沪、深、港股市收益、波动溢出效应及动态相关性.pptx

沪、深、港股市收益、波动溢出效应与动态相关性——基于DCC－BVEGARCH－VAR的检验引言：写作动机1、沪深股市间关联度如何？2、沪市与深市如何相互影响？3、关联程度有无发生变化？4、它们与发达国家资本市场又是如何联系？ 引言：本文结构第一节 引言第二节建立并简要介绍DCC－BVEGARCH－VAR的实证模型。第三节是关于沪、深、港股市的一些特征性事实，首先对样本数据进行说明，然后给出了一些统计性描述。第四节得出本文实证检验结果并探讨可能的原因。第五节是稳健性检验第六节总结全文并给出政策建议。 引言：问题的重要性1、中国股票市场在国民经济的地位中不断提升，在投融资、国企改革、资本市场建设中扮演着日益重要的作用 。2、全球资本市场一体化背景下的，中国股市开放度日益加强，与世界资本市场联系越来越紧密 。3、因此理解股市之间的收益和波动相关性以及信息传导机制对于投资者资产定价、资产多样化、风险分散与研究股市结构和判断股市走势以及政策当局市场监管和防范金融危机风险都具有重要的意义 引言：股市间信息传导机制1、早前的文献（Hamao et al. (1990), Campbell and Hamao (1992), Bekaert and Hodrick (1992), Bekaert andHarvey (1995), Base ang Karolyi（1994），Harvey (1995), Karolyi (1995) and Karolyi and Stulz (1996)等）2、Bekaert and Harvey (1997)考察对新兴市场的冲击时构建的波动溢出模型把对新兴股票市场的冲击划分为“本地因素”（Local effects）和世界资本市场对其冲击的“世界因素”（Word effects） 3、g（2000）将Bekaert and Harvey (1997)进一步扩展，第一次把一个股票市场受到的冲击分解为 “本地因素”、“区域因素”（Regional effects）、“世界因素”。 引言： GARCH类模型一览 Bollerslev（1986）首次运用GARCH模型刻画条件方差的时变性后，由于其明确的经济学涵义及对市场波动的准确刻画得到了广泛的应用 。1、一方面，Nelson (1991), Asymmetric Power ARCH (APARCH) of Ding, Granger, and Engle (1993), GJR-GARCH of Glosten, Jaganathan, and Runkle (1993), Threshold GARCH (ZARCH) of Zakoian (1994),引入并实证检验了正负冲击非对称性的存在 2、另一些学者等将单变量扩展成为双变量的模型 3、Engle (2002)有考虑不同资本市场间相关系数的时变性，引入动态相关性多元GARCH模型 引言：国内学者对这一问题的研究 1、刘金全、 崔畅（2002）在此基础上构建考虑外生变量的单变量TGARCH模型 2、赵留彦、王一鸣（2003）构建了一个双变量GARCH模型对A、B股之间波动溢出进行考察，得出A股向B股的单项波动溢出 引言：本文的方法1、本文正是采用Ng（2000）的方法分别考察沪市（深市）波动受到的“自身因素”，来自深市（沪市）的“区域因素”（作为内生变量引入）和来自香港的“世界因素”（作为外生变量引入）的影响 2、为此我们修改Miyakoshi（2003）模型中条件相关性不变的假定，借鉴Skintzi（2004）[1]的方法建立一个具有动态条件相关性的非对称双变量EGARCH模型 引言：本文的贡献1、首次把DCC－BVEGARCH－VAR（Skintzi，2004）模型引入对股票市场领域的研究 2、本文把研究对象确定为中国股市，相比国内其他学者的研究，本文是方法较为严密，结论较为可靠（Robust）的研究 实证模型：条件均值方程 实证模型：条件方差方程 实证模型：动态相关性定义最大似然函数方程式 1、我们采用最大化对数似然函数的方法对（1）式至（9）式联立＝同时进行参数估计，运算法则为Marquardt，假定联合正态分布2、其中＝， = 表示是待估计的参数向量，T是观察值个数，其余变量含义同上 沪、深、港股市的一些特征性事实 :关于数据的描述 1、上证综指、深证成指和香港恒生指数作为沪、深、港三地股票市场的代理变量，2、并选用股票指数的日收盘价格，3、样本范围选取1998年1月5日－2004年12月31日，由于交易日的非一致性，只选取三地股市同一营业日的指数价格数据这样共剩下1623个交易