（管理科学与工程专业论文）基于MSV模型的汇市与股市间溢出效应研究.pdf

r e s e a r c ho nt h es p i l l o v e re 疏c tb e 似e e nf o r e i g ne x c h a n g em a r k e ta n d s t o c km a r k e tb a s e do nm s vm o d e l b y h a nl i j u l l b m ( h u n a nu n i v e r s i t ) r ) 2 0 0 8 a t h e s i ss u b m i t t e di np a n i a ls a t i s f a c t i o no ft l l e i 沁q u i r e m e n t sf o rt h ed e g r e eo f m a l s t e r0 fm a n a g e m e m m a i l a g e m e n ts c i e n c e sa i l de n g i n e 丽n g i 1 1t l l e g r d i l a t es c h 0 0 1 o f h u n a l lu i l i v e r s 卸 s u p e i s o r p r o f e s s o r 0 i n gz h e n g d e s 印t e m b e r ，2 0 1o 哪5 9 帅8 509iii-y 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：鲰嗣另日期：歹咖年7 月朋日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密囹。 ( 请在以上相应方框内打“”) 日期：) 矿加年7 月1 占日 日期：州p 年7 月硝日 基于m s v 类模型的汇市与股市问溢 ；效应研究 摘要 金融市场间的溢出效应一直都是国内外学者和金融监管部门关注的焦点。2 0 世纪9 0 年代以来，新兴市场国家相继爆发了一系列以汇市与股市相继崩溃为主要 特征的金融危机，使得汇市与股市间的溢出效应研究备受关注。随着我国外汇管 理体制改革和股权分置改革的不断深入，外汇市场和股票市场逐步回归市场化运 作，二者的相互作用关系也开始显现出市场化关联的特性。加之国际金融一体化 与自由化进程的加快，我国汇市与股市间的溢出效应逐步增强。 随机波动模型是随机微分方程的离散化表示形式，通过一个不可观测的随机 过程来描述金融时间序列的波动特征，更适合于金融领域的实际研究。因此，本 文引入d c m s v 模型和g c m s v 模型，来分别考察汇市与股市间价格溢出效应 的动态性和波动溢出效应的双向传导性。 本文首先对汇市与股市间溢出效应研究的发展及度量模型进行了较全面的回 顾，并具体总结了向量随机波动模型在金融市场分析中的应用。然后详细描述了 金融市场波动的含义及特征，在明确价格溢出效应和波动溢出效应定义之后，对 汇市与股市间溢出效应的理论模型及传导机制进行了探讨。在此基础上，对度量 市场间溢出效应的波动时间序列模型进行介绍，并主要阐述了向量随机波动模型 的特征及参数估计方法。最后对汇市与股市间的价格溢出效应进行了实证，并根 据汇率变化趋势分段讨论了二者间的波动溢出效应。研究结果表明，整体上汇市 与股市间存在负相关的动态价格溢出效应；在人民币持续升值阶段和持续震荡阶 段均存在不对称的波动溢出效应，且随时间推移波动溢出效应有所减弱。 关键词：外汇市场；股票市场；溢出效应；d c m s v 模型；g c m s v 模型 硕士学位论文 a b s t r a c t t h es p i l l o v e re f f e c t sb e t w e e nn n a n c i a lm a r k e t sh a v e b e e nt h eh o ti s s u e si n d o m e s t i ca n df o r e i g nr e s e a r c h e r s p a p e r s ，a l s ot h ef i n a n c i a lr e g u l a t o r s p o l i c y s i n c e l9 9 0 s ，as e r i e so ff i n a n c i a lc r i s i se x p l o d e di ne m e r g i n gm a r k e t s ，w h i c he x p r e s s e dt h e m a i nf e a t u r e st h a tf o r e i g ne x c h a n g em a r k e ta n ds t o c km a r k e tc 0 1 l a p s e di ns u c c e s s i o n t h e r e f o r e ，t h es p i l l o v e re f f e c t sb e t w e e nf o r e i g ne x c h a n g em a r k e ta n ds t o c km a r k e t r e c e i v e dm u c hc o n c e m s w i t ht h ed e e p e n i n gr e f o r mo fc h i n a sf o r e i g ne x c h a n g e m a n a g e m e n ts y s t e ma n ds h a r e - t r a d i n g ，t h ef o r e i g ne x c h a n g em a r k e ta n ds t o c km a r k e t i sg r a d u a l l yr e t u r nt ot h em a r k e to p e r a t i o n a d d i t i o n a l l y ，w i t ht h ea c c e l e r a t i o no f i n t e g r a t i o na n dl i b e r a l i z a t i o n i ni n t e r n a t i o n a l行n a n c i a lm a r k e t s ， c h i n a s f o r e i g n e x c h a n g em a r k e ta n ds t o c km a r k e t ss p i l l o v e re f f e c t sa r eg r a d u a l l yi n c r e a s i n g s t o c h a s t i cv o l a t i l i t ym o d e li sad i s c r e t i z a t i o no ft h es t o c h a s t i cd i f 佗r e n t i a l e q u a t i o n s ，w h i c hu s e da nu n o b s e r v a b l er a n d o mp r o c e s s o rt od e s c r i b et h ev o l a t 订i t y c h a r a c t e r i s t i c so ff i n a n c i a ls e r i e s t h a ti st os a y ，t h i sm o d e li sm o r es u i t a b l ef o r p r a c t i c a lr e s e a r c hi nf i n a n c i a lf i e l d t h e r e f o r e ，t h i sp a p e ru s e st h ed c - m s vm o d e l a n dg c - m s vm o d e l t oi n v e s t i g a t et h ed y n a m i cp r i c es p i l l o v e re f ! i c ta n dt h eb i l a t e r a l v o l a t i l i t ys p i u o v e re f 俺c tb e t w e e nt h et w oi m p o r t a n tf i n a n c i a lm a r k e t s i nt h i st h e s i s ，t h er e s e a r c ho fs p i l l o v e re f f e c t sb e t w e e nf o r e i g ne x c h a n g ea n d s t o c km a r k e t s ，a sw e na st h em e a s u r e dm o d e l s ( e s p e c i a l l yv e c t o rs t o c h a s t i cv o l a t i l i t y m o d e l ) a r e 丘r s t l yr e v i e w e d a n dt h e n ，t h e 行n a n c i a lm a r k e tv 0 1 a t i l i t y sm e a n i n ga n d f e a t u r e ，t h ed e f i n i t i o no fp r i c ea n dv o l a t i l i t ys p i l l o v e re f f e c t sa r ed e s c r i b e di nd e t a i l a l s o ，t h et r a n s m i s s i o nm e c h a n i s ma n dt h e o r e t i c a lm o d e lo fs p i l l o v e re f 佗c t sb e t w e e n f b r e i g ne x c h a n g ea n ds t o c km a r k e t sa r ed i s c u s s e d o nt h eb a s i so f2 l b o v e ，t h e f l u c t u a t i o n st i m es e r i e sm o d e l sw h i c hm e a s u r et h em a r k e tv o l a t i l i t ys p i l l o v e re f | f e c t s a r ei n t r o d u c e d ，e s p e c i a l l ye x p l a i n e dt h em a i nf 色a t u r e so fv e c t o rs t o c h a s t i cv o l a t i l i t y m o d e la n dt h ep a r a m e t e re s t i m a t i o nm e t h o d s f i n a u y ，t h ep r i c es p 订l o v e re f 佗c t b e t w e e nf o r e i g ne x c h a n g ea n ds t o c km a r k e t sa r ee m p i r i c a l l ye x a m i n e d ，a l s ov o l a t i l i t y s p i l l o v e re f f 色c tw h i c hd i v i d e di na c c o r d a n c ew i t he x c h a n g er a t et r e n d s t h er e s u l t s s h o wt h a tt h e r ee x i s tt h en e g a t i v ed y n a m i cp r i c es p i l l o v e re f f e c ti nw h o l et i m er e g i o n a n da s y n l m e t r i cv o l a t i l i t ys p i l l o v e re f 托c tt h a tg r a d u a l l yd e c l i n e d k e yw o r d s ：f o r e i g ne x c h a n g em a r k e t ；t h es t o c km a r k e t ；s p i l l o v e re f f e c t ；d c - m s v m o d e l ：g c - m s vm o d e l 基于m s v 类模型的汇市与股市间溢f f ：效应研究 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要i i a b s t r a c t i i i 插图索引v i 附表索引v i i 第1 章绪论1 1 1 研究背景与意义1 1 1 1 研究背景1 1 1 2 研究意义2 1 2 文献综述2 1 2 1 汇市与股市间价格溢出效应研究3 1 2 2 汇市与股市间波动溢出效应研究”5 1 2 3 随机波动模型在金融市场分析中的应用7 1 3 研究思路与内容9 1 3 1 研究思路9 1 3 2 研究内容10 第2 章汇市与股市间溢出效应的理论分析1 2 2 1 相关概念界定1 2 2 1 1 价格溢出效应1 2 2 1 2 波动溢出效应1 2 2 2 汇市与股市间溢出效应的理论模型1 5 2 2 1 流量导向模型15 2 2 2 股票导向模型16 2 3 汇市与股市间溢出效应的传导机制_ 1 7 2 3 1 利率中介1 7 2 3 2 贸易余额中介18 2 3 3 资本流动中介1 8 2 3 4 心理预期中介1 9 第3 章汇市与股市问溢出效应研究方法设计2 0 3 1 汇市与股市间溢出效应的波动时间序列模型2 0 3 1 1a r c h 族模型2 0 硕上学位论文 3 1 2s v 族模型2 2 3 2 汇市与股市间溢出效应的向量随机波动模型选取2 3 3 2 1d c m s v 模型“2 4 3 2 2g c m s v 模型2 4 3 3 随机波动模型估计方法2 5 3 3 1 伪极大似然方法2 5 3 3 2 马尔可夫链蒙特卡罗方法2 6 第4 章基于m s v 模型的汇市与股市间溢出效应实证研究2 9 4 1 变量选取与基本统计分析2 9 4 1 1 变量选取2 9 4 1 2 基本统计分析一3 0 4 2 基于d c m s v 模型的汇市与股市间价格溢出效应分析一3 1 4 2 1 单位根检验一31 4 2 2 价格溢出的g r a n g e r 因果检验3 3 4 2 3d c m s v 模型参数的收敛性诊断3 4 4 2 4 模型估计结果与分析一3 6 4 - 3 基于g c m s v 模型的汇市与股市间波动溢出效应分析3 8 4 3 1 人民币持续升值阶段的波动溢出效应”3 9 4 3 2 人民币持续震荡阶段的波动溢出效应一4 2 4 3 3 人民币持续升值与持续震荡阶段波动溢出效应对比分析一4 6 结论4 8 参考文献5 0 致 i 尉5 5 附录a 攻读学位期间所发表的学术论文目录5 6 v 基于m s v 类模型的汇市与股市间溢出效应研究 插图索引 图1 1 研究技术路线图1 0 图4 1 外汇市场收益率时间序列图3 0 图4 2 上海股票市场收益率时间序列图3 0 图4 3d c m s v 模型参数的收敛性诊断一3 5 图4 4d c m s v 模型参数的后验密度曲线图3 7 图4 5 汇市与上海股市相关系数的动态轨迹图3 8 图4 6g c m s v 模型参数的收敛性诊断4 0 图4 7g c m s v 模型参数的后验密度曲线图4 2 图4 8g c m s v 模型参数的收敛性诊断“4 4 图4 9g c m s v 模型参数的后验密度曲线图4 5 硕士学位论文 附表索引 表4 1 数据基本统计分析“3 1 表4 2 数据单位根检验结果( 包含常数项) 3 2 表4 3 数据单位根检验结果( 包含趋势项和常数项) 一3 2 表4 4 汇市与股市间价格溢出效应的g r a n g e r 因果检验结果3 3 表4 5d c m s v 模型的参数估计结果3 6 表4 6 数据单位根检验结果一3 9 表4 7g c m s v 模型的参数估计结果4 l 表4 8 数据单位根检验结果4 2 表4 9g c m s v 模型的参数估计结果一4 4 v i l 硕上学位论文 第1 章绪论 1 1 研究背景与意义 1 1 1 研究背景 国际金融一体化和金融自由化加快了金融活动的融合，各国金融市场的开放 程度不断加深，金融子市场间的联系日益紧密。在资本自由流动、信息充分的背 景下，金融市场之间受相同宏观经济因素的影响，往往会表现出协同变化的特征。 比如一个金融市场的价格变动能够迅速扩散到另一个金融市场，又或是一个金融 市场的波动不仅受自身过去几期波动的影响，也同时受另外一个金融市场波动程 度的制约，这种市场间的传导称为溢出效应。外汇市场和股票市场作为两个重要 的金融子市场，其相互关系一直是国内外学术界和金融决策部门研究的焦点。外 汇市场的汇率与股票市场的价格是金融市场的主要价格，前者是一个国家对外经 济基本面的反映，是维护国家经济安全、保持金融稳定的重要工具，后者则体现 了一国国民经济的发展状况，能敏锐的捕捉实体经济变化，汇率变动会导致股价 的波动，股市的震荡又反过来影响汇率水平。从各国实践来看，汇率波动与股价 波动都呈现出高度关联的特征，任何一个市场的崩溃都会因二者的联动关系导致 整个金融市场的相继崩盘，甚至引致金融危机的爆发。 2 0 0 5 年7 月2 1 日，我国开始实行以市场供求为基础、参考一篮子货币进行 调节、有管理的浮动汇率制度，人民币不再单一的盯住美元，人民币汇率机制更 富弹性。汇率形成机制不断完善，我国股票市场的基础制度建设也逐步走向规范。 2 0 0 5 年4 月2 9 日，中国证监会发布关于上市公司股权分置改革试点有关问题 的通知，宣布启动股权分置改革试点工作，中国股票市场开始进入全流通时代。 随着我国外汇管理体制改革和股权分置改革的不断深入，外汇市场和股票市场逐 步回归市场化运作，二者的关联关系也开始显现出市场化关联的特性。自汇改之 日起，人民币呈现持续升值态势，同时，我国国内股票市场在持续四年多的熊市 后，开始迎来持续牛市的新局面，一路攀升，直到上证综指于2 0 0 7 年1 0 月1 6 日达到历史最高位6 12 4 点。但是，由于受到全球国际金融环境恶化的影响，我国 股票市场在2 0 0 8 年1 0 月2 8 日跌落至1 16 4 点，跌幅达8 1 ，与此同时，人民币 对美元汇率的升值趋势也逐步放缓。在此背景下，把握我国外汇市场与股票市场 间的溢出效应、了解信息在不同市场间的传导路径有助于深刻认识金融子市场间 的内在关联机制，可为推进我国金融市场改革、维护国家金融安全与稳定、防范 化解金融风险提供重要参考。 基于m s v 类模型的汇市与股市间溢j 1 5 效应研究 1 1 2 研究意义 人民币汇率形成机制改革以前，我国实行的是以市场供求为基础的、单一的、 有管理的浮动汇率制度，人民币汇率缺乏弹性，学者们在对金融市场间的相互关 系进行研究时往往对汇市波动的讨论较少。加之中国股票市场还处于起步阶段， 股市运作机制还有待完善，汇市与股市间的信息传导机制不畅通，国内对二者联 动关系研究不多。但是，国外在汇市与股市间关系的研究上起步较早，不过大多 研究集中于发达金融市场，针对新兴金融市场的研究较少。这主要是因为新兴市 场国家金融市场管制比较严格，市场价格波动错综复杂，市场行为缺乏有效性。 随着我国金融市场对外开放程度的加深，特别是汇率形成机制改革和股权分置改 革之后，人民币持续升值，带动了股票指数一路攀升。目前我国己步入汇改后的 第6 年，在经历国际金融危机冲击后，虽然股市出现了暂时的低迷，但是，总体 而言，金融市场运作机制正逐步走向成熟，金融市场间的联系也愈发紧密，此时， 无论是历史使命使然，还是经济制度建设，都为进一步研究外汇市场与股票市场 间的溢出效应提供了可能性。 汇率水平和股票价格指数是国家进行宏观经济决策和投资者分析市场运行状 况时需要考虑的重要因素。从宏观经济层面来看，考虑金融市场间的相互作用关 系有助于在金融危机等一些突发经济事件爆发时及时采取有针对性的货币政策及 财政政策来稳定金融市场，避免国家经济政策制定的片面性，为国家的经济政策 决策提供有益参考。我国金融市场化改革不断推进，资本市场管制进一步放松， 虽然我国的汇率形成机制和股票市场还没有完全实现市场化运作，但是金融对外 开放和金融衍生品的涌现增强了汇市与股市间的联动关系，提高了金融市场间的 信息传递效率，二者之间的内在联系在逐步开放的经济条件下日益凸显；就微观 行为主体而言，把握汇市与股市间的联动关系可以帮助资产组合投资管理者降低 投资组合风险，进行科学合理的收益预期，同时，利用汇市与股市间的信息传导 有助于企业及时采取措施，通过分散金融风险达到减少汇率波动带来不利影响的 目的。因此，对汇市与股市间溢出效应进行研究亦具有一定的实践意义，既有助 于证券投资组合优化、资产定价及风险管理等研究工作的开展，又有利于我国推 进人民币汇率制度的逐步完善和股票市场的健康有序发展。 1 2 文献综述 外汇市场与股票市场间的溢出效应反映了不同金融市场间的信息传导过程， 研究汇市与股市间的价格溢出和波动溢出效应有助于深刻认识金融市场间的线性 及非线性关联关系，对维护国际金融市场的稳定及防范化解金融风险具有深远意 义。早期的研究主要是采用协整检验、格兰杰因果检验、脉冲响应函数、方差分 硕十学位论文 解模型等方法来考察汇市与股市间的价格溢出效应。随着金融波动性研究的不断 深入，学者们开始采用g a r c h 模型、m s v 模型等来研究汇市与股市间的波动溢 出效应。其中，随机波动模型以优良的统计特性在金融市场波动度量及波动溢出 效应研究中受到广泛关注。因此，本文主要对汇市与股市间价格溢出效应研究、 汇市与股市间波动溢出效应研究及随机波动模型在金融市场分析中的应用研究进 行文献综述。 1 2 1 汇市与股市间价格溢出效应研究。 价格溢出效应主要反映了不同金融市场间的相关关系及领先滞后关系。 b a h m a n i 和s o h r a b i a ( 1 9 9 2 ) 首次将协整分析用于汇市与股市关联关系的检验，通过 对英国汇率与股价关系进行研究发现二者在短期内存在因果关系，但长期协整关 系不明显i 。n i e h 和l e e ( 2 0 0 1 ) 在对g 7 国家汇市与股市关联关系进行研究时发现， 就长期关系而言，二者之间并不存在协整关系【2 1 ，这与b a h m a n i 和s o h r a b i a n ( 1 9 9 2 ) 的研究结论一致；就短期关系而言，货币贬值往往引起德国股票市场的低迷，然 后在下一期才对意大利和日本的股市造成冲击，作者认为二者之间存在相互关系 是必然的，但是纯粹以二者的相关关系对汇市及股市未来的走势进行预测是不科 学的，有必要考虑更多的经济因素。t a b a k ( 2 0 0 6 ) 对巴西汇市与股市间的关联关系 进行的实证也得出二者不存在长期协整关系的结论，但是，样本数据存在由股市 到汇市的线性因果关系和反方向的非线性因果关系【3 】。 有些学者对不同国家( 地区) 进行实证得到了不一致的结论。m o r l e y ( 2 0 0 9 ) 使用 a r d l 区间测试模型对英国、日本及瑞士三国对美元汇率与股价间的长期稳定关 系进行考察，得出汇率与股指间在长期上存在相关关系的结论，并采用随机误差 模型进行验证【4 1 。n i e h 和y a u ( 2 0 1 0 ) 则采用m t e c m ( m o m e n t u mt h f e s h 0 1 d e r r o r c o r r e c t i o nm o d e l ) 模型研究了中国2 0 0 5 年汇改后人民币持续升值对股市的 影响，实证结果表明，人民币升值和股市走势之间并不存在短期的因果关系，但 是从长期来看，二者却存在由人民币对美元汇率到上证a 股股价的非对称因果关 系【引。k u m a r ( 2 0 10 ) 旨在研究印度股市和汇市间的长短期关系，首先，采用协整检 验发现两者之间不存在长期协整关系，然后，运用线性格兰杰因果检验来捕捉股 市和汇市间的因果关系，并引入含噪声的m a c k e y g l a s s 模型进行非线性因果关系 检验，发现两种检验均揭示无论长期还是短期，二者之间均存在双向的因果关系 i6 。针对上述差异，r a m a s a m y 和y e u n g ( 2 0 0 5 ) 对相关实证研究进行对比，认为这 与各个国家实行不同的经济管理体制和金融监管模式以及实证样本数据在频率、 时间段选取上的差异不无关系【_ 。 经济全球化和金融一体化加深了金融子市场间的关联关系，各个金融子市场 并不是独立的个体，而是处在一个相互作用、相互影响的金融大环境中，学者们 基于m s v 类模型的汇市与股市问溢 效应研究 在研究汇市与股市间的溢出效应时，也尝试将其他金融子市场的信息传导因素考 虑其中。p h y l a k t i s 和r a v a z z o l o ( 2 0 0 5 ) 在研究汇市与股市间长短期关系的同时，重 点考察了外来冲击对二者关系的影响，实证结果显示汇市与股市确实存在显著的 相关关系，而美国股票市场是信息传导的重要中介，与以往研究不同的是，作者 认为一国实行外汇管制与否对二者传导路径影响甚微，但是，作者认为19 9 7 年亚 洲金融危机的爆发确实对当期汇市与股市的关联关系造成了影响，这和 p a n ( 2 0 0 7 ) 、w o n g ( 2 0 1o ) 的结论一致【引。l i 和z h o u ( 2 0 0 9 ) 引入货币市场作为影响汇 市、股市的一个因子，作者认为一国利率及汇率水平对国内经济及资本市场发展 具有重要影响，结合利率平价理论、资本流动理论及i s l m 理论，从理论和实证 两个层面研究了货币市场、外汇市场对资本市场的影响，研究得出三个市场之间 存在显著的内在联动，人民币升值和加息促使股市整体价格水平的提升，但是， 我国目前实行的有管理的汇率制度和利率制度使得该联动现象区别于当时的日元 升值，作者认为人民币升值预期将会吸引大规模热钱涌入，继而导致经济泡沫的 破灭，引发经济危机【9 】。同时，一国宏观经济运行状况及微观行为主体的投资决 策行为都会对金融市场造成影响，股市的大幅非理性波动会扰乱金融市场间信息 的正常传导。因此，学者们在研究汇市与股市间溢出效应时，也开始考虑将市场 自身的非理性波动纳入分析框架中，以期客观的把握二者的溢出效应。p a n 等( 2 0 0 7 ) 主要考察了1 9 9 7 年亚洲金融危机对香港、日本、韩国、马来西亚、新加坡、台湾 以及泰国这七个东亚国家( 地区) 汇市与股市间动态关系的影响，结果表明，在1 9 9 7 年亚洲金融危机前，在香港、日本、马来西亚及泰国存在明显的由汇市到股市的 因果关系，反之则存在于香港、韩国和新加坡。但是在金融危机期间，从股市到 汇市的因果联系变得微弱，而除了马来西亚，其他国家( 地区) 从汇市到股市的因 果联系则比较显著。作者认为横向来看，各个国家( 地区) 的实证结果存在差异与 国家在贸易规模、对资本流动的控制程度以及资本市场规模上的差异有关；从纵 向来看，在国家不同经济周期和国际宏观经济因素的影响下，汇市与股市间的关 联关系是时变的【1 0 】。w 6 n g 和l i ( 2 0 1 0 ) 在使用动态相关系数模型研究汇市与股市关 联性时，将19 9 7 年亚洲金融危机和2 0 0 7 年美国次贷危机作为重要的外界冲击因素 纳入分析中，实证显示时变相关系数在两次危机爆发时都有剧烈且明显的波动， 提出金融危机期间一国汇率保持相对稳定对股市正常运转的重要性【1 1 1 。 国内对汇市与股市间关联关系的研究起步较晚，这可能与我国长期实行单一 的、有管理的浮动汇率制有关。张碧琼和李越( 2 0 0 2 ) 运用a r d l 模型对汇率是否会 影响股市价格进行研究，实证表明汇率和深沪股市的a 股综合指数、香港恒生指 数之间分别存在协整关系和长期关系，同时，纽约市场美元对日元即期汇率对中 国a 股、h 股及红筹股都有着显著影响【1 2 】。邓桑和杨朝军( 2 0 0 8 ) 利用协整检验和 g r a n g e r 因果检验考察了汇市与股市间长期稳定的协整关系，并进步得到了人民 硕上学位论文 币升值是中国股市上扬的单向格兰杰原因的结论【l3 1 。郭彦峰等( 2 0 0 8 ) 、陈静和李 汉东( 2 0 0 8 ) 的实证研究结果与上述结论一致【1 4 ，1 5 】。张兵等( 2 0 0 8 ) 的研究也发现汇市 与股市间存在长期协整关系，并进一步以板块指数与汇率的关系得出汇率变化是 板块指数的单向格兰杰原因【l6 1 。吴志明等( 2 0 0 9 ) 对我国汇率制度改革后大陆、台 湾、香港的股市与汇市关系进行实证，发现中国大陆的汇市与股市存在长期稳定 协整关系，且短期相互关系显著；而台湾汇市与股市间只存在短期的相互关系， 香港汇市与股市间则不存在因果关系【l7 1 。庞晓波和李艳会( 2 0 1 0 ) 在利率传导理论 的基础上，运用计量方法实证发现，汇率与股价存在长期负相关关系，上证综指 是汇率变动的g r a n g e r 原因，提出中国要采取循序渐进的汇率改革方式，根据国内 外宏观经济因素适时适度的逐步完善汇率机制【1 8 】。 1 2 2 汇市与股市间波动溢出效应研究 随着全球金融市场一体化进程的加快及金融开放程度的加深，全球各金融子 市场的波动日趋剧烈，把握不同市场问信息的传导机制，有助于证券投资组合优 化、资产定价及风险管理等研究工作的开展。相对于金融市场间价格溢出效应所 体现出的变量一阶矩上的线性关系，波动溢出效应则反映了变量二阶矩上的非线 性关系，是考察金融市场波动性向另一个金融市场传导的过程，即信息在不同市 场间的传递。鉴于此，学者们在对单个金融市场波动性进行度量的基础上，开始 关注金融市场波动性的相互传导过程。 k a n a s ( 2 0 0 0 ) 选取美国、英国、日本、德国、法国和加拿大这六个工业国家的 日汇率及股价数据，采用二元e g a r c h 模型对汇市与股市间的波动溢出效应进行 研究，实证显示除了德国，其他五个国家均存在从股市到汇市的显著波动溢出效 应，但是，汇市到股市的反向作用很微弱【1 9 】。y a n g 和d 0 0 n g ( 2 0 0 4 ) 在k a n a s 的基础 上，将样本范围扩展到g 一7 国家，得出了与k a n a s 一致的结论【2 们。c h e n 等( 2 0 0 4 ) 对 不同国家市场波动传导存在以上差异的现象进行了解释，认为金融市场相对比较 大、比较成熟的国家受国内因素的影响要远胜于国际因素，投资者进行投资决策 时，对国内各种信息的关注程度比较高；另外，考虑到美国跨国企业的行业种类 相对丰富，外汇市场的波动信息在一定程度上对股市影响就变得比较微弱，这两 种因素共同作用导致股市与汇市间只存在单向波动溢出效应【2 1 1 。c h a n g 等( 2 0 0 9 ) 运用g j r g a r c h 模型考察了越南外汇市场与股票市场间的价格溢出及波动溢出 效应，均值方程的实证结果显示汇市与股市间存在不对称的门限协整关系，方差 方程显示当坏消息发生在两个市场时，市场的波动性就会增强，市场间存在杠杆 效应【2 引。w u ( 2 0 1o ) 对台湾、日本、韩国、新加坡、美国五个国家( 地区) 在2 0 0 7 年 美国次贷危机爆发后汇市与股市间波动溢出表现进行了研究，为了解投资者是否 在金融危机期间承受了更大的系统性风险，特选取2 0 0 7 年1 月1 日到2 0 1o 年1 月3 0 基于m s v 类模型的汇市与股市间溢出效应研究 日数据，并以次贷危机爆发为分界点将数据分为两段，首先分别对两个时间段内 汇市与股市的波动不对称现象进行实证，然后对危机前后二者关系是否有变化进 行研究，结果表明，汇市与股市间确实存在不对称的波动溢出，而且危机发生之 后二者间的溢出效应比危机发生之前的更为明显1 2 引。 与前述学者得出的汇市与股市间主要存在由股市到汇市的波动溢出效应不 同，a l a g a n a r 和b h a r ( 2 0 0 7 ) 实证研究发现汇率样本数据在一阶和二阶上对美国股票 市场上的多元投资组合都具有显著影响，作者使用l6 国基准股票序列( w e b s ) 周回 报数据，每一支w e b s 代表投往美国市场以外市场的多元投资组合，并使用多种 测度技术对各个国家的摩根士丹利资本国际指数( m s c i ) 进行衡量，然后采用 g a r c h m 模型考察汇市波动对国际指数投资组合的影响，证实了前述结论，另 得出汇率的确定受股指的影响较小，而汇率波动信息对股市投资组合及投资者决 策都有显著影响【2 4 1 。c h o i ( 2 0 0 9 ) 采用19 9 0 年到2 0 0 4 年的数据样本，运用多变量 e g a r c h 模型，对1 9 9 7 年亚洲金融危机前后新西兰股市与汇市间的波动溢出进行 测度，汇市选取新元对美元指数、新元对澳元指数和欧元贸易加权指数( t w i ) 三 个指数，实证发现在整个样本区间，股价波动对三个指数均有溢出效应，同时， 也存在由新元对美元指数到股市的反向波动溢出。在金融危机爆发前，新元对美 元及t w i 指数均与股指表现出双向的波动溢出效应，在金融危机爆发后，二者的 关系即转变为从汇市到股市的单向波动溢出，而新元对澳元与股指间的关系在金 融危机前后均为单向关系【25 。 国内关于汇市与股市间溢出效应的研究比较少，大部分文献主要集中于考察 市场间的价格溢出效应。陈雁云和何维达( 2 0 0 6 ) 对汇改后人民币各种汇率与股价 的日数据进行a r c h 效应检验，发现人民币币值与股价呈反向变动关系i 2 引。巴曙 松和严敏( 2 0 0 9 ) 以利差为外生变量，运用向量自回归多元e g a r c h 模型，对我国 汇率与股价日数据的动态关系进行实证研究，得出股市对汇市存在非对称波动溢 出效应，而汇市对股市则存在对称的波动溢出效应的结论【27 1 。陈国进等( 2 0 0 9 ) 通 过建立d c c m g a r c h 模型和b e k k m g a r c h 模型分别研究了汇市与股市间的动 态相关性和市场波动率之间的溢出效应，实证发现汇市与股市整体上呈现负相关 关系，从短期看，股市波动与汇市波动之间存在相互溢出效应，但从长期看，只 存在汇市波动向股市的溢出效应【2 引。范致镇和陈秀权( 2 0 1o ) 运用协整检验、格兰 杰因果检验及g a r c h 模型对汇市与股市的互动关系进行研究，结果表明汇市与股 市存在长期稳定的均衡关系，存在由汇市到股市的单向价格溢出效应和单向波动 溢出效应【2 9 1 。陈云等( 2 0 0 9 ) 采用b v g a r c h b e k k 模型，结合l r 似然比检验和 w a l d 检验，实证研究人民币汇率与股票市场之间的波动溢出效应，结果表明人民 币汇率与股票市场之间存在波动溢出效应，且汇改前和汇改后的表现不同【3 。 硕卜学位论文 1 2 3 随机波动模型在金融市场分析中的应用 a r c h 类模型和s v 类模型是描述金融市场波动性的重要模型。自e n g l e ( 1 9 8 2 ) 提出a r c h 类模型以来，国内外学者对该模型及其扩展形式进行了大量研究，由 此扩展出的向量g a r c h 模型在分析不同金融市场、资产之间的相互影响和波动的 相互关系上比较成熟1 3 。s v 模型最早由t a y l o r ( 1 9 8 6 ) 在解释金融资产收益序列波 动的自回归行为时提出，被认为比g a r c h 模型更好地刻画了金融时间序列【3 2 】。 国内外关于单变量s v 模型的研究比较广泛，而向量s v 模型参数众多，似然函数 的获取比较困难，导致其在金融市场分析中的应用受到限制。 h a r v e y 等( 1 9 9 4 ) 、l e h a r ( 1 9 9 8 ) 站在理论的角度，对g a r c h 模型和s v 模型 之间的区别与联系进行了考察，他们的研究表明这两类描述时间序列波动的模型 都可以通过一个共同随机微分方程表示，在此基础上，采用似然比和贝叶斯因子 等统计工具对两类模型的区别进行了比较【3 3 ，3 4 】。e v a n s 和m c m i l l a n ( 2 0 0 7 ) 分别采 用一般g a r c h 模型和非对称g a r c h 模型对股票价格指数的波动特性进行了描 述，实证发现g a r c h 模型是能够较好地描述股指的波动特性【3 卯。国内学者余素 红等( 2 0 0 4 ) 在简要介绍v a r 含义和计算方法的基础上，提出估算市场因子的波动 情况是计算v a r 的关键，并对比了g a r c h 模型和s v 模型的统计特性，得出s v 模型能更好地描述金融市场时间序列的实际特征，因此，将随机波动模型应用于 v a r 的计算，并进行了实证研究，结果表明，基于s v 模型计算出来的v a r 更具 动态性和准确性，比g a r c h 模型更能精确的反映金融市场的风险水平【36 1 。余素 红和张世英( 2 0 0 4 ) 对比了两类应用最为广泛的金融时间序列波动性模型，即 a r c h 族模型和s v 族模型，他们基于似然比原理，提出基于随机模拟的似然比 检验，并利用上证指数进行了拟合优度实证，实证结果表明s v 模型对上证收益 率序列的拟合效果要好于g a r