沪-深-港股市收益-波动溢出效应与动态相关性课件

沪、深、港股市收益、波动溢出效应与动态相关性

——基于DCC－BVEGARCH－VAR的检验沪、深、港股市收益、波动溢出效应与动态相关性

——基于DC1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：写作动机2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：本文结构第一节引言3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：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4引言：股市间信息传导机制1、早前的文献（Hamaoetal.(1990),CampbellandHamao(1992),BekaertandHodrick(1992),BekaertandHarvey(1995),BaseangKarolyi（1994），Harvey(1995),Karolyi(1995)andKarolyiandStulz(1996)等）2、BekaertandHarvey(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”（Localeffects）和世界资本市场对其冲击的“世界因素”（Wordeffects）3、g（2000）将BekaertandHarvey(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”（Regionaleffects）、“世界因素”。引言：股市间信息传导机制1、早前的文献（Hamaoeta5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),AsymmetricPowerARCH(APARCH)ofDing,Granger,andEngle(1993),GJR-GARCHofGlosten,Jaganathan,andRunkle(1993),ThresholdGARCH(ZARCH)ofZakoian(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：GARCH类模型一览Bollerslev（19866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：

国内学者对这一问题的研究1、刘金全、崔畅（2007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：本文的方法1、本文正是采用Ng（2000）的方法分别考8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）的研究引言：本文的贡献1、首次把DCC－BVEGARCH－VAR（9实证模型：条件均值方程实证模型：条件均值方程10实证模型：条件方差方程

实证模型：条件方差方程11实证模型：动态相关性定义实证模型：动态相关性定义12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（13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个交易日的收盘价格数据。4、我们不考虑周一效应和和月末效应等问题。

沪、深、港股市的一些特征性事实:

关于数据的描述1、上证14沪、深、港股市的一些特征性事实

:

关于数据的描述（续）关于外生变量的构建：股票市场的日收益率：沪、深、港股市的一些特征性事实:

关于数据的描述（续）关于15沪、深、港股市的一些特征性事实

:

关于数据的描述（续）数据来源：所有数据均来自雅虎网金融数据库和湘财股票交易数据库

沪、深、港股市的一些特征性事实:

关于数据的描述（续）16沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述1、价格序列2、收益序列沪、深、港股市的一些特征性事实:

关于股市特征统计性描述117沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述（续）、分别表示日收益率和日收益率平方的1阶条件序列自相关系数；LB(t)、LB2(t)分别表示t期滞后日收益率和日收益率平方的Ljung－Box统计量，衡量序列相关性指标；JB检验的是序列是否服从正态分布；Skewness是偏度检验；Kurtosi是峰度检验；LM，ARCH－LM检验，,LM(t)是t期滞后异方差检验指标。沪、深、港股市的一些特征性事实:

关于股市特征统计性描述（18Mean(%)Min(%)Max(%)VarianceS．DSkewnessKurtosiJB沪市0.001-3.7904.0830.3920.6260.395***5.632***2186***深市-0.009-3.4334.1390.4650.6820.558***4.861***1681***港市0.009-4.0328.5980.6230.7890.820***11.26***8744***LB(1)LB(4)LB(7)LB(10)沪市0.031-0.0140.1050.1401.5222.5373.1545.431深市0.060-0.0030.1450.1726.029**6.3816.7298.293港市0.042-0.0550.0450.0642.805*9.272*19.85***24.96***LB2(1)LB2(4)LB2(7)LB2(10)LM(1)LM(4)LM(7)LM(10)沪市18.21***108***135***160***18.3***22.06***13.9***10.57***深市34.38***154***226***272***35.3***28.8***19.5***14.7***港市3.358*24.6***80.83***160***3.346*5.34***8.09***9.91***Mean(%)Min(%)Max(%)VarianceS．D19沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述（续）1、Ljung－Box的Q统计量检验均接受了序列线性无关的原假设，而收益率平方的自相关系数相对较大，LB检验均显著拒绝了原假设2、LM是关于异方差的ARCH－LM检验，三市的1、4、7、10期滞后LM检验值均在1％置信水平上拒绝同方差的原假设3、三市的偏度(Skewness)检验值都大于零，因此都是正向有偏分布的；而峰度（Kurtosi）检验值均大于3表明存在突峰显现4、JB检验全部是1%显著性水平上拒绝了正态分布的原假设。沪、深、港股市的一些特征性事实:

关于股市特征统计性描述（20实证结果与分析实证结果与分析21收益冲击效应波动溢出效应“本地因素”非对称冲击沪市0.0317(0.536)0.0416(0.004)-0.8067(0.000)0.0892(0.000)-0.0019(0.972)1.7753(0.000)0.0047(0.259)0.1075(0.000)深市-0.1645(0.003)0.0504(0.000)1.7470(0.000)0.1580(0.000)0.1815(0.001)-0.7731(0.000)0.1000(0.000)0.0953(0.000)时变条件相关性参数0.0422(0.000)0.9344(0.000)模型整体估计效果Numberofcoefs.23Loglikelihood-1264Avg.loglikelihood-0.781Akaikeinfocriterion1.590Schwarzcriterion1.667Hunnan-Quinncriter.1.618收益冲击效应波动溢出效应“本地因素”非对称冲击沪市0.03122实证结果与分析：

收益的条件均值方程

1、和都是显著的且2、统计上的不显著和的显著实证结果与分析：

收益的条件均值方程23实证结果与分析：

波动的条件方差方程

1、

都是在1％的置信水平上显著2、实证结果与分析：

波动的条件方差方程24实证结果与分析：非对称反应

1、

在统计意义上并不显著

2、深市在对突发性时间的反应上表现除了显著的非对称性

3、都是正的，这与？（200?）研究是不同的实证结果与分析：非对称反应25实证结果与分析：时变条件方差

实证结果与分析：时变条件方差26实证结果与分析：

动态（时变）条件相关性

实证结果与分析：

动态（时变）条件相关性27结论1、作为“世界因素’，港市不论是在收益还是在波动上都对沪深两市存在显著的溢出效应，随着全球化进程的不断深入和中国股市开放度的不断增加，中国股市也越来越受到世界资本市场的冲击和影响，从全球的视角考虑资本运作显得非常重要。另外，世界资本市场对沪深两市的影响是非对称的。2、中国股市并没有表现出其他国家资本市场的杠杆效应，我们认为可能是一方面投资者对中国股市的信心不足，对“坏消息”有较大的心理预期和承受能力，而对“好消息”容易过度反应。结论1、作为“世界因素’，港市不论是在收益还是在波动上都对28结论3、“区域因素”相互影响的非对称性。沪市是深市的风向标，沪市收益与波动领先于深市，对沪市有着信号显示的作用。4、沪深两市的条件相关出于动态调整状态，关于沪深股市间常数条件相关性的假定是不妥当的。结论3、“区域因素”相互影响的非对称性。沪市是深市的风向标，29结论：不足1、内生变量选取的更为严格的标准2、本文假定采用一阶滞后的方式结论：不足30期待你的指点！期待你的指点！31沪、深、港股市收益、波动溢出效应与动态相关性

——基于DCC－BVEGARCH－VAR的检验沪、深、港股市收益、波动溢出效应与动态相关性

——基于DC32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：写作动机33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：本文结构第一节引言34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：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35引言：股市间信息传导机制1、早前的文献（Hamaoetal.(1990),CampbellandHamao(1992),BekaertandHodrick(1992),BekaertandHarvey(1995),BaseangKarolyi（1994），Harvey(1995),Karolyi(1995)andKarolyiandStulz(1996)等）2、BekaertandHarvey(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”（Localeffects）和世界资本市场对其冲击的“世界因素”（Wordeffects）3、g（2000）将BekaertandHarvey(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”（Regionaleffects）、“世界因素”。引言：股市间信息传导机制1、早前的文献（Hamaoeta36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),AsymmetricPowerARCH(APARCH)ofDing,Granger,andEngle(1993),GJR-GARCHofGlosten,Jaganathan,andRunkle(1993),ThresholdGARCH(ZARCH)ofZakoian(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：GARCH类模型一览Bollerslev（198637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：

国内学者对这一问题的研究1、刘金全、崔畅（20038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：本文的方法1、本文正是采用Ng（2000）的方法分别考39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）的研究引言：本文的贡献1、首次把DCC－BVEGARCH－VAR（40实证模型：条件均值方程实证模型：条件均值方程41实证模型：条件方差方程

实证模型：条件方差方程42实证模型：动态相关性定义实证模型：动态相关性定义43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（44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个交易日的收盘价格数据。4、我们不考虑周一效应和和月末效应等问题。

沪、深、港股市的一些特征性事实:

关于数据的描述1、上证45沪、深、港股市的一些特征性事实

:

关于数据的描述（续）关于外生变量的构建：股票市场的日收益率：沪、深、港股市的一些特征性事实:

关于数据的描述（续）关于46沪、深、港股市的一些特征性事实

:

关于数据的描述（续）数据来源：所有数据均来自雅虎网金融数据库和湘财股票交易数据库

沪、深、港股市的一些特征性事实:

关于数据的描述（续）47沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述1、价格序列2、收益序列沪、深、港股市的一些特征性事实:

关于股市特征统计性描述148沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述（续）、分别表示日收益率和日收益率平方的1阶条件序列自相关系数；LB(t)、LB2(t)分别表示t期滞后日收益率和日收益率平方的Ljung－Box统计量，衡量序列相关性指标；JB检验的是序列是否服从正态分布；Skewness是偏度检验；Kurtosi是峰度检验；LM，ARCH－LM检验，,LM(t)是t期滞后异方差检验指标。沪、深、港股市的一些特征性事实:

关于股市特征统计性描述（49Mean(%)Min(%)Max(%)VarianceS．DSkewnessKurtosiJB沪市0.001-3.7904.0830.3920.6260.395***5.632***2186***深市-0.009-3.4334.1390.4650.6820.558***4.861***1681***港市0.009-4.0328.5980.6230.7890.820***11.26***8744***LB(1)LB(4)LB(7)LB(10)沪市0.031-0.0140.1050.1401.5222.5373.1545.431深市0.060-0.0030.1450.1726.029**6.3816.7298.293港市0.042-0.0550.0450.0642.805*9.272*19.85***24.96***LB2(1)LB2(4)LB2(7)LB2(10)LM(1)LM(4)LM(7)LM(10)沪市18.21***108***135***160***18.3***22.06***13.9***10.57***深市34.38***154***226***272***35.3***28.8***19.5***14.7***港市3.358*24.6***80.83***160***3.346*5.34***8.09***9.91***Mean(%)Min(%)Max(%)VarianceS．D50沪、深、港股市的一些特征性事实

:

关于股市特征统计性描述（续）1、Ljung－Box的Q统计量检验均接受了序列线性无关的原假设，而收益率平方的自相关系数相对较大，LB检验均显著拒绝了原假设2、LM是关于异方差的ARCH－LM检验，三市的1、4、7、10期滞后LM检验值均在1％置信水平上拒绝同方差的原假设3、三市的偏度(Skewness)检验值都大于零，因此都是正向有偏分布的；而峰度（Kurtosi）检验值均大于3表明存在突峰显现4、JB检验全部是1%显著性水平上拒绝了正态分布的原假设。沪、深、港股市的一些特征性事实:

关于股市特征统计性描述（51实证结果与分析实证结果与分析52收益冲击效应波动溢出效应“本地因素”非对称冲击沪市0.0317(0.536)0.0416(0.004)-0.8067(0.000)0.0892(0.000)-0.0019(0.972)1.7753(0.000)0.0047(0.259)0.1075(0.000)深市-0.1645(0.003)0.0504(0.000)1.7470(0.000)0.1580(0.000)0.1815(0.001)-0.7731(0.000)0.1000(0.000)0.0953(0.000)时变条件相关性参数0.0422(0.000)0.9344(0.000)模型整体估计效果Numberofcoefs.23Loglikelihood-1264Avg