油价突变对于股市行为的冲击效应：一种市场机制转换方法

1、能源经济学期刊 2009年 第31期 789页-799页油价突变对于股市行为的冲击效应：一种市场机制转换方法 chaker aloui ，jammazi rania （国际金融集团，突尼斯（iftg）突尼斯管理与经济科学学院） 摘 要：本文中拓展了一种双机制马尔柯夫转换模型egarch模型，此模型是由henry（henry,2009年10月，股票收益率和短期利率之间的机制转变，银行金融期刊，第33期，405414）介绍用于检测油价突变和股票市场之间的关系的。该模型于 1989年1月至2007年12月的采样周期内在英国、法国和日本的股票市场内的应用证实的结果是比较可信的。我们检测了系列变动中的两

2、例情况，一种是低均值-高方差机制，另一种是高均值-低方差相关机制。并且，证据证实了常见经济衰退恰巧与低均值高方差机制吻合。同时，我们让实际股票收益和两种机制转换的概率依赖于油价净增长变量。结果证实，油价上涨对股票收益波动性和机制间的转换概率具有显著影响。 关键字：马尔柯夫转换模型egarch 油价突变 股票市场 国际危机1.引言现在原油市场的波动性突变对各种经济活动具有显著影响已是有据可查。实质性经验证据表明油价的变动和产量与雇用的合计测量呈负相关关系。 hamilton（1983）曾证实在美国油价上涨总是先于每一次经济衰退周期。此观点也得到mork（1989）的支持。根据汉密尔顿所说，油价波

3、动对产量增长的影响是非对称的，并且油价上涨与世界经济发展之间具有明显的负连锁关系。hooker（1999）也提供了相似的结论。同时，mork的结论也得到了国际货币基金组织（2006）和国际能源机构（iea，2004）的研究。根据国际经合组织的模型，国际能源机构估计每桶油25美元到35美元的涨幅将会引起美国gdp连续两年内下降0.3个百分点，在日本和欧元区这一数值分别为0.4和0.5个百分点。如果原油是影响经济增长的决定性因素，那么原油市场的价格上涨将会明显影响各公司的预期收入以及他们的股票价格水平。因此，原油价格波动和股票市场的关系已经非常明显。jones和 kaul(1996)曾发表过文章提

4、到股票价格变动可以用原油价格波动对实际现金流的影响来解释。park 和ratti（2008）也提出过类似结论。据这些作者的研究，石油价格突变为许多欧洲国家具有统计学意义的6%的实际股票回报率波动提供了解释(park 和ratti, p. 2587)。faff 和brailsford (1999), sadorsky (1999, 2001, 006), papappetrou (2001), ciner (2001), jones (2004), faff and nandha (2008), ewing and thompson (2007), conget al. (2008), alou

5、i et al. (2008)也 写过相关的文章并支持这些结论。主要的结论就是总体的能源价格和具体的石油价格都有可能对许多上市公司的要素投入成本还有股票价格变动产生潜在影响。 在过去的几年里，许多经验研究都得把重点放在股票市场波动的行为突变和结构突变上。事实上，股票价格也曾经在不同时期产生过戏剧性变化。其中1973年至1974年的原油价格上涨，1987年的股市崩溃，1990年的伊拉克入侵科威特事件，1997年东亚国家的货币危机，9.11恐怖袭击，最近2007年至2008年的油价上涨，以及刚过去的2007年和2008年的两次金融危机都是这些戏剧性变化的例子。所有的这些事件引起了金融时间序列动态过

6、程的改变，并激发了机制转换模型的使用。 hamilton（1989）提出了一种马尔柯夫转换模型，这种模型通过把高增长机制和低增长机制之间平均数的离散型转换作为克服线性方法（nelson 和 plosser (1982)的 arma 和 arima模型, watson(1986)的组件不可观测模型等都无法解释经济衰退和膨胀周期的持续特点 (不对称)）缺点的一种方式，用其记载日期和预测现实国民生产总值的增长。kim 和nelson(1999)建议对现实国内生产总值的变化使用马尔柯夫机制转换模型来捕捉经济周期的不对称性。马尔柯夫转换自回归模型(ms-ar)过去在股票市场中广泛使用，为的是捕捉机制转变

7、行为。 turner et al. (1989) 和 chu et al. (1996)最早开始使用ms-ar。 turner et al的研究被schaller 和 norden (1997)进一步拓展。这些学者为股票市场中的机制转换行为提供了强有力的依据。与schaller 和norden (1997）相一致，hishiyima (1998) 为5个发达国家验证了其总计股票市场收益中的转换机制是最终存在的。他为所有的股票市场波动性确认了一种机制转换行为。maheu 和 mccurdy (2000)则将研究的重点放在美国的环境里。他们记录了两种机制（高收益稳定状态和低收益波动状态）间的转换。

8、考虑到相同的环境，guidolin和timmermann (2006)建议用一种多元ms-ar模型来探究美国股市和证券市场间动态链接中的波动溢出和机制转换。在更多最近的文章中，ismail 和isa (2008)提出了一种双机制ms-ar模型从马来西亚股票市场的均值和方差中捕获机制转换行为。据他们总结，ms-ar模型能够捕捉到1974到2003年间发生的以及因1974年油价冲击、1987年股市崩溃和1997年亚洲金融危机而引发的的机制转换的时间(ismail和isa, 2008, 第44页)。其他的一些学者也提出使用像 ms-garch-type模型这样的先进计量技术。他们关注两个主要研究领域

9、：1）识别股票市场的机制转换2）评估原油价格波动性冲击对经济活动和经济周期的影响。就最后一个研究领域而言，越来越多的的经验性工作都采用了ms模型，为的就是捕捉宏观经济序列中呈现出的非线性和非对称性。尤其是raymond和rich (1997)，clements和 krolzig (2002)，还有holmes和wang (2003)将ms模型用到了油价波动性冲击对美国和英国经济周期的影响的评判当中去。manera和cologni (2006)也分析过油价冲击对g7国家产量增长的非对称性影响。通过ms模型他们指出了油价冲击在解释经济衰退时期的中所扮演的角色。wang 和 theobald (20

10、08)也采用了相同的方法来研究六个亚洲新型股票市场（1970-2004）的收益生成过程中的机制转换行为和金融自由化对收益波动行的影响。他们的研究结果也有力证明了不止一种机制存在于股票市场中。而且每一种机制的条件概率都为金融自由化的影响提供了众多证据。与wang 和 theobald (2008)的文章相一致，diamantis (2008)使用了 hamilton和susmel (1994)的ms-arch-l模型来研究四个新兴拉美国家的新兴市场的波动性的结构突变。他们为这些国家从1990到2000年的波动性转换机制找到了依据。关于股票市场行为的研究，hamilton，susmel (1994

11、)和cai (1994) 开发了 ms-arch (swarch) 模型，此模型已被应用到多种金融时间序列中，包括股票，外汇汇率和利率。gray（1995）研究了利率和外汇时间序列中的转换机制并开发出一种ms-arch模型。dueker（1997）选择了美国股票市场并采用了一种类似的模型。在最近的更多论文中，bauwens et al. (2006) 建议采用一种贝叶斯方式来估测一种对称的 ms-garch(1,1) 模型。bae et al. (2007)估计了机制转换阈值模型garch。henry (2009)在他的研究中采用了一种双机制ms-egarch模型来探究短期利率和英国股票市场的

12、关系。在第一种机制（高收益-低方差）中，他揭示了股票收益率的条件方差对股票收益创新的反应具有持续性和对称性。然而在另一种机制（低均值-高方差）中，他找到证据证明了对于股票收益率的冲击的反应具有不对称性和非持续性。henry(2009)称货币市场的变化会对机制间的转换产生影响。根据油价冲击对股票市场的影响力，我们注意到研究应用于股票市场的ms-garch 模型和/或ms-ar模型的实证文献除了hammoudeh 和choi (2007)的以外都是非常有限的。通过使用组件不可观测模型和马尔柯夫转换异方差模型（uc-ms），hammoudeh 和 choi (2007) 调查了海湾合作委员会油敏感性

13、股票市场的的长期性和短期性收益。他们揭示出现货石油市场在解释gcc股票收益率在经历基础和时尚的改变的过程中的各种表现方面扮演着重要的角色(hammoudeh and choi, 2007, 第243页)。据这些学者研究，不论是根据两种波动性机制下的总收益，基本原理还是失效评定图，所有的gcc股票收益都沿着相同的轨迹运动。总之，可以说机制转换是确认存在于股票市场行为中的。这为我们探究这些转换机制是否也存在于一些发达股票市场，检验它们是否与股票市场的价格冲击相关联提供了动力。这个研究为这篇文献所做的贡献就是为这个问题提供了一些反应元件：我们如何才能从实证的角度评估原油市场的波动性冲击对主要股票市场

14、的影响呢？更精确地说，我们寻找股票市场收益高波动时期的证据，然后用具有统计意义的方法来检验这些时期是否与原油市场的变动相关联。在这项研究中，我们调查了原油波动性冲击对三个发达市场的机制转换行为的影响：样本期（1989:01-2007:12）的法国，英国和日本.我们的方法论研究是基于henry(2009)介绍的双机制ms-egarch模型。这种模型允许股票收益的方差在不同级之间转换，而任何时候给出的机制都被推测为不可观测的马尔柯夫链的产物。同时，这种方法论也基于股票收益会沿不同波动结构变化的假设，这些不同的波动机制的特点就是市场参与者对于原油市场上的波动性冲击的感知和反应。另外，不像已经存在的m

15、s-garch模型一样，既然条件方差依赖于过去的冲击，现在的和过去的经济态势，本次研究中采用的这种模型具有足够的灵活性来捕捉冲击中的机制独立性，以及回应一次冲击的持续性和不对称性。我们的研究至少从两方面区别于之前的实证研究。首先，这篇文章的一个创新在于通过使用一个双机制ms-egarch模型，我们显示地评估了外源性石油市场冲击对股票市场收益行为的动态影响。就我们所知，这是第一个采用此实证方法的研究。其次，我们研究的另一个创新型特征就是我们采用了一种egarch规范。这允许我们联合考虑波动创新的两大特征：（1）每种机制内条件方差的时间变化和不对称性。（2）对影响持久性的依赖和与股票市场波动相关冲

16、击的不对称性反应。而且，不像大部分的现存文献一样，我们采用油价净增长（nopi）来接近原油市场的波动性冲击。这项措施有hamilton(1996)首次提出。把nopi等同于原油市场的某一事件，之后要研究它对实际股票收益均值和方差的影响也成为可能。本文的提示如下安排：第二部分给出了数据并且描述了用于分析的马尔柯夫转换框架egarch。实证结果在第三部分展示。很明显，我们把注意力集中在原油市场波动对对股票市场经济周期的影响上。在第三部分的次部分3.1中我们将检验股票市场波动中的机制转化能否的推测。次部分3.2将展示并讨论具有固定转变可能性的ms-egarch情况下原油市场冲击和股票收益动态的关系。

17、部分3.3则概括了与具有时变转换可能性的ms-egarch框架相关的结果。第四部分则是有关本文的总结和结语。fig1：右侧竖坐标：月实际股票收益率和从ms-egarch模型得到的条件方差。左侧竖坐标：机制0和机制1的平滑概率，机制0（低均值高波动）的实际股票收益进程时间表示为（t）,机制1（高均值低波动）的则表示为t。竖向阴影条带表示由ecri（美国经济周期研究所）确定日期的发展周期衰退期。样本期为1989年1月到2007年12月，共228个观察结果。表一实际股票收益和nopi时间序列数据统计表（月频度，1989年1月到2007年12月）均值最大值最小值s.d.偏度峰度j-b概率观察ftse1

18、00cac40 nikkei225wti brent 0.2030.2060.151.861.758.614.78 6.24 17.4117.018.9 7.47.70.000.001.731.97 2.223.40 3.47-0.620.780.30 2.18 2.338.644.463.757.528.09317.443.629.026375.1452.30.0000.0000.0000.0000.000228228228228228注：ftse100，cac40，nikkei225都为实际股票收益率（股票汇报-通货膨胀率），s.d.是标准差， jb 是béra和jarque (

19、1980)正态性检验统计。时间序列按照月频度包含样本期（1989年1月到2007年12月）。概率指示边际意义水平。2.数据和方法2.1. 数据，变量说明和初步分析 此次研究我们分别选取了三大工业国的实际股票收益，他们分别是：日本（ftse100），英国（ftse100）和法国（cac40），以及两种主要石油产品的收盘价，一种是美国西德克萨斯中质原油（wti）价格，另一种是每桶用美元计价的欧洲布伦特价格。样本期，按月频，为1989年1月到2007年12月，一共228个观察结果。原油价格时间序列是从美国能源部（美国能源情报署）提取的。股票指数序列则是来自国际金融统计数据库（ifs）。股市资产回报计

20、算如下： p（t）是指（t）月的股票价格。对每一个国家来说，实际股票收益被定义为连续复利回报股票价格指数和消费者价格指数的逻辑差异带来的通货膨胀率之间的差异。消费者价格指数取自oecd数据库。我们使用每月的收益序列是因为我们推测如果我们采用低频数据那么就能更清晰地推算出的机制转换行为。一方面，季度数据不能提供足够的观察数据而且会使危机时期的分析失去价值因为危机向来是相对短暂的。另一方面，日常数据研究起来过于繁琐并有可能导致不明确估计结果（ramchand和susmel,1998）。这一特征可通过绘制三个股票市场（fig.1）的每月收益序列图来验证。从fig.1中右侧的竖坐标可以看出大量的负收益

21、能从样本期得到推算。这一方面显示在这段时间内发生了机制转换。油价变量的选择是非常重要的一项工作。学习hamilton(1996)的方法，我们采用了油价净增长（nopi）变量，因为这一变量能够将当前的油价与其在几年前而不是几个月前的价值联系起来。更精确地说，这一变量就等同于当前每月收盘价和前几年的最大值的差额，可能为正也可能为零。nopi如下表示：换句话说，就是假定油价变化只有在原油以一个比以往的几年的价格更高的价格交易时才会对经济产生影响。为了证实油价冲击对实际股票收益的影响，我们首先要找到一个油价冲击的合适指标来融入ms-egarch模型。我们使用hamilton提出的nopi作为油价变动的

22、指标。这一选择得到了一个众所周知的发现的支持，这个发现就是这一变量和宏观经济变量之间有稳定的联系。假定如果当前的油价在给定的一段时间内高于其在之前几年的峰值，那么这一油价冲击就应会产生影响。然而，如果油价没有高于其先前的峰值，那么这一变量就相当于0，就不会发生作用。这一举措也得到cobo-reyes和pérez quirós（2005）的支持，他们就曾经使用hamilton(2005)的模型分析过油价冲击和股票收益之间的关系。hamilton(1996)就曾在一个var模型中介绍过nopi这一概念，为的是推测油价和美国总产量之间的显著性关系。通过使用ms-ar模型来研究油价

23、冲击对g7国家常量增长的效应，manera和cologni(2006)告诉我们nopi和油价波动性是更好的描述油价冲击对经济发展的影响的石油冲击定义。park和ratti(2008)也曾采用nopi方法来调查一段时期内（1986：01-2005:12）油价冲击对美国和13个欧洲国家的实际股票收益的效应。他们发现油价冲击对股市具有负面影响。同样，cong et al.(2008)也选择了nopi变量作为原油时间序列的非线性转化，为的是研究原油市场波动性冲击对中国股票市场行为的影响。他们发现一些重要的油价冲击会抑制中国石油公司的股票价格（cong et ai.，2008，第3544页）。在fig.

24、1(右垂直面)中，我们成功推测了波动聚类现象的存在，大（小）的价格变动通常在连续的几个月里伴随着比较大（小）的价格变化。这种波动聚类是使用garch模型作为实际股票收益条件性表征的常因。表1列出了一些ftse100、cac40和nikkei225实际股票收益的的月描述统计数据以及wti和欧洲布伦特商品的nopi。从此表可以清楚的看到时间序列的均值与标准差（尤其是实际股票收益率的）相比是相对较小的，带有一个负收益平均数的nikkei225实际股票收益标准差最大。我们注意到wti和欧洲布伦特的nopi到现在为止时左右时间序列中波动性最高的。根据分布情况，所有的实际股票收益都呈现出轻微的偏态分布（例

25、如，负偏斜性），然而wti和欧洲布伦特原油的nopi则呈现正偏斜性。峰度值的最高值是ftse100的8.64，最小值是nikkei225实际股票收益率的3.75。根据béra和jarque (1980)的实验，我们能清楚地注意到对于所有的序列，常态分布的假设被0.01的显著性水平否定了。据预期，nopi变量将能捕捉到每一个经济和股票市场中的国内经济金融状况。这一变量的滞后结构对于信息在任何时间点的可获得性是非常重要的。在我们的分析中，严格限制nopi 变量滞后一个月进入模型。个体金融时间序列的一个典型事实就是它们在自身的水平上呈非平稳性，但是在它们的第一个差异上却是平稳的（例如，它们

26、是i（1）。对于我们的数据，我们采用了两种普遍的单位根检验：augmented dickey and fuller（1979）（adf）和the phillips and perron (1988) (pp)实验来确保所有的时间序列是i（1）.所得数据揭示股票市场指数和原油现货价格不稳定状态在1%水平下显著。而且，实际股票收益和nopi时间序列稳定在同一显著性水平上。总之，所有的序列都有一个单位根或集成度为1。这一结果与先前包括manera 和cologni (2006), park和ratti (2008)以及cong et al. (2008)在内的学者所做的实证性研究结果是一致的。2.2

27、马尔柯夫转换框架garch（ms-egarch）首先，考虑一个nelson（1991）介绍的模型egarch(1,1)是指条件均值，是m解释变量的矢量，可能包括滞后的。 是一个 参数的(m ×1) 矢量。是包含（t-1）时刻点所有可获得信息的信息集。是误差项。条件方差如在eq.(4)中给出的一样遵循egarch（1,1）过程。bollerslev(1987)提出的student-t分布作为一个条件分布被广泛应用。估计条件方差一定是正的并且在garch模型中不需要非负性限制。eq(4)表现出负信息对方差的不对称性影响或杠杆效应。根据black（1976）和nelson（1991）研究，

28、股票收益波动性受不对称的股价上涨和下跌影响。在此公式中，波动性中的不对称效应被系数捕获。lamoureaux和lastrappes(1990)称。现在来追究garch模型的缺陷是非常可笑的。根据这些学者的研究，标准garch过程表现出的高度持续性当条件方差存在结构突变的时候会显得不真实。采用一种更实际的方法，那就是机制转换模型，hamilton 和susmel (1994)支持这一假设。在机制框架改变的过程中，hamilton 和susmel (1994)调整了条件方差方程式以让条件方差依赖于经济态势。接下来，henry(2009)的基本ms-egarcha模型可以如下表示：我们假设存在两种状

29、态，i被一个潜在变量收入索引，根据经济态势取两个值，0（衰退期）和1（膨胀期）。状态之间的转换则取决于一个一阶马尔柯夫方程组，如下：p是经济状态从在t时刻从从状态1（或0）向状态0（或1）转变的概率。在一个（2*2）矩阵 p中非常便于总结。如果假设转变概率是连续的，那么逻辑功能方程如下：根据hamilton（1989）和gray（1995），ms-egarch可以用最大似然法估计。正如上面所提到的，据我们所知，这是第1次估计一个ms-egarcha（1,1）方程来调查油价冲击对股市变化行为的效应。而且，不像以前存在的ma-garch模型，此次研究中所所选择的模型能够足够灵活的捕捉效应，持续性和

30、对冲击的不对称反应中的机制依赖度，因为条件方差依赖于过去的冲击，现在和过去的经济态势。这一模型的弱点就是它既暗示了经济扩张和衰退的期望持久性存在偏差，但又强迫它们随时间推移保持恒定。正常情况下，膨胀和衰退的持续期会伴随主要经济力量而波动。正如filardo和gorgon（1998）说明的一样，拥有固定转变概率的持续期并不会在周期内产生变化。这就意味着外源的冲击，宏观经济政策以及经济本身的内在传播机制并不会影响一次扩张和收缩持续多久的概率。为了解决这个问题，通过使用能够反映经济发展区域的转换概率规范，我们将随时间变化的转换概率引入模型。转换概率中的变化将会产生期望持续期的变化（filardo和g

31、orgon, 1998）通过让转移矩阵 (p ) 依赖于变量，随时间推移转变矩阵p(t)公式如下：在这个方程式中，是决定不可观机制评价的信息变量。在我们的分析中，我们把用nopi测量出的油价冲击作为信息变量。这样就可以研究是否原油市场的波动影响的不仅是平均值和/或实际股票收益的方差（）而且影响机制中发生改变的概率。拓展了的ms-egarch（1,1）模型方程如下：考虑到状态转移概率的参数化：filardo（1994）指出这种功能形式将转移概率限制在区间 0,1内，如下：转移概率是非负的并且固定在0和集成度1之间，和的函数符号由和的函数符号决定。因为，nopit-1的高水平暗示了股市收益更可能存

32、在于机制0当中。反之暗示着向高波动状态的转变更有可能跟随高水平的nopit-1而来。3.模型选择和估计结果3.1 机制转换诊断我们应该注意到，机制转换的过程是复杂的，因为ms模型中机制数量的识别并不能通过普通的似然比，拉格朗日乘子和wald实验实现，因为它们的渐进性分布都是不标准的。为了克服这一问题，我们采用了garcia和perron（1996）建议的似然比实验（lr）。因此，我们检验了一个由egarch（1,1）过程（单机制）所呈现的与多规格ms-egarch这一在股票市场波动性中包含转换的过程（双机制）相反的股票市场并行性中没有转换的零假设。我们必须说明我们已经联合估算了均值和方差。使用

33、akaike（1974）和hannan和quinn(1979)的信息标准，均值公式里的自回归阶被设定为0并且对于方差等式我们发现egarch(1,1)模型能很好的描述实际股票收益序列。lr实验统计被定义为，临界值取决于garcia和perron建议的davies(1987)p值。结果都列在表2中。正如表2所展示的，有着连续转换概率和双机制转换的ms模型对数似然比实验对所有的股票市场都高于egarch（1,1）模型。所以，我们就以0.05的显著性水平否定没有转换的零假设。因此，所有的股票市场都有机制转换是显而易见的。我们得出结论，实际股票收益波动性用一个两状态转换机制egarch 模型能更好的描

34、述出来。这一结果与henry（2009）的研究结果有其一致。表2 似然比实验结果股市 ms-egarch (ln lms-egarch) egarch (ln legarch ) lr test statistica英国 403.842 409.468 11.252 法国 455.8 460.691 9.782 日本 492.394 499.233 13.682lr试验统计大体上遵循一种分布。自由度等同于备择假设下所有参数的数量。在这一研究中，egarch（1,1）模型另外的两个参数。3.2 固定转移概率的ms-egarch模型在这一子部分中我们将就英国，法国和日本的实际股票收益来讨论具有固定

35、转移概率的单变量双机制ms-egarch（1,1）模型的估计值。从结果中，我们得出如下评述：（1） 方差和均值方程式中的所有参数都具有机制依赖性（它们可以在不同级 之间转换）。机制转换模型的一个显著特点就是这些模型允许机制转换，arch和 非对称性效应的联合评估。机制转换模型的另一个有趣特点就是计量经济学家并 没有假设机制是客观的，但却可以从评估过程中识别出来。（2）从股票市场收益中识别出的这两个机制中的任何一个都有自己清楚的经济阐述。 从这个表中我们识别出两种机制：第一种机制捕捉了股市处于经济衰退期或低期 望收益率和方差大的“熊市”时的行为。而另一种机制（机制1）则捕捉了股市 处于扩张状态或

36、高回报率方差小的“牛市”是的行为。能看出机制0的条件方差 的截距要比机制1的截距高，其中日本，英国和法国的月值分别是：1.91%， 1.8%和1.15% 另外，机制1的的月方差大约在0.6%到0.9%之间。据估计法国衰退期的月平均 收益率只有0.24%，统计意义上这一数值与0无异，然而在机制1中的月平均折 旧率达到了0.86%。而且负的期望收益率 则指明当它遵循第一种机制的时 候，英国的月股票收益将下降1.66%，日本则下降0.97%。而且，正的预期收益 率则意味着月股票收益率将分别上涨0.5%和0.88%。（3）为了识别出哪一个机制更具持续性，我们需要解读一下概率估计结果。转移概率 估计值和

37、对于所有的股票市场收益率都十分明显。我们不能否认，对于 ftse100和cac40序列，留在在机制0的概率要比留在机制1的的概率大。留 在机制0的预期持续时间大约是8.7和8.6个月，二留在机制1的预期持续时间 大约分别是9.3和43.5个月。然后就可以看出高预期收益和低方差的第二种机 制更具持久性。当股市处于膨胀或“牛市”的时期，这种机制可以被引用。留在 膨胀期和预期持久时间要比留在衰退期的时间长，这就意味着只有发生极端事件 时才会使英国和法国的实际股票收益或波动序列从机制1转换到机制0。另一方 面就是对于日本，呆在机制0的概率要比待在机制1的概率 大，处于机制0的预期持续时间是10个月，而

38、在机制1的预期持续 时间则为7.7个月。这一结果暗示了机制0更加持久。换句话说日本股票市场的 的衰退状态要比它的膨胀阶段时间长。（4）另外，捕捉了条件波动持续性的garch参数对于所有的收益序列都十分明 显。而他们的则近似于0.而且，正如十分明显，法国市场对于相同幅 度的收益正创新的反应程度要比相同幅度的负创新更猛烈。 （5）使用ms模型的另一个优势就是它能提供在时间点（t）上处于机制0和机制1 的条件机制概率。在估算机制转换模型时两种不同条件概率是很有趣的。通常见 于研究机制转换文献的滤波概率多用于预报。而平滑概率则用于决定是否和何时 机制转换会发生。后者使用参数估计在帮助我们更多的理解经济

39、阐述方面价 值非凡。（6）为了检测两状态马尔柯夫转换方差是否捕捉到了实际股票收益序列中的大部分 动态，我们采用了b-p诊断试验（to order 12）来诊断标准化残余。实验结果列 在表 3中。如我们所见，b-p实验支持残差白度。类似地，残差平方和（to order12） 中没有序列相关性的原假设被接受就意味着残值中没有异方差。这一结果暗示了 两状态马尔柯夫模型为月实际股票收益提供了一个合理的近似值。 表3固定转移可能性双机制单因素ms-egarch(1,1)模型 ftse10 0 cac40 nikkei225µ0 1.6 602* 0.2416* 0.9799* ( 2.10)

40、(1.40) ( 3.58)µ1 0.5030* 0.8573* 0.8871* (2.34) (5.12) (2.51) 0 1.8082* 1.1508* 1.9123* (3.23) (2.81) (5.14) 1 0.63557* 0.7179 0.8653* (2.79) (1.21) (2.64) 0 0.4691 0.724 9* 0.1136 (0.61) (2.19) (0.18) 1 0.9238* 0.9560* 0.4190 (6.83) ( 2.71) ( 0.93)0 0.2811 0.5635* 0.3459 (0.51) (2.57) (0.94) 1

41、 0.720 6* 0.6376* 0.6769* (8.27) ( 2.62) ( 3.74)0 2.4331 1.5927 0.8813 ( 0.41) ( 0.94) (0.76)1 1.2317 0.31228* 0.3528 ( 1.02) (6.027) ( 0.40)0 1.4657* 3.7526* 2.1576* (3.93) (4.4030) (2.60)0 2.1133* 2.0384* 1.9393* (2.12) (1.90) (1.89)p00 0.8856 0.8847 0.8963p11 0.8921 0.9770 0.8742log-likelihood 40

42、3.84 455.8 49 2.39q(12) 10.3825 * 17.5869* 18.1732*q2(12) 10.5519* 4.8775* 12.0513*因此，为了进一步支持对这两种机制的解读，我们在fig. 1（做垂直面）中绘制了从ms-e garch (1,1)这一包含了适用于所有国家股市收益时间序列的模型中产生的平滑概率。经济处于状态1的的平滑概率是其处于状态0的镜像。衰退和膨胀的概率可以被解释为每个经济体的股票收益期间的呈现。为了分析股票市场的波动区间，我们基于衰退期和膨胀期的概率是否小于或大于50%定义了转折点。例如，当衰退的概率从低于50%上涨到高于50%是衰退即将开始

43、。这一规则为转折点提供了一个比较不错的定义，因为估算出的概率能够清晰地将那些膨胀即将开始的点从哪些衰退即将开始的时间点区分开来。这些结果证明ma-gearch模型在获取序列或机制0或1的序列的改变方向上发挥了不错的作用。fig. 1（右侧垂直面）同样表明了方差在两个机制之间转换，其中一个对应低收益率-高波动率状态（衰退期）而另一个对应高收益率-低波动状态（膨胀期）。另外，这些模型在预测图表中的阴影部分的衰退期的机制状态上表现良好。通过试着把波动性单个的提高和国际或国家新闻发展联系起来我们可以清晰的描述和分析这些概率并通过增加他们的波动性来影响国家股市。为了这样做，我们采用了美国经济周期研究所（

44、ecri）记录的1989至2007年间三大发达国家的各自的增长率的转折点年表。增长周期内发生峰和谷的日期总结在表4中。表4增长周期峰谷日期（1989-2007）peak or through英国 法国 日本1988-19891989-19931993-19961996-19991999-20032003-20042004-20052005-20062006-2007ptptptptptptptptpt01/198904/199107/199408/199507/199702/199901/200002/200303/200405/2005 01/1989 05/198901/1989 03/1

45、99005/1993 12/199301/1995 12/199409/1996 01/199601/1998 03/199702/1999 04/199805/2000 08/200005/2003 12/200106/2004 01/2004 11/200405/2005 04/2005 10/2005 04/2006 09/2006 03/2007 08/2007来源：经济周期研究所根据衰退期记录，英国和法国在样本期经历了5或6次经济衰退。然而，日本却分别在1989年，2005年和2006年的年初多经历了三次经济衰退。英国的经济衰退期之间的距离相交法国和日本较近。这三个国家发生过的经济衰

46、退最相似的几次分别发生在1990年初（石油危机），1994年（墨西哥比索危机），1997年（东亚国家货币危机）和2001年（美国经济衰退），这些危机在相同的时间冲击了所有经济体。20世纪90年代的经济衰退是法国和日本持续时间较多长的一次，分别持续了53个月和46个月，之后尾随而来的就是2001年的经济衰退。相反的，后者在英国持续时间较长，持续了大约38个月。这些国家在2004或2005年又发生了另外一次衰退。2007年的经济衰退同时冲击了日本和法国却没有波及到英国。fig. 1（左侧垂直面）对从我们的模型中获得的平滑概率和ecri记录的每个国家的衰退日期做了比较。使用模型得到的收益序列的每个机

47、制的持续时间列在表5中。通过对 fig. 1和表4，我们可以发现大部分被研究的国家时间序列的高波动性-低收益机制时期和国际危机都表现出相对较强的重合性。最近一次衰退的估计平滑概率是英国的。这个国家是作为控制国，因为它并没有太受世界上发生危机的影响并且根据波动状态，由于日本和法国相比应该过表现出不同的反应。看一下fig. 1的右侧垂直面，英国似乎只受过2004年、2005年危机的影响，英国股市波动明显增长。在所有提到过的危机期间里，英国的波动性增长较小，但是它们在实际股票收益上都有较大的下跌。然后，在这期间，英国似乎相对也受到影响。这可以从平滑概率的图中得到证实，图中许多低收益-高波动状态都能比

48、较清晰的推测出来，但是一旦和ecri确认的看起来频率较都比较低持续时间比较长的概率相比就显得有些频繁和短暂。而且这一模型也成功的识别出了发生在2002年的一段衰退期。这一危机对于此国家的波动性有严重的影响（恢复期就持续了3年）。这次衰退的出现可以归因于2002年的阿根廷危机法国则表现出与英国和日本不同的画面。随后，当危机持续到2003年的时候法国经历了单独一次很长的危机而英国和日本在此期间有四次不同危机。法国的股市收益率在1989年中期到2003年初期表现出平滑概率的大幅增长。可以看出概率演进过程中的另一次增长发生在2000年，2004年和2007年。而日本则表现出许多低收益-高波动的状态期。

49、据ecri测算，日本的股市在几乎所有的衰退期都表现出较强的波动率，这也说明处于低收益-高波动状态的平滑概率在主要的国际性危机时期接近统一。另外一方面，其平滑概率的两个短暂的高峰在2004年和2005年间近距离发生。在这些危机时期，日本看起来相对不受影响并且在波动性方面没有明显增长。还有就是它的股票市场波动性的小的上涨也并不指示危机的来临，因为其月实际股票收益并没有大幅下降。总结一下，fig.1的表格分析有一个有一个比较有趣的特征，那就是大部分被研究国家的低收益-高波动机制时期都与过激行为及具有相当的重合。表5 机制0和机制1的持续期国家体制1（经济衰退） 体制2（经济膨胀） 美国1989m08 1989m091990m051990m06 1990m071992m031992m041992m05 1992m061993m121994m01 1994m021997m081997m09 1997m101998m051998m061998m07 1998m081999m102001m07 2001m082002m032002m042002m05 2002m062005m012005m02 2005m032006m022007m112007m12法国1989m0120