文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 金融市场间波动溢出效应理论研究与评价
侵权投诉

金融市场间波动溢出效应理论研究与评价

波动溢出,garch模型

展到多变量情况,通过多变量模型来研究波动溢出。下面我们将简要介绍多变量模型是如何对金融市场波动溢出效应进行研究的。

考虑一个N×1维向量序列{Yt},

Yt=μt+εt(5)其中{εt}表示N×1维条件残差向量,且εt|Ωt-1~N(0,Ht),Ωt-1是指t-1时刻的信息集,Ht是N×N维正定矩阵。Bollerslevetal提出了向量GARCH模型的Vech(Ht)形式如下:[7]

Vech(Ht)=Vecj(C)+!AiVech(εt-iε)+!BjVech(Ht-j)

T

t-i

i=1

i=1

q

q

的作用。

(三)向量SV模型

除了以上的多变量GARCH类模型外,So、Li和Lam建立向量SV模型来研究马来西亚与泰国股票指数间的波动关系,发现泰国对马来西亚股票市场波动有着显著的单向溢出。[14]其向量SV模型如下:

设有N维随机过程{Yt},Yt=(y1t,…,ynt),且

(6)

其中Vech(Ht)表示把矩阵Ht的下三角阵按列依次排成一列而成一列向量,C为N×N矩阵,Ai、Bi均为N(N+1)/2维方阵。该模型是通过矩阵Ai和Bi中的元素来反映不同市场间的波动溢出效应,但是由于待估参数较多,且矩阵Ht的正定条件是通过限制矩阵Ai和Bi中元素的取值来满足的,这些制约了模型的应用。

而Engle和Kroner正式提出的另一类向量GARCH模型———BEKK模型,克服了以上模型的缺陷,如果条件方差服从GARCH(1,1)过程,则BEKK模型设定的方差方程为:[8]

(7)

赵留彦和王一鸣就是用上述的BEKK模型研究中国A、B股间的波动溢出效应,表明仅存在A股向B股的单向波动溢

[9]出。Worthington和Higgs也是用BEKK模型来对亚洲九个股票市场间波动传递关系进行研究,发现这些股票市场间存在着波动溢出。[10]

以上的向量GARCH类模型在研究金融市场的波动溢出时有一个共同的特征,即不能捕捉波动溢出的不对称性,而多变量EGARCH弥补了这一缺陷。Koutmos和Booth运用多变量

东京、伦敦世界三大股票市场的波EGARCH模型来研究纽约、

动溢出,发现三大股市间不仅存在波动溢出效应,而且波动溢出存在不对称性,市场的坏消息比好消息对另一市场的波动影响更大。[11]Laopodis则是用多变量VAR-EGARCH模型研究德国马克各汇率间波动溢出,发现其汇率间不仅存在波动溢出,同时还具有不对称性,市场坏消息比好消息对另一市场的波动影响更强烈。[12]Kanas和Kouretas运用多变量EGARCH模型研究希腊官方汇率与黑市汇率间的波动溢出效应,表明两市之间

[13][12]

也存在着不对称性的波动溢出。Lapodis、Kanas和Kouretas[13]的多变量EGARCH模型为:

yit=μi+uitviti=1,…,n(12)其中μi为yit的无条件均值,uit为白噪声,且uit~N(0σ2i)。令Wt=(logv1t,…,logvnt),且设Wt~VAR(1),即:

Wt=ΦWt-1+ηt(13)ηt为独立同分布的白噪声,且ηt~NLi和(0∑η)。So、Lam认为当系数矩阵Φ的非对角线元素存在着非零元素时,

市场间存在着波动溢出。[14]

Ibrahim和Sarno也是通过对美元各汇率的高频数据建立向量SV模型来研究它们之间的波动溢出。[15]

(四)其他的研究方法

通过前面的介绍可以看出,单变量和多变量的GARCH类模型以及向量SV模型已被较多地应用于金融市场间波动溢出效应的研究。但是由于金融市场波动性测度方法的多样性,以及数据挖掘技术的发展,关于金融市场波动溢出研究的方法和

[16]

模型也绝不止如此。Boothetal、Booth和So[17]运用极值(ex-tremevalues,EV)估计方法来描述日间波动率,并通过建立VAR等模型来研究股指衍生市场间的波动溢出效应。Hahn[18]、

[19]

汪素南和潘云鹤[20]通过小波分析宿成建等、(Waveletanalysis)

方法来研究股市间的相互影响和溢出效应。

Ht=C+BTHt-1B+ATεt-1εTt-1A

二、研究方法比较与分析

(一)单变量与多变量GARCH类模型的比较

单变量GARCH类模型是对单一变量、单一市场情况进行建模,通过两步建模的方法来研究各个金融市场间的波动溢出效应。而多变量GARCH类模型则是建立在对多个变量、多个市场的波动与风险特性统一分析基础之上,通过把单变量模型扩展到多变量情况来研究金融市场的波动溢出效应。对于这两类模型的比较,目前有学者从理论分析角度对其进行了阐述。

关于多变量模型的优势,Pagan指出当多个金融市场存在波动相关性时,在多变量框架内分析问题能够充分利用残差向量的方差———协方差矩阵所包涵的信息,避免单变量模型的

问题。因此与单变量模型相“生成回归量(generatedregressor)”

比,多变量模型能够得到更加精确的参数估计值。[21]Koutmos和Booth也指出多变量模型比单变量模型具有的三大优势:(1)多变量模型排除单变量模型的两步建模过程,避免了需要估计回归量的有关问题;(2)提高了市场间溢出效应的检验势和效率;(3)波动溢出的本质是全球化的信息对各市场的影响,而多变量模型正是统一地考虑多个市场的信息情况,与这一概念更为吻合。[11]赵留彦和王一鸣指出单变量模型在考察多个资产波动的相关性方面时是缺乏效率的,因为单变量模型分别独立考察市场各自的波动与风险,损失了市场间相关性中所蕴涵的有效信息。[9]

与此相对,单变量模型的优势就在于其简单明了,参数较少,容易估计,当然这也使得一些的信息的丢失,因此对金融市场波动溢出的检验结果可能会不太理想。

(二)多变量GARCH类模型与向量SV模型的比较

在金融市场波动性方面的研究,GARCH类模型与SV模型是两类最为常见的模型,同时在金融市场波动溢出效应的研究中,多变量GARCH类模型与向量SV模型也都有具体的实证

Rt=α0+

2i,t

!αR

k

i=1

q

t-k

+εεt|Ωt-1 ̄N(0Ht)

2

i,t-1

(8)

)

σ=expαt+βilog(σ

"

)+

!δ

j=1

n

i,j

fZ(

j,t-1

#

(9)

σij,t=ρijσi,tσj,ti=1,2…nj=1,2…n但i≠j(10)fZj,t-1)=Zj,t-1-EZj,t-1+θi,jZj,t-1Zj,t-1=εj,t-1/σj,t-1(

(11)

其中{Rt}为各市场的收益率向量,Ωt-1表示t-1时刻的信息集,{εt}为t时刻的残差项向量,Ht为条件方差———协方差

2

矩阵,σi,t是市场i的条件方差,σij,t为两市场i、j的条件协方差,Zj,t为市场j收益率的标准化残差。该类模型通过参数δi,j来反映市场j对市场i的波动溢出大小,而θi,j反映的是市场j对市场i波动溢出的不对称性:当θi,j=0时表示市场j的负向冲击与正向冲击对市场i的影响是相同的;当-1<θi,j<0时则表示负向冲击带来的市场波动大于正向冲击的影响;当θi,j<-1

时表示负向冲击加强市场的波动,而正向冲击则起到稳定市场

"!

上一页第2页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email