全球主要股波动率的聚类特征分析.PDF

全球主要股市波动率的聚类特征分析 1,2 3 2 苏木亚 ，郭崇慧 ，杨晓光 （1.内蒙古大学经济管理学院，呼和浩特 010021 ； 2. 中国科学院数学与系统科学研究院，北京 100190 ； 3. 大连理工大学系统工程研究所，大连 116024） 摘要：本文采用多路归一化割谱聚类方法、单变量 GARCH 模型和 Granger 因果检验相结合的模型，分阶段研究了 1994-2014 年间全球主要股市波动率的 聚类特征。首先，利用单变量GARCH 模型分别提取全球主要股市的波动率； 其次，借助多路归一化割谱聚类方法的特殊性质刻画了全球主要股市波动率 的聚类数目、聚类质量以及聚类结果的稳定性等特征；最后，利用 Granger 因果检验模型分析不同类的代表元股市间的波动溢出效应和同一类内股市间 的波动溢出效应。实证结果表明，与非金融危机阶段相比，在金融危机期间 全球主要股市波动率的聚类数目较多、聚类质量较高、聚类结果相对稳定、 并且全球主要股市间的波动溢出效应增强。 关键词：股市波动率；金融计量模型；谱聚类；聚类特征 中图分类号：F830.9 文献标识码：A 文章编号：XXX-XXXX-XXX 0 引言 由于国际间信息流、技术流、资金流等的流动性，世界各国经济、金融系统从最初孤立分散系统 整合为在子系统间存在较强耦合作用的世界经济大系统。这既增加了各国经济之间的联系，促进了经 济发展，也为风险传播创造了机会，加大了全球金融市场之间的互相影响，导致了各个市场之间的波 动溢出效应，金融风险在不同市场之间传导、放大，使得全球金融市场的波动性和风险不断加大。因 此，在金融决策中，为了提高决策的准确性，降低决策风险，从不同角度研究分析金融市场的波动特 [1] 征是非常必要的 。金融市场波动特征定量分析也始终是金融研究领域的热点问题之一。 目前基于定量方法的股市波动分析主要从两个角度进行。一类方法是利用ARCH 族模型、Copula 函数、VAR 模型 （包含Granger 因果检验、方差分解和脉冲响应）以及Johansen 协整检验等一些金 融计量方法中的一种或多种方法研究各股市之间、板块之间或同一板块内个股之间的风险传导特征， 主要特点是关注一个金融市场是否对另一个金融市场存在波动溢出或风险传染。Dungey 等利用 [2] GARCH 模型分析了金融危机前后风险的传染 。Bekiros 利用VAR-GARCH 模型分析了美国次贷危 [3] [4] 机的传染效应 。Viale 等利用Copula 函数分析了 1994-200 1 年间金融危机的传染问题 。Natanelov [5] 等利用 Johansen 协整检验法分析了农产品期货价格原油价格之间的联动关系 。Krause 和 Tse 利用 [6] Granger 因果检验法和EGARCH 模型分析了美国和加拿大工业ETFs 之间的波动溢出效应 。吴吉林 等提出了多机制平滑转换混合Copula 模型，从极值风险视角出发考察了中国A 、B 、H 股票市场间尾 [7] 部相依性的长期变化趋势 。叶五一等对 Copula 变点检测方法进行推广，结合系数的变化趋势和时 [8] 间段对金融危机传染效应进行分析 。程棵等选取32