溢出BEKK-GARCH 模型中图分类号+ F 832.5 文献标识码:A文章编号+ 2095-8501（2021 ）06-0071-05―、弓I 言为了推动我国资本市场的完善、增加我国资本市场的多样性，加大金融体系服务实体经济 的力度,2020年8月24日我国推行创业板注册制改革来促进我国资本市场的国际化发展。

由于我国的资本市场发展时间较短，机构投资者比重远远小于个人投资者，市场不规范行为频 出，注册制在我国的推行频频受挫。

2019年7月22日科创板率先试行注册制改革，为我国的金 融市场深化改革提供了宝贵的经验，经过一年多的发展， 深 ，将注制进一在创业板推行创业板注册制改革 来，我 发 创业板 金额明显放大，甚至数超过沪市主板,改革 的放，大大发了投资者的，推动了资本市场的发展 由于投资者不 性 创业额频发的投机我深市 一体 的创业 ，金额大大增加， 动 出 动了 市 的动， 市 创业 一个 出 动，增加了市场的不 我改革 加 了金融市场的 动，提 了市场的波动性，导致市场的投机性 加大。

我国推行注 制的 的 促进我国资本市 场的多样性发展， 提 我国资本市场国际化度， 机构资本市场的 ， 资本市场 的 性发展 创业 注 制实来，我 发 改革资金 的发 重， 市 市 的，资本市场资金的实体经济业。

国内外股市波动溢出效应——基于多元GARCH模型的实证研究国内外股市波动溢出效应——基于多元GARCH模型的实证研究摘要：本文以国内外股市波动溢出效应为研究主题，探讨了股市波动的传染效应对国际金融市场的影响。

利用多元GARCH模型对股票市场的波动进行建模，通过数据分析得出结论：国际金融市场中的股市波动溢出效应普遍存在，且波动溢出效应程度由股票市场之间的相关性以及市场预期情况所影响。

关键词：股市波动，溢出效应，多元GARCH模型，国内外市场关联性第一章：引言国际金融市场的快速发展使得股市波动溢出效应成为金融研究中的一个重要领域。

波动溢出效应在股票市场中的传染效应以及其对国际金融市场的影响引起了广泛关注。

当一个国家的股票市场遭受冲击时，该冲击是否会通过波动溢出效应扩散到其他国家的股票市场，已经成为国际金融风险管理和投资决策的重要问题。

本文旨在通过建立多元GARCH模型，对国内外股市的波动溢出效应进行实证研究。

第二章：文献综述股市波动溢出效应的研究起源于上世纪70年代，由来自不同国家的学者们开始调查波动的传染问题。

早期的研究主要关注不同市场之间的股票收益率溢出效应，但进一步研究发现，波动的溢出效应在金融市场中具有更大的意义。

随后，研究者根据不同的市场特征和波动模型进行了各种研究。

第三章：模型构建本文利用多元GARCH模型对股票市场的波动进行建模。

多元GARCH模型能够充分考虑不同市场之间的相关性，并继承了传统的GARCH模型对波动进行解释的能力。

模型构建包括多元GARCH模型的设定、参数估计等步骤。

第四章：实证研究本章通过实证研究来验证国内外股市之间的波动溢出效应是否存在和程度如何。

以中国、美国和欧洲的股票市场为例，采用多元GARCH模型对股票市场的波动进行建模和分析，并通过数据分析得出结论。

第五章：实证结果分析通过对实证结果的分析，本文得出以下结论：国际金融市场中的股市波动溢出效应普遍存在，且波动溢出效应程度由股票市场之间的相关性以及市场预期情况所影响。

股市波动溢出效应及其影响因素分析股市波动溢出效应及其影响因素分析引言股市的波动对整个经济体系具有重要的影响。

在市场经济中，股市是资本流动和资源配置的关键机制。

股市的波动不仅会直接影响股票投资者的财富，还会对其他资产市场和实体经济产生溢出效应。

本文旨在探讨股市波动溢出效应及其影响因素。

一、股市波动溢出效应的定义和机理股市波动溢出效应是指股市的波动会通过多种渠道传导到其他资产市场和实体经济，并产生一系列连锁反应。

具体而言，股市波动会对其他市场的价格、利率和风险溢价等产生影响，进而影响实体经济的投资、消费和就业等方面。

股市波动溢出效应的机理主要有以下几点：首先，股市是反映宏观经济状况和市场预期的重要指标，波动会引起投资者情绪的波动，从而影响他们的投资决策。

其次，股市的波动会改变股票市值和股价，从而影响企业的融资能力和成本，进而影响实体经济的投资活动。

此外，股市波动还会通过财富效应影响股民的消费行为，进而影响经济增长。

二、股市波动溢出效应的渠道和传导机制股市波动溢出效应通过多种渠道传导到其他资产市场和实体经济。

主要的传导路径包括以下几个方面：首先，股市的波动会对债券市场产生影响。

当股市出现波动时，投资者会寻求避险资产，导致债券价格上涨，利率下跌。

其次，股市波动对房地产市场也具有重要影响。

高波动的股市会降低股票投资者的房地产购买意愿，进而影响房地产市场的供需关系。

此外，股市的波动还会对外汇市场产生溢出效应，影响汇率的走势，对外贸出口和进口产生影响。

此外，由于股市的波动会对公司估值产生影响，从而进一步影响股票市场的投资者行为。

三、股市波动溢出效应的影响因素股市波动溢出效应受多种因素的影响。

主要的影响因素包括以下几个方面：首先，宏观经济状况是影响股市波动溢出效应的重要因素。

当经济增长放缓或衰退时，股市波动溢出效应可能更加显著，因为投资者对未来盈利预期的不确定性会增加。

其次，国际金融市场的变化也会对股市波动溢出效应产生影响。

沪深股市交易量与收益率及其波动的相关性：来自实证分析的
证据
赵留彦;王一鸣
【期刊名称】《经济科学》
【年(卷),期】2003()2
【摘要】本文使用上海和深圳两个市场的大盘指数和 A股交易量序列 ,主要借助于指数 GARCH模型探讨中国股市收益率和交易量之间的相关性。

结果表明 :交易量与同期的收益率水平明显正相关 ;虽然总体来看 ,交易量对收益率波动没有确定一致的解释作用和先导作用 ,但将交易量划分为预期和非预期部分后我们发现 :预期交易量不影响股价波动 ,而未预期到的交易量变动不但与同期的波动正相关 ,还可以为下期波动提供有限的预测信息。

另外 ,对二阶矩的考察还表明我国股市中收益率的波动存在明显的“杠杆效应”。

【总页数】11页(P57-67)
【关键词】股票市场;上海;深圳市;中国;证券市场;股票交易量;收益率;市场波动性;EGARCH模型;量价关系
【作者】赵留彦;王一鸣
【作者单位】北京大学中国金融研究中心
【正文语种】中文
【中图分类】F832.51
【相关文献】
1.交易量适合作为股价波动信息的代理变量吗?——来自中国沪深股市的证据 [J], 董秀良;吴仁水
2.沪深股市回报率、波动率和交易量关系的实证研究 [J], 刘汉中
3.分级基金交易量与其收益率间波动关系分析——基于BEKK/DCC-MVGARCH 模型的实证研究 [J], 陈学文;黄艳芳
4.股票交易量对收益率波动性的影响--对深市个股的实证分析 [J], 王燕辉;王凯涛
5.沪深股市指数收益率波动性的实证分析 [J], 冷军
因版权原因，仅展示原文概要，查看原文内容请购买。

国际主要股票市场的波动风险溢出效应及其动态演绎过程研究国际主要股票市场的波动风险溢出效应及其动态演绎过程研究摘要：过去几十年来，国际股票市场的波动风险溢出效应引起了广泛的关注。

本文旨在研究国际主要股票市场的波动风险溢出效应，并揭示其动态演绎过程。

通过运用时间序列分析、相关性分析等方法，研究结果表明不同国际股票市场之间存在着显著的波动风险溢出效应。

其中，美国、欧洲和亚洲的股票市场波动相互影响最为显著，而新兴市场的影响相对较小。

这种波动风险溢出效应主要受到全球经济环境、政策变化以及市场机制的影响。

波动风险溢出效应的动态演绎过程可以分为国际传导、市场对接和效应消散三个阶段，这些阶段之间形成了复杂的反馈循环。

波动风险溢出效应对国际金融市场的稳定性和风险管理产生了重要影响，因此，为了降低波动风险的传播和避免金融危机，各国应加强国际合作，加强监管和风险管理。

关键词：波动风险溢出效应；国际股票市场；动态演绎；传导；市场对接；效应消散一、引言随着全球化的推进和跨国投资的增长，国际股票市场之间的联系日益紧密。

在这种背景下，股票市场的波动风险溢出效应引起了广泛的关注。

波动风险溢出效应是指一个股票市场的波动对其他市场的波动产生的影响。

研究波动风险溢出效应有助于深入理解国际金融市场的相互联系和市场稳定性。

二、国际主要股票市场的波动风险溢出效应通过对国际主要股票市场的波动风险溢出效应进行研究可以发现，不同市场之间存在着显著的相互影响。

美国股票市场作为全球最大的股票市场，其波动对其他市场影响最为显著。

例如，在2008年全球金融危机期间，美国次贷危机引发了全球范围内的金融动荡，许多国际股票市场都受到了极大的冲击。

欧洲股票市场和亚洲股票市场也存在着显著的波动风险溢出效应。

特别是在欧债危机期间，欧洲股票市场的波动对其他市场产生了较大的影响。

而亚洲股票市场在全球商品价格波动较大时也表现出了高度关联性。

与美国、欧洲和亚洲市场相比，新兴市场的波动风险溢出效应相对较小。

基于DCC-GARCH模型的股指期货收益率r动态相关性和风险溢出效应研究方杰【摘要】运用DCC-GARCH模型研究了2015年5月至2016年5月间我国的沪深300指数期货(IF)、中证500指数期货(IC)和上证50指数期货(IH)收益率的动态相关性和风险溢出效应.研究表明:在市场出现系统性风险的情形下,并未出现动态相关性增大的情况.在风险溢出效应的研究中,IC对IF的风险溢出效应为正;IF对IH 的风险溢出效应为正;IC对IH的风险溢出效应为负;IF对其自身的风险溢出效应为正.【期刊名称】《通化师范学院学报》【年(卷),期】2018(039)006【总页数】4页(P39-42)【关键词】风险溢出;动态相关性;DCC-GARCH【作者】方杰【作者单位】福建江夏学院金融学院福建福州350000【正文语种】中文【中图分类】F830.9;O291 GARCH类模型简介Engle（1982）提出了ARCH模型，能够很好地捕捉金融时间序列的波动聚集的特征，其后Bollerslev（1986）对其进行了扩展，提出了GARCH模型.然而在实际中很多市场存在波动的溢出效应，于是Bollerslev（1988）等将GARCH模型扩展到多变量的GARCH模型，从而能够反映多市场的波动特征，其中具有代表性的包括VECH模型、对角VECH模型、BEKK模型.但是这些模型研究的重点放在条件协方差矩阵上，并未体现市场波动相关性的时变特征，并且存在估计参数过多的问题.在此基础上，Bollerslev（1990）从相关性入手，提出了固定条件相关性GARCH（CCC-GARCH）模型，Engle（2002）提出了动态条件相关性GARCH（DCC-GARCH）模型，该模型能够更好地刻画波动溢出效应和信息传递过程，因此在实际研究中得到了广泛的应用［1-6］.DCC-GARCH假设k种资产的收益率向量rt服从均值为0，协方差矩阵为Ht的多元正态分布，即rt|Ωt-1～N(0,Ht).协方差矩阵可以分解为Ht=DtRtDt.其中，Dt是条件标准差组成的对角阵；Rt是条件相关系数矩阵.同时为了保证模型的正定性，对DCC-GARCH进行如下设定：其中，S为标准化残差εt的无条件相关系数矩阵；⊙代表Hadamard乘积，即两矩阵对应元素相乘；Qt是正定的协方差矩阵；ωi, κi,λi, α, β为待估参数.假设收益服从多元正态分布，这一假设是使用最大似然估计的前提.DCC-GARCH模型的估计过程分为两个阶段：①使用一元GARCH模型对各变量进行估计；②使用前一步骤所得的标准化残差来估计条件相关系数.2 实证研究2.1 数据来源及处理本文采用已上市的金融期货中的沪深300指数期货（IF）、中证500指数期货（IC）和上证50指数期货（IH）价格为研究对象.鉴于使用GARCH方法对波动性进行估计，在数据的选取上，使用2015年5月4日至2016年5月27日的上述股指期货主力合约每15分钟的收盘价数据，同时剔除“熔断机制”生效的若干交易日的异常价格数据，最终获得三个股指期货品种的4210组日内数据，数据来自通达信.本文主要对三个股指期货品种的收益率进行分析，需要对前述的收盘价数据进行对数差分操作，进而得到高频的收益率数据，表达式为由于每个交易日的交易时间为4小时，因此上述的高频收益率可以相应转化成日收益率，计算公式为2.2 基本统计特征对沪深300指数期货、中证500指数期货和上证50指数期货的日收益率进行基本统计分析.结果如表1所示.表1 日收益率序列的描述性统计IF IC IH序列名称IF IC IH-0.002-0.001-0.002最大值0.828 0.802 1.452 0.009 0.012 0.011最小值-1.076-1.145-0.822 0.094 0.111 0.103偏度-3.804-5.320 3.287 0.003 0.005-0.001峰度86.941 80.635 101.100 JB统计量56678.470 48393.350 79068.270从表1可以看出，三组序列均显现出尖峰厚尾的特征，并且除IH序列外，其他的序列均呈现左偏态.Jarque-Bera统计量非常大，说明应当拒绝序列服从正态分布的原假设.2.3 三单变量GARCH模型的估计根据AIC准则，GARCH（1，1）模型均能较好地拟合三组收益率序列波动的自相关性.通过最大似然估计，得到的各序列单变量模型参数如表2所示.表2 单变量GARCH（1，1）模型估计结果注：*表示在10%的置信水平，**表示在5%的置信水平，***表示在1%的置信水平.0.9998 0.9994 0.9987 IF IC IH 3.85E-05***5.32E-05***5.06E-05***0.0669***0.0566***0.0665***0.9329***0.9428***0.9322***从表2可以看出，每个序列的ARCH项、GARCH项系数估计值都是显著的，回归系数都满足了常数项大于零，ARCH和GARCH项系数非零，且ARCH和GARCH项的系数之和a1+b1＜1，满足平稳性条件.说明GARCH（1，1）模型能够较好地拟合数据，三组收益序列的波动具有聚集性.2.4 DCC-GARCH模型的估计借助上述单变量GARCH（1，1）模型估计的参数，利用DCC-GARCH模型对三个股指期货品种之间的时变相关关系进行研究.（1）式中的待估参数ωi, κi, λi, α, β 估计如表3所示.表3DCC-GARCH模型估计结果注：*表示在10%的置信水平，**表示在5%的置信水平，***表示在1%的置信水平.2.1289 0.0039 0.0038 2152.6403 4.5489 5.3392 44601.0299 84.2142 92.8757 8.7394 240.5082 ω1 ω2 ω3 κ1 κ2 κ3 λ1 λ2 λ3 α β 3.85E-05***5.32E-05 5.06E-05 6.69E-02***0.0566***0.0665***9.33E-01***0.9428***0.9322***0.0247***0.9601***1.81E-05 1.35E-02 1.33E-02 3.11E-05 0.0124 0.0125 2.09E-05 0.0112 0.0100 0.0028 0.0040利用估计的结果，可以进一步求得三个股指期货品种之间的动态条件相关系数.它们两两之间的相关系数描述性统计表和图形分别如表4和图1所示.表4 动态条件相关系数的描述性统计IF与IC的相关性IF与IH的相关性IC与IH 的相关性0.907 0.816 0.665 0.046 0.058 0.096 0.920 0.823 0.676 0.978 0.963 0.913 0.673 0.543 0.307图1 动态条件相关系数从表4和图1可以看出，我国目前的三个股指期货品种的相关系数均为正值，说明三个股指期货品种的价格走势具有一致性.从相关性的均值来看，IF与IC的相关性均值最大，两者的相关性最强；IF与IH的相关性次之；IC与IH的相关性最弱.从标准差来看，波动最大的是IC与IH的相关性；其次为IF与IH的相关性；最小的是IF与IC的相关性.2.5 结果分析为了分析动态条件相关系数的时变特征，取三组相关系数均值正负两倍标准差的区间，并将在区间之外的数据作为分析对象.通过筛选得到的动态条件相关系数过高和过低的相应时间段如表5所示.表5 动态条件相关系数过高和过低的时间段2015年5月中旬2015年5月下旬2015年6月上旬2015年6月下旬2015年7月中旬2015年7月下旬2015年8月下旬2015年9月上旬2015年10月上旬2015年11月中旬2015年12月上旬2015年12月中旬2016年1月中旬2016年3月上旬2016年3月中旬IF 与IC的相关性过低过低IF与IH的相关性过低过低——过低——过低——过低IC与IH的相关性过低过低过低过低过低过低过低过低过高——过过低过低—过低过低——过低高—过低过高过低过高————从表5可以看出，在“股灾”之前，三组相关系数均低于前述区间的下限（即过低；在2015年6月中旬到7月初的“股灾”初期，IC与IH的相关性处于过低水平，这主要是因为此阶段股市的下跌是从“配资”占比较大的中小盘和创业板股票开始下跌，而由众多基金和机构持仓的大盘股并未受到较大的冲击，从而造成以大盘金融股为主要成分股的IH与中小盘股票为主要成分股的IC走势出现了明显的分化；7月中旬的“股灾”救市措施推出后，三组相关系数均呈现过低水平，这与国家救市策略的设定（比如：出资投资蓝筹股ETF、对中证500指数期货投机交易加以限制等有关；8月下旬开始的新一轮下跌当中，大盘金融股则成为暴跌的主力，从而造成IF与IH的相关性降低.9月上旬开始的震荡市中，以军工板块为代表的股票涨幅明显，使得IF与IH的相关性相背离；10月上旬，由于国庆休市后“十一”行情的带动，各个指数均呈现上涨的态势，IH与IC和IF的相关性提高.进入11月以后，行情趋于平稳，板块轮动效应再次显现，使得IF与IC的相关性再次下降.到了2016年1月，由于对经济前景的不明朗，国内股市再次出现下跌，此时各板块呈现出泥沙俱下的现象，造成IH与IC和IF的相关性再次提高.3月份开始，各上市公司的年报陆续出炉，由于银行业的业绩出现大幅下滑，造成IC与IF的相关性出现了背离.为了考察各股指期货品种之间的溢出风险，本文根据张锋（2006）提出的方法，将估计出的三个条件方差均加入到三个股指期货品种收益率均值方程中进行回归，如果某个品种的条件方差前的估计参数是显著的，说明这个品种对另一个品种存在风险溢出.由此，将均值模型改为ri=ci0+di1H1+di2H2+di3H3+εi,i=1,2,3.其中i 的不同取值分别表示IF、IC和IH合约，Hi表示三个合约的条件方差，dij,(i≠j)反映了股指期货品种 j对i存在的风险溢出情况.风险溢出模型估计结果如表6所示. 表6 风险溢出模型估计结果注：*表示在10%的置信水平，**表示在5%的置信水平，***表示在1%的置信水平.对IF的风险溢出效应对IC的风险溢出效应对IH的风险溢出效应d11d21 1.1476***（3.344）-0.9826***（-3.888）-0.0122（-0.069）d31 d12d22d32 d13 0.9457**（3.039）-0.6991**（-3.05）-0.1122（-0.706）d23 0.3638（0.988）-0.3716（-1.371）-0.0532（-0.283）d33从表6可以看出，对于IF而言，其自身收益率的波动会正向影响到IF的收益，而IC的波动对IF收益的影响则是反向的；对于IC而言，风险溢出效应不显著；类似地，IF和IC对IH的收益均存在风险溢出效应，但是前者是正向的影响，后者是反向的影响.存在这一现象的原因可能是IC收益率的波动增加，使得投资者将更多资金转移到IC合约当中，造成IF的收益率下降，相应的风险溢出效应为负；IH 的成分股与IF具有一定的相似之处，使得IF的波动增加造成IH的收益率上升，风险溢出为正，而相应成分股与两者存在较大差别的IC对IH的风险溢出为负.3 结论本研究基于2015年5月4日至2016年5月27日的数据，运用DCC-GARCH模型，实证分析了我国上市的三个股指期货品种高频收益的动态特征以及风险溢出效应，得出了相应结论.在风险溢出效应的研究中，三个股指期货品种的关系较复杂.其中IC对IF的风险溢出效应为正；IF对IH的风险溢出效应为正；IC对IH的风险溢出效应为负；IF对其自身的风险溢出效应为正.三个股指期货品种的收益率均存在明显的波动率聚集效应，收益率均存在正向的动态条件相关关系，但是在“股灾”发生的前后，三者之间的动态条件相关关系存在着明显的变动.三个品种的相关性在市场出现极端系统性风险的情形下，并未出现相关性增大的情况.因此，在市场出现极端行情时，应当密切关注市场上各行业板块的行情，并根据股指期货合约的成分股构成情况，科学作出投资决策，以减少相关性风险的影响.参考文献：［1］郑振龙，杨伟.金融资产收益动态相关性：基于DCC多元变量GARCH模型的实证研究［J］.当代财经，2012（7）：41-49.［2］徐清海，贺根庆.基于DCC-MVGARCH模型的中国金融市场联动性分析［J］.金融理论与实践，2014（7）：20-24.［3］丁志国，苏治，杜晓宇.溢出效应与门限特征：金融开放条件下国际证券市场风险对中国市场冲击机理［J］.管理世界，2007（1）：41-47.［4］王宝，肖庆宪.我国金融市场间风险传染特征的实证检验［J］.统计与决策，2008（11）：78-79.［5］张瑞锋.金融市场协同波动溢出分析及实证研究［J］.数量经济技术经济研究，2006（10）：141-149.［6］赵华.人民币汇率与利率之间的价格和波动溢出效应研究［J］.金融研究，2007（3）：41-49.。