大宗商品市场和股票市场波动溢出效应研究.docVIP

大宗商品市场和股票市场波动溢出效应研究 　　【摘要】本文选取路透CRB商品价格指数、MSCI新兴市场指数、MSCI发达市场指数的日度数据为样本，运用二元BEKK-GARCH模型，研究了大宗商品价格分别与新兴市场、发达市场这两个股市指数间的波动溢出效应。实证结果显示新兴市场指数收益率与大宗商品价格变化率之间存在双向波动溢出效应，发达市场指数收益率与大宗商品价格变化率之间只有前者对后者单向的波动溢出。 　　【关键词】大宗商品市场 股票市场 波动溢出效应 　　一、引言 　　大宗商品是供需量比较大的工农业基础原材料，从图1能够看出自本世纪初以来大宗商品价格上涨明显，价格波动幅度和波动频率也比较大。与此同时新兴市场价格变动趋势与大宗商品价格的变动情况极其相似，而发达市场价格则比较稳定，没有出现新兴市场、大宗商品市场那样剧烈的暴涨暴跌，且近年来处于稳定上升趋势。那么大宗商品市场与这两个股票市场之间是否存在关联？Silvennoinen Thorp（2013）使用DSTCC-GARCH模型研究了1990～2009年金融市场与商品期货市场间的相关系数，发现两市相关性逐渐增大[1]。金洪飞、金荦（2008）比较研究了中国股价、美国股价分别与石油价格之间的溢出，发现国内股市与国际石油市场间无任何溢出关系，而国际石油价格与美国股价间有双向波动溢出[2]。本文将在此基础上通过建立BEKK-GARCH模型从波动的角度对新兴市场与大宗商品市场，发达市场与大宗商品市场之间的溢出效应进行研究并对比。从而对大宗商品市场和这两个股票市场之间的价格波动与信息传递有更深入的理解。 　　二、实证研究 　　（一）样本选取 　　鉴于数据的可获得性，本文选取2013年4月1日至2017年2月28日的MSCI新兴市场指数（MSCI Emerging Markets Index）、MSCI发达市场指数（MSCI Developed Markets Index）、路透CRB商品指数的日对数收益率数据，分别用rMSCIEM、rMSCIDM、rCRB来表示。日对数收益率为： 　　其中MSCIEM、MSCIDM、CRB分别为新兴市场指数、发达市场指数、路透CRB大宗商品价格指数的日度数据，数据单位均为美元。在去掉来自三个市场的所有交易日不重合的数据后，共985组数据。其中MSCI新兴市场指数、MSCI发达市场指数来自MSCI官网（），CRB指数来自前瞻数据库（http：//）。 　　（二）实证检验 　　方差可以衡量序列波动性，GARCH族模型能够预测时间序列的方差，研究多个金融时间序列的波动性一般使用多元GARCH族模型。在多元GARCH族模型中，Engle Kroner（1995）提出的BEKK-GARCH模型具有形式较为简化，需要估计的参数比较少，且其协方差矩阵能保持正定等优点[3]。因此本文将分别建立二元BEKK-GARCH模型，来探究商品市场与两个股票市场间的波动溢出效应。 　　在对3个市场的收益率序列进行Q检验后发现三组序列都具有显著的自相关性，也就是说这三组序列均有ARCH效应，因此可以建立BEKK-GARCH模型。下面将分别建立新兴股市与大宗商品市场、发达股市与大宗商品市场的BEKK-GARCH模型。为了检验模型的合理性，将对两个模型分别进行标准化残差检验。以上过程通过WinRATS 7.3软件编程实现，采用BFGS算法。结果如表7所示。 　　表1中的残差检验结果显示，两个BEKK-GARCH模型各变量的残差序列均接受不存在自相关性的假设，即消除了各序列的ARCH效应，这表明上面建立的模型都是稳定合理的。表1中的a11、b11表示市场1对自身的波动溢出效应，a22、b22表示市场2对自身的波动溢出效应；a12、b12则表示市场1对市场2的波动溢出效应，a21、b21表示市场2对市场1的波动溢出效应。若a12=b12=0，a21=b21=0则两个市场间无波动溢出效应。若a12=b12=0则市场1对市场2无波动溢出；若a21=b21=0则市场2对市场1无波动溢出。 　　在新兴市场与大宗商品市场的BEKK-GARCH模型中，a11、a22、b11、b22均在1%的显著性水平下不为0，表明新兴市场和大宗商品市场收益率的波动都显著受到自身波动溢出效应的影响。在发达市场与大宗商品市场的BEKK-GARCH模型中，a11、b11在1%的的水平下显著不为0，表明发达市场收益率的波动也显著受到自身波动溢出效应的影响。 　　新兴市场与大宗商品市场模型的Wald检验结果表明，在1%的显著性水平下拒绝“新兴市场与大宗商品市场间无波动溢出”、“新兴市场对商品市场无波动溢出”、“商品市场对新兴市场无波动溢出”这三个原假设。这一结果显示新兴股市和大宗商品市场间存在着双向