我国金融市场间的风险传染测度研究.docVIP

我国金融市场间的风险传染测度研究 　　【摘要】随着经济的多元化、资本的大规模流动以及金融衍生品的不断发展，各个金融市场之间的关联程度越来越高金融风险传染度量成为了金融风险管理的一个重要内容。本文利用MSV模型，用收益率的波动来描绘风险，以相关系数的改变作为衡量金融风险传染发生的指标，选取了我国2014-2017年股票指数和债券指数的对数收益率进行了实证分析，并得到以下结论：我国股票市场和债券市场收益率均表现出尖峰厚尾的特征；股市债市之间存在着风险传染效应，且该效应在牛市时表现最为明显。 　　【关键词】金融风险传染测度，股票市场，债券市场，MSV模型 　　1 前言 　　金融风险的发生一直是金融市场发展过程中无法避免的一大难题。从上世纪末期开始，金融衍生品层出不穷，金融市场间关联程度越来越高。一旦某个经济体或金融市场爆发危机，其风险极易造成大范围经济动荡。以我国的股票市场和债券市场为例，如图1所示，2007-2016年股市与债市收益率波动走势近乎一致，表现出较强的相关性，这种现象在2008年和2015年表现尤为明显。 　　事实上，金融风险传染的相关研究一直都是金融界学者非常关注的课题。在金融风险测量方面，学者们渐渐摆脱了原有简单的测度模式。金融创新和信息科技的广泛应用使金融市场更新迭代速度有了大幅提升，传统的风险分析方法通常无法有效地度量市场间的溢出水平评估市场风险。因此在当今全球经济格局下寻找一个准确的金融风险传染度量方法就显得尤为重要。 　　2 文献综述 　　金融危机的频繁爆发使得金融市场间的风险传染成为金融风险研究领域的一个热点问题，诸多学者对风险传染进行了大量研究并取得诸多研究成果。 　　基于股市和债市在金融市场资产配置中的重要地位，学者们自金融发展早期开始便对两市场之间的关系进行了深入的研究。Keim等（1986）较早验证了股票市场和债券市场间存在的相关关系。Baur（2010）运用基于VAR的格兰杰因果检验方法，研究发达国家的股票和债券市场，发现了股市和债市之间存在双向格兰杰因果关系。Papavassilious（2014）运用DCC-GARCH模型针对希腊债务危机分阶段分别研究了不同市场走势下境内主要资本市场间的风险传染效应，其结果表明债务危机期间两个市场之间具有显著的风险传染效应。 　　相较于国外市场，中国股票市场和债券市场虽起步较晚尚未完全成熟，但随着政府相关政策的颁布实施，两个市场相关性得到大幅提升，受到了越来越多的关注。王璐等（2009）实证发现中国股市对债市的波动溢出效应较债市对股市的溢出效应更为显著。廖佳等（2014）从行为经济学角度着重研究了在不同金融环境下投资者对金融市场的情绪变化对跨市场金融传染效应的影响，实证发现市场情绪在不同市场行情下具有很强的独特性，其对市场间的相关性影响在不同市场行情下表现不同。 　　与文献相比，本文的创新性体现在：（1）模型的突破。本文将传统的SV模型扩展为多元并应用在股市和债市的风险传染性分析上。（2）数据的处理。本文将数据分为三个阶段进行对比，通过危机期与牛市期两个期间的前后对比，也为风险传染效应提供了实证。（3）计算方式的选择。本文选用了蒙特卡罗（MCMC）模拟进行模型的求解，大大提高了文中采用模型的实用性。 　　3 金融风险传染效应 　　3.1 金融传染效应的相关概念 　　首先，是关于风险的定义本文将采用广义的风险的定义，即不管是带来收益还是损失，皆可算作风险。Engle等学者（2002）将金融传染效应认定为受到风险冲击后不同金融市场间相关性显著增加的效应，该理论在度量金融传染效应的大小和传染方向等方面都得到了广泛的应用。本文将认定传染的发生是由相关性的改变来进行衡量的，同时为了简化分析，本文所讨论的金融风险传染效应排除共同冲击因素的基础性传染分析。只有这样，在建模时，市场与市场间才能看作两个独立变量，才能观测到一个市场的波动能否影响另一个市场。 　　3.2 金融传染效应研究方法 　　Taylor（1982）将随机波动原理应用到金融时间序列分析中，提出了随机波动（Stochastic Volatility， SV）模型。基本的一元SV模型如下 　　yt=μ+eht2εt 　　ht+1=α+βht+ηt 　　其中，εt～NO，1，ηt～N（0，ση2），二者相互独立。μ为时间序列均值，εt和ηt分别为均值方程和波动率方程的随机?_动项，β反映波动率序列的持续性。 　　多元SV模型在波动率方程基础上引入了一个服从马尔科夫过程或其他随机游走过程的新随机变量。构建模型的均值方程为 　　Yt=U+i=1kλiYt-i+Et （4.10） 　　其中，Yt=y1，t，y2，t，…，yk，tT，U=ui，u2，…，ukT，λi=λ1，i，