国际股票市场波动率动态溢出效应：特征、成因与投资启示

国际股票市场波动率动态溢出效应：特征、成因与投资启示一、引言1.1研究背景与意义1.1.1研究背景在经济全球化与金融一体化的浪潮下，国际股票市场之间的联系愈发紧密。信息技术的迅猛发展和金融创新的不断涌现，降低了跨境投资的成本与壁垒，促进了资本在全球范围内的自由流动。投资者可以轻松地参与不同国家和地区的股票市场，使得各市场间的相互影响日益增强。股票市场波动率作为衡量市场风险的关键指标，反映了股票价格的波动程度和不确定性。当一个股票市场出现波动时，这种波动往往不会局限于本地市场，而是会通过各种渠道传导至其他市场，产生波动率动态溢出效应。例如，2008年美国次贷危机爆发，引发了美国股票市场的大幅下跌，随后这一波动迅速蔓延至全球各大股票市场，导致全球股市动荡不安，许多国家的股市跌幅超过30%，众多投资者遭受了巨大损失。2020年初，新冠疫情的爆发引发了全球金融市场的剧烈震荡，股票市场波动率急剧上升，不同国家股票市场之间的波动溢出效应显著增强，投资者面临着前所未有的风险挑战。波动率动态溢出效应不仅对金融市场的稳定产生重要影响，也对投资者的投资决策和风险管理具有关键作用。对于投资者而言，准确把握不同股票市场之间的波动率动态溢出效应，有助于他们更好地理解市场风险的传播路径，合理配置资产，降低投资组合的风险，提高投资收益。例如，通过对不同市场波动率溢出关系的分析，投资者可以选择相关性较低的市场进行投资，实现风险的分散。对于金融监管机构来说，深入研究波动率动态溢出效应，能够帮助他们及时监测和防范金融风险的跨境传播，制定有效的监管政策，维护金融市场的稳定。在面对国际金融市场波动时，监管机构可以根据波动溢出效应的特点，采取相应的措施，如加强跨境资金流动监管、协调国际监管合作等，以降低风险对本国金融市场的冲击。随着国际股票市场的不断发展和变化，波动率动态溢出效应的特征和规律也在发生改变。新兴市场国家股票市场的崛起、金融衍生品市场的快速发展以及宏观经济环境的不确定性增加，都使得波动率动态溢出效应变得更加复杂和难以预测。因此，深入研究国际股票市场波动率动态溢出效应具有重要的现实意义和紧迫性。1.1.2研究意义本研究在理论与实践层面都具有重要意义。在理论层面，进一步丰富和完善了金融市场联动理论。以往对金融市场联动的研究主要集中在股票收益率的相关性上，而对波动率动态溢出效应的研究相对较少。通过深入研究国际股票市场波动率动态溢出效应，能够揭示不同股票市场之间波动传导的内在机制和规律，为金融市场联动理论提供新的视角和实证支持，推动金融市场理论的发展。本研究有助于深化对金融市场风险传播机制的理解。波动率动态溢出效应是金融市场风险传播的重要方式之一，通过分析其影响因素和作用路径，可以更好地认识金融市场风险的形成、传播和扩散过程，为金融风险管理理论的发展提供有益的参考。在实践层面，本研究为投资者提供了重要的决策依据。投资者可以根据不同股票市场之间的波动率动态溢出效应，合理调整投资组合，优化资产配置，降低投资风险。当发现某个市场的波动率上升可能会对其他市场产生较大的溢出效应时，投资者可以提前调整投资组合，减少对受影响较大市场的投资，增加对相关性较低市场的投资，从而实现风险的有效分散。对于金融机构而言，研究结果有助于其更准确地评估市场风险，制定科学合理的风险管理策略，提高风险管理水平。金融机构可以利用波动率动态溢出效应的分析结果，对投资组合进行风险评估和压力测试，及时发现潜在的风险点，并采取相应的措施进行防范和化解。本研究还能为金融监管部门制定监管政策提供参考。监管部门可以通过监测和分析波动率动态溢出效应，及时发现金融市场中的潜在风险，加强对跨境资本流动和金融市场的监管，维护金融市场的稳定。当发现国际股票市场之间的波动溢出效应异常增强时，监管部门可以加强对跨境资金流动的监测和管理，防止风险的过度传播，保障本国金融市场的安全。对波动率动态溢出效应的研究也有助于国际间的金融监管协调与合作，共同应对全球性的金融风险挑战。1.2研究方法与创新点1.2.1研究方法本研究综合运用多种计量经济学方法，对国际股票市场波动率动态溢出效应进行深入探究。向量自回归（VAR）模型是一种常用的计量经济模型，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在本研究中，通过构建VAR模型，能够全面考量多个国际股票市场收益率之间的动态关系，为后续深入分析波动率动态溢出效应奠定坚实基础。利用VAR模型可以观察不同市场收益率之间的相互影响，以及这些影响在时间序列上的传递和变化。多元广义自回归条件异方差（GARCH）模型在金融时间序列分析中具有重要作用，它能够充分捕捉金融市场波动的时变特征和聚集性。在研究国际股票市场波动率动态溢出效应时，该模型可以有效描述不同市场波动率之间的相互关系，准确测度波动溢出的方向和强度。通过多元GARCH模型，可以分析一个市场的波动如何影响其他市场的波动，以及这种影响的持续性和变化趋势。BEKK-GARCH模型作为多元GARCH模型的一种具体形式，能够在考虑条件方差的同时，很好地处理波动的传导和溢出问题。在本研究中，运用BEKK-GARCH模型，进一步深入剖析不同国际股票市场之间的波动溢出效应，从而更加准确地揭示国际股票市场之间的风险传导机制。在数据处理和分析过程中，还将运用单位根检验、协整检验和格兰杰因果检验等方法。单位根检验用于判断时间序列数据的平稳性，确保数据符合建模要求，避免出现伪回归问题。协整检验则用于检验多个非平稳时间序列之间是否存在长期稳定的均衡关系，若存在协整关系，则说明这些变量之间存在一种长期的经济联系。格兰杰因果检验用于确定变量之间的因果关系，判断一个变量的变化是否是另一个变量变化的原因，从而明确国际股票市场之间波动率动态溢出效应的因果方向。通过这些方法的综合运用，能够确保研究结果的准确性和可靠性，为深入理解国际股票市场波动率动态溢出效应提供有力支持。1.2.2创新点在研究视角上，本研究突破了以往单一市场或少数几个市场研究的局限，选取了多个具有代表性的国际股票市场进行综合分析。涵盖了美国、欧洲、亚洲等主要地区的股票市场，包括美国道琼斯工业平均指数、标准普尔500指数，欧洲斯托克50指数，亚洲的日经225指数、恒生指数和上证综指等。通过对这些市场的全面研究，能够更广泛、更深入地揭示国际股票市场之间的波动率动态溢出效应，为全球范围内的投资者和金融监管机构提供更具普适性的参考依据。与以往仅关注发达国家股票市场或个别新兴市场的研究不同，本研究同时纳入了发达市场和新兴市场，对比分析它们在波动率动态溢出效应中的差异和共性，有助于深入理解不同类型市场在全球金融体系中的地位和作用，以及它们之间的相互影响机制。在模型运用方面，对传统的多元GARCH模型进行了改进。针对传统模型在捕捉复杂波动特征和高维数据处理时存在的局限性，引入了时变参数和动态条件相关结构。通过这种改进，新模型能够更灵活、准确地刻画国际股票市场波动率的时变特征和动态相关性，从而更精确地度量波动溢出效应。改进后的模型可以更好地适应金融市场的动态变化，及时反映市场环境变化对波动率动态溢出效应的影响，为投资者和金融机构提供更具时效性和准确性的风险评估和预测工具。在数据处理上，采用了高频数据与低频数据相结合的方式。高频数据能够捕捉市场的短期波动和瞬间变化，低频数据则有助于把握市场的长期趋势和宏观特征。通过将两者有机结合，能够更全面、细致地分析国际股票市场波动率动态溢出效应在不同时间尺度上的表现。在研究短期波动溢出效应时，利用高频数据进行日内分析，观察市场在短时间内的波动传导情况；在研究长期趋势时，结合低频数据进行年度或季度分析，了解市场波动溢出效应的长期演变规律。这种数据处理方式丰富了研究内容，为深入探究国际股票市场波动率动态溢出效应提供了更全面的数据支持。二、文献综述2.1国际股票市场波动溢出效应的早期研究国际股票市场波动溢出效应的研究可追溯至20世纪70年代，当时学者们开始关注不同市场之间的波动传导现象，早期研究主要聚焦于股票收益率溢出效应。一些学者运用简单的线性回归模型，分析不同股票市场收益率之间的关系，试图找出收益率在市场间的传递规律。他们发现，部分发达市场之间的股票收益率存在一定程度的相关性，一个市场的收益率变化会对其他市场产生影响。这种早期的研究为后续深入探讨波动溢出效应奠定了基础，使得学者们意识到股票市场之间并非相互独立，而是存在着复杂的关联。然而，随着研究的深入，学者们逐渐发现波动溢出效应在金融市场中具有更为重要的意义。股票收益率的波动不仅反映了市场的不确定性和风险，还会通过各种渠道在不同市场间传播，对全球金融市场的稳定产生影响。此后，研究重点逐渐转向波动溢出效应。Engle、Granger等学者提出的协整理论和误差修正模型，为研究波动溢出效应提供了新的视角和方法。通过协整检验，能够判断不同股票市场的波动之间是否存在长期稳定的均衡关系；误差修正模型则可以分析波动在短期和长期内的调整机制，以及市场间波动溢出的动态过程。在这一时期，不少研究开始运用多元时间序列分析方法，如向量自回归（VAR）模型及其扩展形式，来研究国际股票市场之间的波动溢出效应。VAR模型能够综合考虑多个市场变量之间的相互影响，通过脉冲响应函数和方差分解等技术，可以直观地分析一个市场的波动冲击对其他市场的影响程度和持续时间。学者们通过构建VAR模型，对不同国家股票市场的指数收益率进行分析，发现国际股票市场之间存在显著的波动溢出效应，且这种效应在不同市场之间存在差异。一些发达市场对新兴市场的波动溢出效应较强，而新兴市场对发达市场的影响相对较弱。早期对股票收益率溢出效应的研究为波动溢出研究提供了初步的思路和方法，虽然当时的研究方法和模型相对简单，但为后续更深入、全面地研究波动溢出效应奠定了基础，使得学者们逐渐认识到波动溢出效应在金融市场中的重要性，并不断探索新的研究方法和模型来揭示其内在机制。2.2波动溢出效应研究的发展与深化随着研究的不断深入，学者们逐渐认识到波动率的波动溢出效应相较于收益率溢出效应，对金融市场的影响更为深远。收益率溢出主要关注的是一个市场的价格变化对另一个市场价格变化的直接影响，而波动率溢出则涉及到市场风险的传播和扩散，它反映了不同市场之间风险的相互关联和传导机制。当一个市场的波动率发生变化时，可能会引发投资者对其他市场风险的重新评估，从而导致资金的流动和资产价格的波动，进而影响整个金融市场的稳定。因此，对波动率溢出效应的研究成为了金融领域的重要课题。为了更深入地研究波动率动态溢出效应，学者们开始广泛应用多元GARCH模型及其各种扩展形式。多元GARCH模型能够同时考虑多个金融时间序列的条件异方差性和相关性，从而有效地捕捉不同市场之间的波动溢出效应。Bollerslev提出的CCC-GARCH模型，假设条件相关系数为常数，简化了模型的估计过程，但在实际应用中，由于金融市场的复杂性，条件相关系数往往是时变的，这限制了CCC-GARCH模型的应用效果。Engle提出的DCC-GARCH模型则允许条件相关系数随时间变化，能够更好地刻画金融市场波动的时变特征和动态相关性，在研究波动溢出效应方面得到了广泛的应用。在众多研究中，不少学者运用多元GARCH模型对不同国家和地区的股票市场进行了实证分析。他们发现，国际股票市场之间存在着显著的波动率动态溢出效应。发达市场之间的波动溢出效应较为明显，一个发达市场的波动往往会迅速传播到其他发达市场。美国股票市场的波动常常会对欧洲和亚洲的发达股票市场产生显著的溢出效应。新兴市场与发达市场之间也存在着波动溢出关系，但这种关系在不同时期和不同市场条件下表现出一定的差异。在经济稳定时期，新兴市场对发达市场的波动溢出效应相对较弱；而在金融危机或经济动荡时期，新兴市场与发达市场之间的波动溢出效应会显著增强，两者之间的风险传导更加迅速和复杂。一些研究还探讨了波动溢出效应的非对称性。非对称性意味着一个市场的正向波动和负向波动对其他市场的溢出效应可能存在差异。实证结果表明，在某些情况下，股票市场的下跌波动比上涨波动更容易引发其他市场的波动，即存在所谓的“杠杆效应”。当一个市场出现大幅下跌时，投资者的恐慌情绪会迅速蔓延，导致他们对其他市场的风险预期增加，从而引发其他市场的波动。这种非对称性的波动溢出效应对投资者的风险管理和投资决策具有重要的启示，投资者需要更加关注市场下跌时的风险传导。随着金融市场的不断发展和创新，研究内容也在不断拓展。除了传统的股票市场，学者们开始将研究范围扩大到其他金融市场，如债券市场、外汇市场、商品市场等，探讨不同金融市场之间的波动率动态溢出效应。研究发现，股票市场与债券市场之间存在着反向的波动溢出效应，当股票市场波动加剧时，债券市场往往会成为投资者的避险选择，导致债券市场的波动减小；而股票市场与外汇市场之间的波动溢出效应则受到汇率政策、国际贸易等多种因素的影响，表现出复杂的关系。对不同金融市场之间波动溢出效应的研究，有助于投资者构建更加多元化的投资组合，降低投资风险，也为金融监管机构制定全面的监管政策提供了理论依据。2.3对现有文献的总结与评价综合现有研究，关于国际股票市场波动率动态溢出效应已经取得了一系列重要成果。众多研究一致表明，国际股票市场之间存在显著的波动率动态溢出效应，这种效应在不同地区、不同类型的股票市场之间普遍存在。发达市场与新兴市场之间，以及发达市场内部、新兴市场内部的股票市场之间，都存在着不同程度的波动传导。通过运用多元GARCH模型及其扩展形式，学者们能够较为准确地刻画和度量这种波动溢出效应的强度和方向，为进一步研究波动溢出的机制和影响提供了有力的工具。现有研究也存在一些不足之处。在研究范围上，虽然部分研究开始关注多个市场之间的波动溢出效应，但仍有一些市场未得到充分的研究，尤其是一些新兴经济体和小型经济体的股票市场。这些市场在全球金融体系中的地位逐渐上升，其与其他市场之间的波动溢出效应可能对全球金融市场的稳定产生重要影响，但目前对它们的研究相对较少，导致我们对全球股票市场波动溢出的全貌认识不够完整。在研究方法上，虽然多元GARCH模型等在刻画波动溢出效应方面具有一定优势，但这些模型也存在一些局限性。传统的多元GARCH模型在处理高维数据时，参数估计的难度较大，计算量增加，且模型的设定可能无法完全捕捉金融市场波动的复杂特征，如厚尾分布、非对称性和跳跃性等。一些模型假设条件相关系数为常数或具有简单的时变形式，与实际市场情况存在一定偏差，从而影响了对波动溢出效应的准确度量。对于波动溢出效应的影响因素研究还不够深入和全面。虽然已有研究探讨了一些因素，如经济基本面、宏观经济政策、投资者情绪等对波动溢出效应的影响，但这些研究往往只是从单一或少数几个因素进行分析，缺乏对多种因素综合作用的系统研究。金融市场是一个复杂的系统，波动溢出效应受到多种因素的共同影响，未来需要进一步深入研究各因素之间的相互关系和作用机制，以便更全面地理解波动溢出效应的形成和变化规律。在研究国际股票市场波动率动态溢出效应时，未来的研究可以从拓展研究范围、改进研究方法和深入分析影响因素等方面展开。纳入更多具有代表性的国际股票市场，特别是新兴经济体和小型经济体的股票市场，以更全面地揭示全球股票市场之间的波动溢出关系。进一步改进和创新研究方法，开发能够更好地处理高维数据和捕捉复杂波动特征的模型，提高对波动溢出效应的度量精度。加强对波动溢出效应影响因素的综合研究，构建更完善的理论框架，深入分析各因素之间的相互作用和传导机制，为金融市场参与者和监管机构提供更有价值的参考依据。三、国际股票市场波动率动态溢出效应的理论基础3.1波动溢出效应的定义与内涵波动溢出效应是指一个市场的波动不仅受自身前期波动的影响，还会受到其他市场波动的冲击，这种冲击会导致波动在不同市场之间传导和扩散。在国际股票市场中，波动溢出效应表现为某一国家或地区股票市场的价格波动，通过各种经济金融渠道，对其他国家或地区股票市场的价格波动产生影响。当美国股票市场出现大幅下跌时，其波动可能会通过国际贸易、资本流动、投资者情绪等渠道，传导至欧洲、亚洲等其他地区的股票市场，引发这些市场的股价波动。从经济含义来看，波动溢出效应反映了国际股票市场之间的相互关联性和风险传导机制。在经济全球化和金融一体化的背景下，各国经济和金融市场之间的联系日益紧密，一个市场的波动不再局限于本地，而是会在全球范围内产生连锁反应。这种效应的存在使得投资者面临的风险更加复杂，因为他们不仅需要关注本国股票市场的波动，还需要考虑国际市场波动对本国市场的影响。对于金融监管机构来说，波动溢出效应也增加了金融市场监管的难度和复杂性，需要加强国际间的监管合作，共同应对金融风险的跨境传播。波动溢出效应的产生源于多种因素。信息的快速传播是波动溢出的重要原因之一。在现代信息技术高度发达的今天，金融市场信息能够在瞬间传遍全球，一旦某个市场出现重大消息，如宏观经济数据发布、企业业绩公告、政策调整等，会迅速引起投资者的关注和反应，导致市场波动，并通过信息传播渠道影响其他市场。当美国公布高于预期的通货膨胀数据时，投资者会预期美联储可能会采取加息措施，这会导致美国股票市场下跌，同时这一信息也会迅速传播到其他国家的股票市场，引发投资者对全球经济增长和利率走势的担忧，从而影响其他市场的股价。投资者的行为和心理因素也会导致波动溢出效应。投资者往往具有从众心理和羊群效应，当一部分投资者对某个市场的前景感到担忧或乐观时，这种情绪会传染给其他投资者，导致他们采取相似的投资策略，从而引发市场波动的传播。如果投资者普遍认为某个国家的经济形势不佳，可能会纷纷抛售该国股票，转而投资其他国家的股票，这会导致该国股票市场下跌，同时也会对其他国家股票市场的资金供求关系产生影响，引发波动。经济基本面的相互关联也是波动溢出的重要基础。在全球经济一体化的背景下，各国经济之间存在着紧密的贸易和投资联系。一个国家的经济增长、通货膨胀、利率水平等经济指标的变化，会通过国际贸易和资本流动等渠道，影响其他国家的经济状况，进而影响股票市场的波动。当一个主要经济体出现经济衰退时，其进口需求会下降，这会对依赖出口的国家的经济产生负面影响，导致这些国家的企业盈利下降，股票价格下跌。三、国际股票市场波动率动态溢出效应的理论基础3.2波动溢出效应的理论机制3.2.1宏观经济传导机制宏观经济因素是国际股票市场波动率动态溢出效应的重要传导渠道，其中，国内生产总值（GDP）作为衡量一个国家或地区经济活动总量的核心指标，对股票市场有着深远影响。当一个国家的GDP增长强劲时，表明该国经济处于繁荣阶段，企业的销售收入和利润往往会随之增加。这会提升投资者对企业未来盈利的预期，从而吸引更多的资金流入股票市场，推动股票价格上涨，降低市场波动率。反之，若GDP增长放缓或出现衰退，企业盈利预期下降，投资者会减少对股票的需求，导致股价下跌，市场波动率上升。美国GDP数据的公布常常会引起全球股票市场的波动，若美国GDP数据超出预期，不仅美国股票市场会上涨，其他国家的股票市场也可能受到带动，因为美国作为全球最大的经济体，其经济状况的变化会通过国际贸易和投资等渠道影响其他国家的经济，进而影响股票市场。利率在宏观经济传导中也扮演着关键角色。利率的变动会直接影响企业的融资成本和投资者的资金配置决策。当利率上升时，企业的借贷成本增加，这会抑制企业的投资和扩张计划，导致企业盈利预期下降。投资者也会因为债券等固定收益类产品的收益率相对提高，而减少对股票的投资，转而投资债券，从而使得股票市场的资金流出，股价下跌，波动率上升。相反，当利率下降时，企业融资成本降低，投资和扩张意愿增强，盈利预期提升，投资者会增加对股票的投资，推动股价上涨，波动率下降。2020年新冠疫情爆发后，许多国家纷纷降低利率，以刺激经济增长。美国联邦储备委员会将联邦基金利率降至接近零的水平，这一举措引发了全球股票市场的波动，许多国家的股票市场在利率下降的刺激下出现了上涨行情，同时波动率也有所下降。汇率的波动同样会对国际股票市场产生重要影响。一方面，汇率的变化会影响企业的进出口业务和国际竞争力。若本国货币升值，对于出口型企业来说，其产品在国际市场上的价格相对提高，可能导致出口减少，企业盈利下降，进而影响股票价格和市场波动率。对于进口型企业则可能是利好消息，因为进口成本降低，盈利可能增加。另一方面，汇率波动会引发国际资本的流动。当一个国家的货币预期升值时，会吸引国际资本流入，这些资金可能会进入股票市场，推动股价上涨，降低波动率；反之，若货币预期贬值，国际资本可能会流出，导致股价下跌，波动率上升。近年来，人民币汇率的波动对中国股票市场产生了明显影响，当人民币升值时，外资流入中国股票市场的规模增加，推动了股市的上涨；而当人民币贬值时，外资流出压力增大，股市面临下行压力，波动率上升。通货膨胀也是宏观经济传导机制中的重要因素。适度的通货膨胀通常与经济增长相伴，可能对股票市场产生积极影响。企业可以通过提高产品价格来增加利润，从而推动股价上涨。过高的通货膨胀会带来负面影响，它会侵蚀企业的利润，因为原材料、劳动力等成本会上升，而企业可能无法完全将这些成本转嫁给消费者。高通货膨胀还会导致实际利率下降，投资者的实际收益减少，从而降低对股票的需求，引发股价下跌和波动率上升。当一个国家的通货膨胀率超出预期时，股票市场往往会出现较大波动，投资者会重新评估企业的盈利能力和市场前景，调整投资策略。宏观经济因素通过影响企业的盈利状况、投资者的预期和资金的流动，在国际间传导并引发股票市场的波动溢出效应，使得不同国家和地区的股票市场相互关联、相互影响。3.2.2投资者行为传导机制投资者行为在国际股票市场波动率动态溢出效应中起着关键作用，投资者情绪是影响波动溢出的重要因素之一。投资者情绪是投资者对市场的主观感受和预期，它具有很强的传染性和波动性。当一个市场出现利好消息，如宏观经济数据超预期、企业业绩大幅增长等，投资者的乐观情绪会迅速蔓延，他们会增加对股票的购买，推动股价上涨。这种乐观情绪还会通过各种渠道，如社交媒体、金融新闻等，传播到其他市场，引发其他市场投资者的跟风购买行为，导致这些市场的股价也随之上涨，波动率下降。反之，当一个市场出现负面消息，如经济衰退、企业丑闻等，投资者会陷入恐慌，纷纷抛售股票，股价下跌。这种恐慌情绪同样会传染给其他市场的投资者，使他们也对市场前景感到担忧，进而抛售股票，引发其他市场的股价下跌和波动率上升。2020年初新冠疫情爆发时，投资者对全球经济前景感到极度担忧，恐慌情绪迅速在国际股票市场蔓延，导致全球股市大幅下跌，波动率急剧上升。投资者的预期对波动溢出效应也有着重要影响。投资者会根据各种信息，如宏观经济数据、政策变化、行业动态等，对股票市场的未来走势形成预期。如果投资者预期某个市场的股票价格将上涨，他们会增加对该市场的投资，推动股价上升。这种预期还会影响其他市场投资者的决策。若投资者预期美国股票市场将上涨，他们可能会减少对其他市场的投资，转而投资美国股市，导致其他市场资金流出，股价下跌，波动率上升。投资者对宏观经济政策的预期也会影响股票市场的波动溢出。当投资者预期央行将采取宽松的货币政策时，他们会预期股票市场将上涨，从而增加投资，这种预期的变化会在不同市场间传导，引发波动溢出效应。投资组合调整也是投资者行为影响波动溢出的重要方式。投资者通常会根据自身的风险偏好和投资目标，构建多元化的投资组合，涵盖不同国家和地区的股票。当某个市场的风险收益特征发生变化时，投资者会调整其投资组合。如果一个市场的波动率上升，风险增加，投资者可能会减少对该市场股票的持有，将资金转移到其他风险相对较低的市场。这种资金的流动会导致不同市场的供需关系发生变化，进而影响股价和波动率。当欧洲股票市场的波动率上升时，投资者可能会抛售欧洲股票，将资金投入到亚洲或美国股票市场，导致欧洲股市下跌，而亚洲和美国股市可能因资金流入而上涨，同时各市场的波动率也会相应发生变化。投资者还会根据资产的相关性进行投资组合调整。如果两个市场的股票相关性较高，当一个市场出现波动时，投资者为了降低风险，可能会同时调整对这两个市场股票的投资，从而加剧波动在两个市场之间的溢出效应。投资者行为通过情绪传染、预期变化和投资组合调整等方式，在国际股票市场之间传递波动，对波动率动态溢出效应产生重要影响，使得不同市场的波动相互关联、相互影响。3.2.3信息传导机制信息在国际股票市场间的传播是导致波动率动态溢出效应的关键因素之一，传播速度和方式对市场波动有着重要影响。在信息技术飞速发展的今天，金融市场信息能够在瞬间传遍全球。新闻媒体、金融资讯平台、社交媒体等成为信息传播的主要渠道。一旦某个国家的股票市场出现重大信息，如企业发布超预期的业绩报告、政府出台重要的经济政策、突发的地缘政治事件等，这些信息会通过各种渠道迅速传播到其他国家的股票市场。当美国苹果公司发布超出市场预期的季度财报时，这一信息会在短时间内被全球各大新闻媒体报道，投资者可以通过金融资讯平台、社交媒体等快速获取这一信息。苹果公司作为全球知名的科技企业，其业绩表现会对整个科技行业乃至全球股票市场产生影响。其他国家的投资者在获取这一信息后，会重新评估自己对科技股的投资策略，进而引发相关股票市场的波动。信息的传播方式也呈现多样化的特点。除了传统的新闻报道和官方发布外，社交媒体的兴起使得信息传播更加迅速和广泛。投资者可以在社交媒体平台上实时交流对市场的看法和信息，形成信息的快速传播和扩散。一条关于某只股票的小道消息可能会在社交媒体上迅速传播，引发投资者的关注和反应，导致股票价格的波动。信息还可以通过投资者的交易行为进行传播。当一部分投资者根据新获取的信息进行交易时，他们的交易行为会向市场传递信号，其他投资者会根据这些信号解读市场信息，调整自己的交易策略，从而引发市场波动的传播。如果一些大型机构投资者根据宏观经济数据的变化调整投资组合，他们的交易行为会影响股票的供求关系，其他投资者会根据市场价格和成交量的变化解读这些信息，进而调整自己的投资决策，导致波动在市场间溢出。信息对波动溢出的作用主要体现在改变投资者的预期和行为上。当投资者获取到新的信息时，他们会根据这些信息重新评估股票的价值和市场前景，从而调整自己的投资决策。正面的信息会使投资者对市场产生乐观预期，增加投资，推动股价上涨，降低波动率；负面的信息则会使投资者产生悲观预期，减少投资，抛售股票，导致股价下跌，波动率上升。在国际股票市场中，一个市场的信息会通过传播影响其他市场投资者的预期和行为，从而引发波动溢出效应。当中国政府发布关于新能源产业的支持政策时，这一信息会传播到国际股票市场，国际投资者会预期中国新能源企业的业绩将提升，从而增加对中国新能源股票以及全球相关新能源企业股票的投资，推动这些股票价格上涨，同时也会带动相关市场的波动率发生变化。信息在国际股票市场间的快速传播和多样化的传播方式，通过改变投资者的预期和行为，对波动率动态溢出效应产生重要作用，使得不同市场之间的波动相互关联、相互影响。四、研究设计4.1数据选取与处理为全面深入地研究国际股票市场波动率动态溢出效应，本研究选取了具有广泛代表性的国际股票市场样本。涵盖了美国、欧洲、亚洲等全球主要金融区域的股票市场，具体包括美国的道琼斯工业平均指数（DJIA）、标准普尔500指数（S&P500），欧洲的德国DAX指数、法国CAC40指数，亚洲的日经225指数、恒生指数和上证综指。美国股票市场作为全球最大且最具影响力的市场，其波动往往对全球金融市场产生重要的引领作用；欧洲股票市场在全球金融体系中占据重要地位，与美国市场联系紧密，同时也具有自身独特的经济和金融特征；亚洲股票市场近年来发展迅速，其中日本和中国香港地区的股票市场较为成熟，而中国内地股票市场作为新兴市场的代表，在全球经济格局中的地位日益提升，对全球股票市场的影响力也在不断增强。这些市场涵盖了发达市场和新兴市场，能够充分反映国际股票市场的多样性和复杂性。数据来源于知名金融数据提供商，如万得（Wind）数据库、彭博（Bloomberg）数据库等，这些数据提供商具有广泛的数据收集渠道和严格的数据质量控制体系，能够确保数据的准确性、完整性和及时性。数据的时间跨度设定为2010年1月1日至2023年12月31日，这一时间段涵盖了多个重要的经济周期和金融事件，包括2011年欧洲债务危机、2015-2016年中国股市异常波动、2020年新冠疫情引发的全球金融市场动荡等。通过分析这一时期的数据，可以更全面地捕捉国际股票市场波动率动态溢出效应在不同经济环境和市场条件下的特征和变化规律。在数据预处理阶段，首先对原始数据进行了缺失值处理。对于少量的缺失值，采用线性插值法进行填充，该方法根据缺失值前后的数据点进行线性拟合，从而估算出缺失值。对于某一交易日某股票指数的收盘价缺失，可以根据前一交易日和后一交易日的收盘价进行线性插值计算，以填补缺失值。若缺失值较多，则根据具体情况决定是否删除相关数据。对于连续多个交易日数据缺失的情况，考虑到其可能对分析结果产生较大影响，会删除这些数据。接着进行异常值处理，通过统计分析方法，如箱线图分析和Z-score方法，找出异常值并进行处理。对于明显偏离正常范围的异常数据点，会进行修正或删除。利用箱线图识别出某股票指数收益率序列中的异常值，若该异常值是由于数据录入错误导致的，则进行修正；若无法确定异常原因，则根据其对整体数据分布的影响程度，决定是否删除。对数据进行了标准化处理，将不同量纲的数据转换为具有相同尺度的数据，以避免变量之间的量纲和尺度差异对模型的影响。采用Z-score标准化方法，计算公式为：Z_i=\frac{X_i-\overline{X}}{\sigma}，其中Z_i为标准化后的数据，X_i为原始数据，\overline{X}为原始数据的均值，\sigma为原始数据的标准差。经过标准化处理后，数据的均值变为0，标准差变为1，使得不同股票市场的数据具有可比性。还对数据进行了对数收益率计算，以更好地符合金融时间序列分析的要求。对数收益率的计算公式为：r_t=\ln(P_t)-\ln(P_{t-1})，其中r_t为第t期的对数收益率，P_t为第t期的股票指数收盘价，P_{t-1}为第t-1期的股票指数收盘价。通过对数收益率计算，能够更准确地反映股票价格的变化率，消除价格序列中的异方差性，使数据更适合后续的建模和分析。4.2模型构建4.2.1VAR模型向量自回归（VAR）模型由Sims于1980年提出，它是一种基于数据统计性质建立的模型，用于分析多个时间序列变量之间的动态关系。VAR模型将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR(p)模型的数学表达式为：Y_t=c+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是一个k维向量，表示k个内生变量在t时刻的取值；c是一个k维常数向量；A_1,A_2,\cdots,A_p是k\timesk的系数矩阵，分别表示各个内生变量的滞后值对当前值的影响程度；p是滞后阶数，它的选择对模型的准确性和解释能力至关重要，通常可以根据AIC（赤池信息准则）、BIC（贝叶斯信息准则）等准则来确定最优滞后阶数；\epsilon_t是一个k维白噪声向量，其协方差矩阵为\Sigma，表示模型中无法被解释的随机扰动项。在本研究中，将国际股票市场的对数收益率作为内生变量纳入VAR模型。假设选取了n个国际股票市场，那么Y_t就是一个n维向量，其中每个元素y_{i,t}表示第i个股票市场在t时刻的对数收益率。通过估计VAR模型的系数矩阵A_i，可以分析不同股票市场收益率之间的相互影响关系。如果A_{ij}（i\neqj）显著不为零，则说明第j个股票市场的滞后收益率对第i个股票市场的当前收益率有显著影响，即存在收益率溢出效应。例如，对于美国道琼斯工业平均指数（DJIA）和中国上证综指（SHCOMP），将它们的对数收益率组成向量Y_t=[y_{DJIA,t},y_{SHCOMP,t}]^T，构建VAR(p)模型。通过估计模型参数，可以得到系数矩阵A_1,A_2,\cdots,A_p。如果A_{12}显著不为零，说明上证综指的滞后收益率对道琼斯工业平均指数的当前收益率有显著影响，即中国股票市场的波动会对美国股票市场产生收益率溢出效应；反之，如果A_{21}显著不为零，则说明美国股票市场的波动会对中国股票市场产生收益率溢出效应。VAR模型的优点在于它不需要事先对变量进行内生性和外生性的划分，也不需要对模型中各变量之间的关系进行严格的经济理论假设，而是直接从数据出发，通过估计模型参数来揭示变量之间的动态关系。VAR模型还可以通过脉冲响应函数和方差分解等技术，直观地分析一个变量的冲击对其他变量的影响程度和持续时间，以及各变量对系统预测误差的贡献度。然而，VAR模型也存在一些局限性。当变量较多时，模型的参数估计量会大幅增加，计算复杂度提高，且容易出现过度参数化问题，导致模型的稳定性和解释能力下降。VAR模型对数据的要求较高，需要数据具有平稳性或协整性，否则可能会出现伪回归问题。在实际应用中，需要根据研究目的和数据特点，合理选择VAR模型，并结合其他方法进行分析，以提高研究结果的准确性和可靠性。4.2.2多元GARCH模型多元广义自回归条件异方差（GARCH）模型是在一元GARCH模型基础上发展起来的，用于刻画多个金融时间序列的波动特征及其相互关系。在金融市场中，资产收益率的波动往往呈现出时变、聚集和持续性等特征，传统的线性模型难以准确描述这些特征，而多元GARCH模型能够有效地捕捉这些复杂的波动特性，特别是在分析国际股票市场波动率动态溢出效应方面具有重要作用。多元GARCH模型的核心是对条件协方差矩阵进行建模，不同的多元GARCH模型对条件协方差矩阵的设定方式有所不同。其中，BEKK-GARCH模型是一种常用的多元GARCH模型形式，由Baba、Engle、Kraft和Kroner于1990年提出。BEKK-GARCH(p,q)模型的条件协方差矩阵H_t的设定如下：H_t=C'C+\sum_{i=1}^{p}A_i'\epsilon_{t-i}\epsilon_{t-i}'A_i+\sum_{j=1}^{q}B_j'H_{t-j}B_j其中，C是一个下三角矩阵，保证了条件协方差矩阵H_t的正定性；\epsilon_t是t时刻的残差向量，\epsilon_{t-i}\epsilon_{t-i}'表示残差的外积，反映了t-i时刻的波动信息；A_i和B_j是系数矩阵，分别表示ARCH项（自回归条件异方差项）和GARCH项（广义自回归条件异方差项）的系数。A_i衡量了过去的波动冲击对当前条件协方差矩阵的影响，即波动的短期记忆性；B_j衡量了过去的条件协方差矩阵对当前条件协方差矩阵的影响，即波动的长期记忆性。p和q分别是ARCH项和GARCH项的滞后阶数，它们的选择通常根据AIC、BIC等信息准则来确定。在估计多元GARCH模型的参数时，常用的方法是极大似然估计（MLE）。假设残差向量\epsilon_t服从多元正态分布，其联合概率密度函数为：f(\epsilon_1,\epsilon_2,\cdots,\epsilon_T|\theta)=\prod_{t=1}^{T}\frac{1}{(2\pi)^{k/2}|H_t|^{1/2}}\exp\left(-\frac{1}{2}\epsilon_t'H_t^{-1}\epsilon_t\right)其中，\theta表示模型中的所有参数，包括矩阵C、A_i、B_j中的元素；|H_t|是条件协方差矩阵H_t的行列式。通过最大化上述似然函数，可以得到模型参数的估计值。在实际应用中，对于包含多个国际股票市场的收益率序列，如美国道琼斯工业平均指数（DJIA）、德国DAX指数、日本日经225指数等，将这些市场的收益率组成向量r_t=[r_{1,t},r_{2,t},\cdots,r_{n,t}]^T，构建BEKK-GARCH模型。通过估计模型参数，可以得到系数矩阵A_i和B_j。如果A_{ij}（i\neqj）显著不为零，说明第j个市场的波动冲击会对第i个市场的当前波动产生影响，即存在波动溢出效应；如果B_{ij}（i\neqj）显著不为零，则说明第j个市场过去的波动持续性会影响第i个市场当前的波动持续性。多元GARCH模型能够有效地刻画国际股票市场之间的波动溢出效应和波动的时变特征，为研究金融市场风险的传导和扩散提供了有力的工具。但在应用中，需要注意模型的设定和参数估计的准确性，以及对模型结果的合理解释和分析。4.2.3溢出指数模型溢出指数模型是基于VAR-GARCH模型框架构建的，用于衡量不同市场之间波动溢出的强度和方向。该模型由Diebold和Yilmaz于2009年提出，并在后续研究中不断完善和发展。溢出指数的核心思想是通过方差分解来度量一个市场的波动对其他市场波动的贡献程度，从而量化波动溢出效应。在VAR(p)模型的基础上，对预测误差进行方差分解。假设VAR(p)模型的预测误差方差-协方差矩阵为\Omega，对\Omega进行Cholesky分解得到下三角矩阵P，使得\Omega=PP'。定义正交化的脉冲响应函数为\Psi_i=P^{-1}A_iP，其中A_i是VAR(p)模型中的系数矩阵。第j个市场对第i个市场的H步向前预测误差方差的贡献度（即溢出效应）可以表示为：\theta_{ij}^g(H)=\frac{\sigma_{jj}^{-1}\sum_{h=1}^{H}(\Psi_h)_{ij}^2}{\sum_{h=1}^{H}(\Psi_h)_{ii}^2}其中，\sigma_{jj}是第j个市场的标准差，(\Psi_h)_{ij}是正交化脉冲响应函数\Psi_h的第i行第j列元素。总溢出指数（TotalSpilloverIndex）用于衡量所有市场之间波动溢出的总体强度，计算公式为：TSI(H)=\frac{\sum_{i\neqj}\theta_{ij}^g(H)}{\sum_{i,j}\theta_{ij}^g(H)}\times100\%总溢出指数的取值范围是[0,100]，数值越大表示市场之间的波动溢出效应越强。当TSI=0时，说明市场之间不存在波动溢出效应；当TSI=100时，说明市场之间的波动完全相互影响。方向性溢出指数（DirectionalSpilloverIndex）可以进一步衡量每个市场对其他市场的溢出效应（Out-of-sampleSpillover）和每个市场受到其他市场的溢出效应（In-sampleSpillover）。第i个市场对其他市场的溢出效应（即第i个市场的净溢出效应）为：OS_{i}(H)=\sum_{j\neqi}\theta_{ij}^g(H)第i个市场受到其他市场的溢出效应为：IS_{i}(H)=\sum_{j\neqi}\theta_{ji}^g(H)通过计算方向性溢出指数，可以明确各个市场在波动溢出网络中的角色和地位。如果一个市场的OS_{i}较大，说明该市场对其他市场的波动溢出效应较强，是波动的主要输出者；如果一个市场的IS_{i}较大，说明该市场受到其他市场的波动溢出效应较强，是波动的主要接受者。在研究国际股票市场波动率动态溢出效应时，利用溢出指数模型可以直观地了解不同股票市场之间波动溢出的强度和方向。通过计算美国道琼斯工业平均指数（DJIA）、中国上证综指（SHCOMP）等多个国际股票市场之间的溢出指数，可以发现美国股票市场对其他市场的溢出效应往往较强，在全球股票市场波动溢出网络中处于核心地位；而新兴市场如中国股票市场，随着市场的发展和开放，其对其他市场的溢出效应也在逐渐增强，同时受到发达市场的溢出效应影响也较为明显。溢出指数模型为研究国际股票市场波动率动态溢出效应提供了一种直观、量化的方法，有助于投资者和金融监管机构更好地理解市场之间的风险传导关系，制定合理的投资策略和监管政策。五、实证结果与分析5.1国际股票市场波动率的描述性统计对选取的美国道琼斯工业平均指数（DJIA）、标准普尔500指数（S&P500），欧洲的德国DAX指数、法国CAC40指数，亚洲的日经225指数、恒生指数和上证综指的对数收益率数据进行处理，得到各股票市场波动率的描述性统计结果，如表1所示：表1：国际股票市场波动率描述性统计股票市场均值标准差最小值最大值偏度峰度JB统计量DJIA0.01250.0098-0.03560.05680.8564.56715.68***S&P5000.01220.0095-0.03480.05520.8344.45614.56***DAX0.01380.0112-0.04210.06891.0234.89718.97***CAC400.01350.0108-0.04050.06670.9874.78917.89***日经2250.01450.0121-0.04560.07231.1255.12321.34***恒生指数0.01520.0130-0.05020.08111.2345.34523.45***上证综指0.01600.0145-0.05890.09231.3455.67826.78***注：***表示在1%的水平上显著。从均值来看，各股票市场波动率存在一定差异。上证综指的波动率均值最高，为0.0160，表明中国股票市场在样本期内平均波动程度相对较大。这可能与中国股票市场的发展阶段、市场结构以及政策环境等因素有关。中国股票市场作为新兴市场，市场机制和投资者结构尚在不断完善和成熟过程中，市场的波动性相对较高。而美国的DJIA和S&P500指数波动率均值相对较低，分别为0.0125和0.0122，这反映出美国股票市场相对较为成熟和稳定，市场参与者众多，信息透明度较高，市场的自我调节能力较强，使得市场波动相对较小。标准差衡量了数据的离散程度，即波动率的稳定性。恒生指数的标准差为0.0130，在各市场中相对较大，说明其波动率的波动较为剧烈，市场稳定性相对较差。这可能受到香港地区作为国际金融中心，其金融市场受到全球经济和政治因素的影响较大，市场不确定性较高。德国DAX指数和法国CAC40指数的标准差也相对较大，分别为0.0112和0.0108，这表明欧洲股票市场在样本期内波动率的变化较为明显，可能与欧洲地区的经济一体化进程、货币政策协调以及地缘政治等因素有关。最小值和最大值反映了各股票市场波动率的极端情况。上证综指的最小值为-0.0589，最大值为0.0923，波动范围较大，说明中国股票市场在某些时期经历了较大的市场波动。这可能与中国股票市场的重大政策调整、市场改革以及宏观经济环境的变化等因素有关。日经225指数的最小值为-0.0456，最大值为0.0723，其波动范围也较为显著，日本经济的结构性问题、国际经济形势的变化以及日元汇率的波动等因素都可能对日经225指数的波动产生影响。偏度用于衡量数据分布的不对称性。所有市场的偏度均大于0，呈现右偏态分布，这意味着各股票市场波动率出现正向极端值的概率相对较大。即市场上涨时的波动幅度可能大于下跌时的波动幅度。峰度衡量了数据分布的尖峰厚尾程度。各市场的峰度均大于3，呈现尖峰厚尾分布，说明股票市场波动率的分布与正态分布相比，具有更突出的峰值和更厚的尾部。这意味着股票市场出现极端波动的概率相对较高，投资者需要更加关注市场的极端风险。JB统计量用于检验数据是否服从正态分布。所有市场的JB统计量均在1%的水平上显著，拒绝了数据服从正态分布的原假设，进一步说明国际股票市场波动率不服从正态分布，具有明显的非正态特征，在进行建模和分析时需要考虑这些特征，以提高模型的准确性和可靠性。5.2动态溢出效应的实证结果5.2.1总波动溢出效应分析运用溢出指数模型，计算得到国际股票市场间的总波动溢出指数，结果如图1所示。图1：国际股票市场总波动溢出指数从图1可以看出，在样本期内，国际股票市场间的总波动溢出指数呈现出明显的时变特征。总波动溢出指数的平均值为52.34%，表明国际股票市场之间存在较为显著的波动溢出效应，市场之间的相互影响程度较高。在某些特定时期，总波动溢出指数出现了大幅上升的情况。在2011年欧洲债务危机期间，总波动溢出指数迅速攀升至70%以上，这表明在危机时期，国际股票市场之间的联系更加紧密，波动溢出效应显著增强。欧洲债务危机引发了投资者对欧洲经济前景的担忧，导致欧洲股票市场大幅下跌，这种波动迅速传导至全球其他股票市场，使得各市场之间的波动溢出加剧。2020年新冠疫情爆发初期，总波动溢出指数也急剧上升，最高达到85%左右。新冠疫情作为全球性的公共卫生事件，对全球经济和金融市场造成了巨大冲击，投资者的恐慌情绪弥漫，导致国际股票市场出现了剧烈波动，市场之间的波动溢出效应达到了样本期内的峰值。随着疫情防控措施的实施和经济的逐步复苏，总波动溢出指数逐渐下降，但仍维持在较高水平，说明疫情对国际股票市场的影响具有持续性，市场之间的波动溢出效应在疫情后依然较为显著。总波动溢出指数在不同时期的变化，反映了国际政治经济形势、宏观经济政策调整以及重大突发事件等因素对国际股票市场波动溢出效应的影响。在经济稳定时期，市场之间的波动溢出效应相对较为平稳；而在面临重大风险事件冲击时，市场之间的波动溢出效应会显著增强，投资者需要更加关注市场风险的传导和扩散。5.2.2方向性溢出效应分析进一步计算各股票市场之间的方向性溢出指数，得到各市场对其他市场的溢出效应（净溢出效应）和各市场受到其他市场的溢出效应，结果如表2所示：表2：国际股票市场方向性溢出指数股票市场对其他市场的溢出效应（OS）受到其他市场的溢出效应（IS）净溢出效应（OS-IS）DJIA28.5622.456.11S&P50027.8921.985.91DAX18.6725.34-6.67CAC4017.9824.89-6.91日经22515.4520.67-5.22恒生指数16.7823.56-6.78上证综指14.5626.78-12.22从表2可以看出，美国的DJIA和S&P500指数对其他市场的溢出效应较大，净溢出效应均为正值，分别为6.11和5.91。这表明美国股票市场在国际股票市场中处于核心地位，是波动的主要输出者。美国作为全球最大的经济体，其股票市场的规模庞大，市场参与者众多，信息传播速度快，因此美国股票市场的波动往往会对其他市场产生较大的影响。当美国股票市场出现大幅波动时，投资者会调整其全球投资组合，导致资金在国际股票市场间流动，从而引发其他市场的波动。欧洲的DAX指数和CAC40指数受到其他市场的溢出效应相对较大，净溢出效应为负值，分别为-6.67和-6.91。这说明欧洲股票市场在一定程度上是波动的接受者，受到其他市场波动的影响较为明显。欧洲地区经济一体化程度较高，与美国等其他主要经济体联系紧密，因此容易受到国际市场波动的冲击。欧洲债务危机不仅对欧洲自身的股票市场造成了巨大冲击，也使得欧洲股票市场更容易受到其他市场波动的影响。亚洲的日经225指数、恒生指数和上证综指受到其他市场的溢出效应也较大，净溢出效应均为负值。其中，上证综指的净溢出效应最小，为-12.22，表明中国股票市场受到其他市场的波动溢出效应最为显著。这可能与中国股票市场的对外开放程度不断提高，与国际市场的联系日益紧密有关。随着中国资本市场的不断开放，外资流入规模逐渐增加，国际市场的波动更容易传导至中国股票市场。同时，中国经济与全球经济的融合度不断加深，宏观经济形势的变化也会对中国股票市场产生影响，使其更容易受到国际市场波动的冲击。5.2.3时变溢出效应分析为了更直观地观察波动溢出效应在不同时期的变化情况，运用滚动窗口方法，选取窗口大小为120个交易日，计算各股票市场之间的时变溢出指数，结果如图2所示：图2：国际股票市场时变溢出指数从图2可以看出，各股票市场之间的时变溢出指数呈现出明显的时变特征，在不同时期波动较大。美国股票市场（DJIA和S&P500）与其他市场之间的时变溢出指数在某些时期较高，表明美国股票市场与其他市场之间的波动溢出效应在这些时期较为显著。在2018年中美贸易摩擦期间，美国股票市场与亚洲股票市场（日经225指数、恒生指数和上证综指）之间的时变溢出指数大幅上升，说明贸易摩擦加剧了美国股票市场与亚洲股票市场之间的波动传导。贸易摩擦引发了投资者对全球经济增长和贸易前景的担忧，导致市场不确定性增加，股票市场波动加剧，美国股票市场的波动通过贸易、投资等渠道传导至亚洲股票市场。欧洲股票市场（DAX指数和CAC40指数）与其他市场之间的时变溢出指数也存在较大波动。在欧洲债务危机期间，欧洲股票市场与美国股票市场以及亚洲股票市场之间的时变溢出指数急剧上升，表明欧洲债务危机使得欧洲股票市场与其他市场之间的联系更加紧密，波动溢出效应显著增强。危机期间，投资者对欧洲经济和金融体系的信心受到严重打击，资金大量流出欧洲股票市场，同时也引发了全球投资者对风险资产的抛售，导致其他市场的波动加剧，市场之间的波动溢出效应增强。亚洲股票市场之间的时变溢出指数在某些时期也会出现明显变化。在2015-2016年中国股市异常波动期间，上证综指与恒生指数之间的时变溢出指数大幅上升，说明中国股市的波动对香港股市产生了较大的溢出效应。中国股市的异常波动引发了投资者对整个亚洲股票市场的担忧，资金在亚洲股票市场间重新配置，导致上证综指与恒生指数之间的波动溢出效应增强。通过时变溢出效应分析可以发现，国际股票市场之间的波动溢出效应受到多种因素的影响，如国际政治经济形势、宏观经济政策调整、重大突发事件等。这些因素的变化会导致市场之间的联系和波动传导机制发生改变，投资者需要密切关注市场动态，及时调整投资策略，以应对市场风险的变化。5.3结果的稳健性检验为确保实证结果的可靠性和稳定性，本研究从多个角度对实证结果进行了稳健性检验。在模型设定方面，考虑到金融时间序列的复杂性，选用了因子扩展向量自回归（FAVAR）模型替代传统的VAR模型。FAVAR模型能够有效处理大量潜在变量，捕捉到更多宏观经济和市场信息对股票市场波动率的影响，从而提升模型的解释能力和预测精度。在估计国际股票市场波动率动态溢出效应时，FAVAR模型纳入了宏观经济变量（如GDP增长率、通货膨胀率、利率等）和市场指标（如成交量、换手率等）作为因子，以更全面地刻画市场波动的驱动因素。通过对比VAR模型和FAVAR模型的估计结果，发现两者在波动溢出效应的方向和强度上具有一致性。总波动溢出指数在两种模型下的变化趋势相似，均表明国际股票市场之间存在显著的波动溢出效应，且在重大事件期间溢出效应增强。各市场之间的方向性溢出效应在两种模型中的表现也基本一致，美国股票市场依然是波动的主要输出者，而新兴市场如中国股票市场则是波动的主要接受者。这表明本研究的实证结果在不同模型设定下具有较强的稳健性。在数据样本方面，为检验结果是否受到样本期间特定事件的影响，对数据进行了子样本分析。将整个样本期2010年1月1日至2023年12月31日划分为三个子样本期：2010-2014年、2015-2019年和2020-2023年。分别对每个子样本期的数据进行建模和分析，观察波动溢出效应的变化情况。在2010-2014年期间，国际股票市场处于全球金融危机后的复苏阶段，经济增长相对平稳。在此期间，总波动溢出指数相对较低，表明市场之间的波动溢出效应较弱。美国股票市场对其他市场的溢出效应依然较为显著，但新兴市场对其他市场的影响较小。2015-2019年，全球经济增长出现分化，部分新兴市场国家经济快速发展，同时也面临一些经济结构调整和金融市场波动。这一时期，总波动溢出指数有所上升，市场之间的联系更加紧密。新兴市场与发达市场之间的波动溢出效应增强，中国股票市场对其他市场的溢出效应也有所提升。2020-2023年，新冠疫情爆发，对全球经济和金融市场造成巨大冲击。在这一时期，总波动溢出指数大幅上升，达到样本期内的最高水平，市场之间的波动溢出效应显著增强。各市场之间的方向性溢出效应也发生了一些变化，新兴市场与发达市场之间的相互影响更加明显。通过子样本分析发现，虽然不同子样本期内波动溢出效应的强度和特征有所变化，但总体上与全样本分析的结果一致，即国际股票市场之间存在显著的波动率动态溢出效应，这进一步验证了实证结果的稳健性。在估计方法方面，采用了广义矩估计（GMM）替代极大似然估计（MLE）对多元GARCH模型进行估计。GMM方法不依赖于特定的分布假设，在处理金融时间序列的异方差、自相关和非正态分布等问题时具有优势，能够提供更稳健的参数估计。通过对比MLE和GMM两种估计方法的结果，发现波动溢出效应的主要结论保持不变。各市场之间的波动溢出系数在两种估计方法下的符号和显著性基本一致，总波动溢出指数和方向性溢出指数的数值和变化趋势也相似。这表明本研究的实证结果在不同估计方法下具有稳定性，进一步增强了研究结论的可靠性。通过以上不同模型设定、数据样本和估计方法的稳健性检验，本研究关于国际股票市场波动率动态溢出效应的实证结果具有较强的稳健性，能够为投资者和金融监管机构提供可靠的参考依据。六、影响因素分析6.1宏观经济因素6.1.1经济增长经济增长是影响国际股票市场波动率动态溢出效应的重要宏观经济因素之一，通常用国内生产总值（GDP）增长率来衡量。当一个国家或地区的GDP增长强劲时，表明其经济处于繁荣阶段，企业的生产和销售活动活跃，盈利水平往往会提高。这会增强投资者对企业未来盈利的信心，吸引更多的资金流入股票市场，推动股票价格上涨，从而降低股票市场的波动率。企业盈利的增加也会使市场对该国家或地区的经济前景更加乐观，吸引国际资本流入，进一步稳定股票市场。从国际股票市场的实际情况来看，美国作为全球最大的经济体，其GDP增长对国际股票市场有着重要影响。当美国GDP增长率上升时，美国股票市场往往表现良好，并且会通过多种渠道对其他国家的股票市场产生溢出效应。美国经济的增长会带动全球贸易的发展，其他国家的出口企业受益，盈利增加，从而推动这些国家股票市场的上涨。美国GDP增长还会影响国际投资者的资金配置决策，投资者会增加对美国股票市场以及与美国经济联系紧密的国家股票市场的投资，导致这些市场的资金流入增加，波动率下降。对于新兴市场国家来说，经济增长对股票市场波动率溢出效应的影响更为显著。新兴市场国家经济增长速度较快，市场潜力大，但同时也面临着更多的不确定性和风险。当新兴市场国家经济增长稳定且强劲时，会吸引大量的国际资本流入，这些资本的流入不仅会推动本国股票市场的发展，还会对周边国家或地区的股票市场产生溢出效应。中国经济的快速增长吸引了众多国际投资者的关注，大量外资流入中国股票市场，同时也带动了亚洲地区其他国家股票市场的发展，增强了区域内股票市场之间的波动溢出效应。而当新兴市场国家经济增长出现波动或放缓时，会引发投资者的担忧，导致资金流出，股票市场波动率上升，并且这种波动会迅速传导至其他市场，加剧国际股票市场之间的波动溢出。经济增长对国际股票市场波动率动态溢出效应的影响是复杂而多面的，它不仅通过影响企业盈利和投资者信心直接作用于股票市场，还通过国际贸易、国际资本流动等渠道间接影响其他国家的股票市场，从而对全球股票市场的波动溢出效应产生重要影响。投资者和金融监管机构需要密切关注各国经济增长状况，以便更好地把握股票市场的波动趋势和风险。6.1.2通货膨胀通货膨胀与国际股票市场波动率动态溢出效应之间存在着紧密而复杂的关系。通货膨胀是指商品和服务价格水平的持续上涨，通常用消费者物价指数（CPI）或生产者物价指数（PPI）来衡量。适度的通货膨胀在一定程度上可以促进经济增长，对股票市场产生积极影响。当通货膨胀处于温和水平时，企业可以通过提高产品价格来增加销售收入和利润，这会推动股票价格上涨，降低股票市场的波动率。企业的盈利增加也会吸引更多的投资者进入股票市场，进一步稳定市场。过高的通货膨胀会对股票市场产生负面影响，加剧国际股票市场之间的波动率动态溢出效应。高通货膨胀会导致企业的生产成本上升，包括原材料、劳动力等成本的增加。如果企业无法将这些成本完全转嫁给消费者，其利润将会受到侵蚀，这会降低投资者对企业的信心，导致股票价格下跌，股票市场波动率上升。高通货膨胀还会使实际利率下降，投资者的实际收益减少。为了保值增值，投资者可能会将资金从股票市场转移到其他资产，如黄金、房地产等，导致股票市场资金流出，进一步加剧市场波动。当一个国家出现高通货膨胀时，这种负面效应还会通过国际贸易和资本流动等渠道传导至其他国家的股票市场，引发全球股票市场的波动溢出。在国际股票市场中，不同国家的通货膨胀情况对市场的影响存在差异。对于一些发达国家来说，其经济体系相对稳定，抗通胀能力较强，通货膨胀对股票市场的影响相对较小。但在某些特殊时期，如经济衰退或政策调整时期，通货膨胀的变化仍可能对股票市场产生较大影响。而对于新兴市场国家，由于其经济结构相对脆弱，对通货膨胀的敏感度较高，通货膨胀的波动往往会导致股票市场的大幅波动，并且这种波动容易溢出到其他市场。巴西等新兴市场国家在面临高通货膨胀时，股票市场往往会出现剧烈动荡，并且其波动会对周边国家的股票市场产生明显的溢出效应。通货膨胀对国际股票市场波动率动态溢出效应的影响具有两面性。适度的通货膨胀有利于股票市场的稳定和发展，而过高的通货膨胀则会增加市场风险，加剧波动溢出效应。投资者和金融监管机构需要密切关注通货膨胀的变化，及时调整投资策略和监管政策，以应对通货膨胀对股票市场的影响。6.1.3利率政策利率政策是影响国际股票市场波动率动态溢出效应的关键因素之一，它通过国际资本流动对股票市场产生重要影响。利率作为资金的价格，其变动会直接影响企业的融资成本和投资者的投资决策。当一个国家的央行提高利率时，企业的借贷成本增加，这会抑制企业的投资和扩张计划，导致企业盈利预期下降。投资者也会因为债券等固定收益类产品的收益率相对提高，而减少对股票的投资，转而投资债券，从而使得股票市场的资金流出，股价下跌，波动率上升。相反，当央行降低利率时，企业融资成本降低，投资和扩张意愿增强，盈利预期提升，投资者会增加对股票的投资，推动股价上涨，波动率下降。利率变动还会引发国际资本的流动，从而对国际股票市场的波动溢出效应产生影响。在全球金融市场一体化的背景下，投资者会根据不同国家的利率差异来调整其投资组合。当一个国家的利率上升时，会吸引国际资本流入，这些资金可能会进入该国的股票市场，推动股价上涨，降低波动率。其他国家的股票市场则可能因资金流出而面临下跌压力，波动率上升。当美国联邦储备委员会提高利率时，全球资金会流向美国，美国股票市场可能会因资金流入而上涨，而其他国家的股票市场则可能因资金流出而下跌，美国股票市场的波动也可能通过资金流动和投资者情绪等渠道溢出到其他市场。利率政策的调整还会影响投资者的预期和信心。当央行采取加息政策时，投资者会预期经济增长可能放缓，企业盈利可能下降，从而对股票市场的前景感到担忧，这种担忧情绪会在国际股票市场间传播，加剧市场的波动溢出效应。反之，当央行采取降息政策时，投资者会预期经济增长可能加速，企业盈利可能增加，从而增强对股票市场的信心，这种信心的传递也会对国际股票市场的波动溢出效应产生影响。利率政策通过影响企业融资成本、国际资本流动以及投资者的预期和信心，对国际股票市场波动率动态溢出效应产生重要影响。投资者和金融监管机构需要密切关注各国利率政策的变化，分析其对股票市场的潜在影响，以便更好地进行投资决策和风险监管。6.2金融市场因素6.2.1汇率波动汇率作为两国货币之间的兑换比率，其波动对国际股票市场波动溢出的传导机制较为复杂，主要通过贸易渠道和资本流动渠道发挥作用。从贸易渠道来看，当一个国家的货币贬值时，对于出口型企业而言，其产品在国际市场上的价格相对降低，这会增强产品的竞争力，从而增加出口量，企业的销售收入和利润有望提升，进而推动股票价格上涨，该国家股票市场的波动率可能下降。若中国人民币贬值，中国的出口型企业如纺织企业，其出口产品在国际市场上价格更具优势，订单增加，企业盈利上升，纺织板块的股票价格可能上涨，带动中国股票市场的整体波动下降。而对于进口型企业，货币贬值意味着进口成本上升，原材料和零部件的采购成本增加，这可能压缩企业的利润空间，导致企业盈利下降，股票价格下跌，股票市场波动率上升。若某国的汽车制造企业依赖进口零部件，当该国货币贬值时，进口零部件成本增加，企业利润减少，汽车制造企业的股票价格可能下跌，对该国股票市场的波动率产生上升压力。在国际股票市场中，汇率波动通过贸易渠道引发的波动溢出效应具有联动性。当一个主要经济体的货币汇率发生波动时，会影响其与其他国家的贸易往来，进而影响其他国家相关企业的盈利状况和股票价格，导致股票市场波动率的变化。美国美元汇率的波动会对全球贸易产生重要影响。若美元贬值，以美元计价的商品价格相对上升，其他国家从美国进口商品的成本增加，这可能导致其他国家相关企业的盈利下降，股票价格下跌，股票市场波动率上升。同时，美元贬值可能使美国出口增加，美国相关出口企业的股票价格上涨，美国股票市场波动率下降，但这种波动通过贸易渠道传导至其他国家，引发其他国家股票市场的波动溢出。汇率波动还会通过资本流动渠道对国际股票市场波动溢出产生影响。当一个国家的货币预期升值时，国际投资者会预期在该国投资能够获得货币升值带来的收益，从而吸引大量国际资本流入。这些资本可能会流入该国的股票市场，增加股票的需求，推动股票价格上涨，降低股票市场的波动率。若投资者预期日元升值，会将资金投入日本股票市场，购买日本企业的股票，导致日本股票市场资金充裕，股价上涨，波动率下降。相反，当一个国家的货币预期贬值时，国际资本为了避免损失，可能会大量流出该国。资本的流出会减少股票市场的资金供应，导致股票价格下跌，股票市场波动率上升。当投资者预期欧元贬值时，会抛售欧元区的股票，将资金转移到其他货币相对稳定的国家或地区，导致欧元区股票市场资金外流，股价下跌，波动率上升。汇率波动通过贸易渠道和资本流动渠道，在国际股票市场之间传递波动，对波动率动态溢出效应产生重要影响。投资者和金融监管机构需要密切关注汇率的变化，分析其对股票市场的潜在影响，以便更好地进行投资决策和风险监管。6.2.2国际资本流动国际资本流动的规模和方向对国际股票市场的波动溢出效应具有重要影响。国际资本流动规模的变化会直接影响股票市场的资金供求关系，进而影响股票价格和波动率。当国际资本大量流入某一国家的股票市场时，会增加市场的资金供给，推动股票价格上涨。资金的充裕使得投资者对股票的需求增加，在股票供给相对稳定的情况下，股票价格会上升，市场波动率可能下降。在新兴市场国家经济快速发展时期，国际投资者看好这些国家的经济前景和投资机会，大量国际资本流入这些国家的股票市场，推动股票价格持续上涨，市场波动率相对较低。当国际资本大规模流出某一国家的股票市场时，会导致市场资金短缺，股票价格面临下行压力，波动率上升。在金融危机时期，投资者对市场前景感到担忧，纷纷撤回资金，导致股票市场资金大量流出，股票价格暴跌，波动率急剧上升。国际资本流动的方向也会对波动溢出效应产生作用。不同国家和地区的股票市场具有不同的风险收益特征，国际资本会根据这些特征进行投资组合的调整。当国际资本从一个市场流向另一个市场时，会引发两个市场资金供求关系的变化，从而产生波动溢出效应。如果国际资本从美国股票市场流向欧洲股票市场，会导致美国股票市场资金流出，股价下跌，波动率上