金融市场波动溢出分析及实证研究
- 格式：pdf
- 大小：1.04 MB
- 文档页数：9
文章编号:1003-207(2006)05-0014-09金融市场波动溢出分析及实证研究
张瑞锋1,2,张世英1,唐 勇1(1.天津大学管理学院,天津 300072;2.河北经贸大学财税学院,石家庄 050061)摘 要:对于动态投资组合与风险管理来说,测度波动的溢出效应是非常重要的。在已有的文献中往往是检验不同金融市场之间是否存在波动溢出,对产生波动溢出的概率却未提及。文章在研究金融市场间影响概率的基础上,引入了分位数表示市场风险,证明了金融市场之间线性相关与相互影响概率之间的关系;随后给出了金融市场波动溢出的新定义,构建了回归模型,并证明了在不同线性相关下回归参数与相互影响概率的对应关系,最后进行了实证分析。关键词:分位数;金融市场间影响概率;波动溢出;核估计中图分类号:F224 文献标识码:A
收稿日期:2005-08-22;修订日期:2006-09-11基金项目:国家自然科学基金资助项目(70471050)作者简介:张瑞锋(1972)),男(汉族),天津大学管理学院博士生,河北经贸大学讲师,研究方向:金融计量、数量经济、技术经济、金融波动建模、金融市场波动溢出.
1 引言波动溢出(volatilityspillover)效应是指不同金融市场的波动之间可能存在相互影响,波动会从一个市场传递到另一个市场。波动溢出效应可能存在于不同地域的市场之间,也可能存在于不同类型的金融市场之间,如股票市场、外汇市场、债券市场之间等。国外已有较多关于波动溢出效应的研究。首先,通过建立GARCH或SV模型,检验方差的波动来研究溢出问题,如:Hamao、Masulis和Ng在1990年通过建立ARCH模型研究了东京、伦敦、纽约股市之间的相关关系,经分析得出纽约股市对东京股市、伦敦股市对东京股市、纽约股市对伦敦股市存在着波动溢出[1];Lin,Engle和Ito在1994年通过建立GARCH模型研究了东京与纽约股市之间的相关关系,发现在1987年金融危机时期纽约股市对东京股市有波动溢出,其它时间则没有溢出发生[2];类似地实证研究还有:Sang-MoonHahm采用GARCH模型对韩国与美国股市之间的波动溢出的研究[3],GerardLGannon采用GARCH模型对澳大利亚股票市场综合指数、期货市场与美国市场综合指数、期货市场之间的波动溢出问题[4];Harvey,Ruiz和Shephard在1994年通过建立SV模型研究了汇率市场间的波动溢出问题,不仅得出了英磅/美元、德国马克/美元、瑞士法郎/美元之间存在较强的波动溢出,而且还验证了SV模型比GARCH模型能够更好地描述金融市场的波动[5]。其次从市场相关性的角度,建立模型,通过验证相关系数的变化来研究金融市场之间是否存在溢出效应,如:King,Mervyn和Sushil在1990年通过检验股市之间的相关系数在金融危机期间与非金融危机期间是否显著变化来分析危机是否传染[6];Chan,Andrew和Stulz在1992年通过研究不同股市之间的相关性的变化,分析了美国资产保险费与日本资产保险费之间的波动溢出问题[7];Forbes,Kristin和Roberto在2002年在相关系数的基础上通过异方差偏度的检验,更准确地分析了1987年美国、1994年墨西哥、1997年亚洲金融危机的传染问题[8]。第三,通过建立离散模型来研究波动溢出问题,如:Eichengreen,Barry,An-drew和Charles在1996年通过probit模型估计了金融危机传染的概率,发现经济联系紧密的国家更容易发生金融危机的传染[9];Bae,Kee-Hong,Andrew和Stulz在2003年采用多项式logit模型估计了金融危机传染的概率,发现在拉美比在亚洲传染严重,即存在着较强的溢出,拉美金融市场的波动容易传染到世界的其他地区,但不大容易传染到亚洲,即溢出不明显[10]。国内有关金融市场波动方面的研究有:胡素华,张世英和张彤在2006年对资产收益的连续时间模型的讨论,主要分析了连续时间模型参数估计的主要方法,特别地指出MCMC方法是对
第14卷 第5期2006年 10月 中国管理科学ChineseJournalofManagementScience Vol.14,No.5Oct., 2006SV模型估计比较理想的方法[11],事实上是对SV模型参数估计方法的总结与完善。这些测度金融市场溢出的方法都存在着一定的缺陷:利用GARCH或SV模型分析波动溢出时,是通过方差的测度间接的度量溢出效应,而方差的增加并不一定就说明市场之间存在溢出效应;利用相关模型分析时,结果往往受到异方差、省略变量及联立方程问题的影响,而且这两种方法还都不能测度溢出发生的概率;虽然离散模型能够定量的确定溢出概率,但是缺乏比较判断的基准,而且也不能在统计上进行验证。然而,在实际的金融风险决策中,对于一个金融市场来说,不仅需要获得其它金融市场对它产生波动溢出的情况分析,而且为了提高决策水平,还需要获得产生波动溢出的概率。由于上述方法存在着不同程度的缺陷,所以很难获得比较满意的波动溢出分析结果,因此改进现有研究金融市场波动溢出的方法,不仅在理论上是十分必要的,而且对实际的金融决策也有着深远的意义。本文没有拘泥于已有理论方法的束缚,而是从金融市场风险的角度研究其相互影响概率,通过构建简单的回归模型来研究波动溢出问题,从而使问题简单化,并能够避免上述文献存在的缺陷。即:在研究金融市场相互影响概率的基础上,引入分位数表示金融市场的风险,证明了两个金融市场间线性相关与相互影响概率之间的关系;随后给出了金融市场波动溢出的新定义,确定了判断标准,并构建了回归模型,证明了在不同线性相关情况下回归参数与相互影响概率之间的关系,进而分析研究了金融市场间的波动溢出概率;最后以股票市场综合指数为原始数据进行了实证分析,得到了比较满意的结果。2 金融市场波动溢出211 金融市场间的影响概率设X和Y为两个随机变量,则对固定的x、y,随机变量Y的条件分布函数FY(y|x)为:F-Y(y|x)=Pr(Y[y|X[x)=Pr(Y[y,X[x)Pr(X[x)F+Y(y|x)=Pr(Y>y|X>x)=Pr(Y>y,X>x)Pr(X>x)(1)如果{xt}Tt=1和{yt}Tt=1是两个不同股票市场X和Y的日收益率序列,其中,t=1,,,T,T是样本容量。引入序列{xt}Tt=1和{yt}Tt=1的分位数来表示市场风险,令H是置信度,qH(xt,8t),qH(yt,8t)(i=1,2,)分别表示xt和yt的H分位数,其中8t是t时刻以前对分位数产生影响的信息集,分别记为qH
(xt),qH(yt)。若8t是空集,即没有任何信息对分位数产生影响,则qH(xt),qH(yt)是常数,否则就不一定是常数。则考虑市场风险前提下,市场X对市场Y的影响概率pt(H)可通过条件分布函数的形式表示为:
pt(H)=Ft(qH(yt)|qH(xt))
=Pr(yt[qH(yt)|xt[qH(xt))=F-t(qH(yt)|qH(xt)) H[0.5Pr(yt>qH(yt)|xt>qH(xt))=F+t(qH(yt)|qH(xt)) H>0.5(2)其中H[0.5表示了Ft(qH(yt)|qH(xt))左侧概率,H>0.5表示了Ft(qH(yt)|qH(xt))右侧概率。则pt(H)就表示了在股票市场X满足不同风险程度的条件下,对股票市场Y的影响概率。根据两个随机变量密切程度是通过相关系数(线性相关性)来判断的,将这一思想引入判断两个金融市场密切程度中。如果{xt}Tt=1和{yt}Tt=1之间的线性相关系数QYX=1,就认为市场X与市场Y是完全正相关的;QYX=-1,就认为市场X与市场Y是完全负相关的;QYX=0,就认为市场X与市场Y是独立的。定理1 对HI(0,1),pt(H)满足下面的性质:¹两个金融市场完全正相关Zpt(H)=1;º两个金融市场完全负相关]pt(H)=0;
»两个金融市场独立]
pt(H)=HH[0.51-HH>0.5;¼F-t(qH(yt)|qH(xt))=F-t(qH(xt)|qH(yt)),
F+t(qH(yt)|qH(xt))=F+t(qH(xt)|qH(yt))。证明:¹对H[0.5,有:pt(H)=Pr(yt[qH(yt)|xt[
qH(xt))=Pr(yt[qH(yt),xt[qH(xt))Pr(xt[qH(xt))若两个金融市场完全正相关,即QYX=1,表明:如果条件xt[qH(xt)成立,则yt[qH(yt)同时成立。又由于H是置信度,即:Pr(xt[qH(xt))=H;Pr(yt[qH(yt))=H;Pr(yt[qH(yt),xt[qH(xt))=H所以Pt(H)=1。
#15#第5期 张瑞锋等:金融市场波动溢出分析及实证研究反之,如果Pt(H)=1,就说明:Pr(yt[qH(yt),xt[qH(xt))=Pr(xt[qH(xt)),即条件xt[qH(xt)发生的概率与xt[qH(xt)和yt[qH(yt)同时发生的概率是相同的,即两个金融市场是完全正相关的。同理可证H>0.5时的情况º对H[015,有:pt(H)=Pr(yt[qH(yt)|xt[qH(xt)) =Pr(yt[qH(yt),xt[qH(xt))Pr(xt[qH(xt))若两个金融市场完全负相关,即QYX=-1,表明:如果条件xt[qH(xt)成立,则yt[qH(yt)一定不成立,即Pr(yt[qH(yt),xt[qH(xt))=0。所以pt(H)=0。同理可证H>0.5时的情况。»对H[0.5,有:pt(H)=Pr(yt[qH(yt)|xt[qH(xt)) =Pr(yt[qH(yt),xt[qH(xt))Pr(xt[qH(xt))若两个金融市场独立,即QYX=0,表明:条件xt[qH(xt)成立与yt[qH(yt)是否成立无关,因此有:Pr(yt[qH(yt),xt[qH(xt))=Pr(yt[qH(yt))Pr(xt[qH(xt))又由¹的证明有:Pr(xt[qH(xt))=H;Pr(yt[qH(yt))=H。所以pt(H)=H2H=H。H>0.5时,有:Pr(xt>qH(xt))=1-Pr(xt[qH(xt))=1-HPr(yt>qH(yt))=1-Pr(yt[qH(yt))=1-H所以pt(H)=(1-H)2(1-H)=1-H。¼若两个金融市场独立,有:F-t(qH(yt)|qH(xt))=H;F-t(qH(xt)|qH(yt))=H。所以F-t(qH(yt)|qH(xt))=F-t(qH(xt)|qH(yt))=H。两个金融市场完全正相关有pt(H)=1,完全负相关有pt(H)=0所以F-t(qH(yt)|qH(xt))=F-t(qH(xt)|qH(yt))。同理:F+t(qH(y)|qHt(x))=F+t(qHt(x)|qHt(y))。证毕。根据定理1,可以对两个金融市场X和Y的相关性进行分析。如果两个金融市场是独立的,即QYX=0,HI(0,0.5)时,pt(H)是斜率为1的直线;H
