第 1 章 绪 论
1.1 课题研究背景和意义
2015 年 6 月至 8 月，中国股票市场和外汇市场相继发生剧烈的异常波动，金融市场进入“黑色月”。具体来看，2015 年 6 月 12 日，上海证券综合指数在九天内经历了将近 3000 点的异常暴涨后，达到了最高的 5166 点，又在 15个交易日内暴跌 1659 点，此后，股票市场总体趋势继续下跌，到 8 月 25 日，已探底至 2964 点，跌幅达到 43%之高。我国此次股票市场的异常波动使上市公司市值在两个多月的时间内蒸发掉约 20 万亿元，约占 2015 年我国全年 GDP总额的 35%。在我国股市异常值频频出现、接连发生剧烈波动的同时，作为金融市场的另一重要组成部分的汇市也发生了大幅震荡。在同年 8 月 11 日，央行发布声明指出我国人民币汇率机制要向市场化方向大跨步深度迈进，我国人民币汇率中间价格机制进一步完善。就在声明发布的当天，人民币兑美元中间价格由此前的 6.116 急速下降 1136 个基准点，贬值约至 6.230，创下了历史最大单日降幅。此后，在 8 月 12 日和 8 月 13 日又继续贬值至 6.401，下降了2848 基准点，三天内贬值幅度达 4.7%。直至 15 日，央行进行果断干预，将人民币兑美元汇率提高了 0.05%，才平息了外汇市场在“黑色八月”里的剧烈波动。然而人民币连续贬值引发全球金融市场动荡，欧美股票市场持续下挫，美国纳斯达克综合指数当天波动 1.5%，德国 DAX30 指数连续两天以 3%的速度下跌。针对 2015 年中国股票市场和外汇市场的异动情况，国务院总理李克强已多次表态。在 2016 年第一季度末期，李克强在总理记者会上更是明确指出：“金融问题的表现往往早于经济问题的发生，金融市场有其自身的规律，要防范风险。”风险可以看作是波动性的本质，风险的传递也势必会通过波动性溢出效应这一渠道进行。各金融市场间发生联动关系的主要渠道是复杂的信息在市场间的协同运动，这种协同运动有两种表现形式，一是借由金融市场间的均值溢出效应渠道体现协同运动，二是借由金融市场间的波动性溢出效应的渠道体现协同运动。
........
1.2 国内外研究现状及分析
国外学者在金融市场间溢出效应方面的文献和探究不是很多。最早的研究是 Bahmani 和 Sohrabia（1992）首次将协整分析方法用于英国外汇市场与股票市场关联性的检验当中，发现二者的溢出效应在短期和长期的表现不同，在短时间内显现出溢出效应，但随着时间长度的增加溢出效应越来越弱[1]。此后，各国学者都对各自国家关乎国计民生的外汇市场与股票市场溢出效应进行了分析和考察。比较有代表性的是 Ghosh（2013）运用 GJR-t-GARCH 计量方法考察了印度外汇市场和股票市场的溢出效应，分析显示，印度金融市场在波动性溢出效应和均值溢出效应方面都是双走向溢出的[2]。Bonga 和 Hoven（i2013）采用 GARCH 和 EGARCH 的计量方法考察了南非外汇市场和股票市场间的均值溢出和波动性溢出，探究显示，在南非外汇市场与股票市场间不仅体现出了均值溢出效应，而且表现出从股票市场到外汇市场的单走向波动性溢出效应倾向[3]。Ely（2016）通过使用多元均值 GARCH 模型与非线性格兰杰检验的计量方法，分析了巴西外汇市场和股票市场的溢出效应，讨论指出巴西金融市场间体现出明确的单走向波动性溢出，均值溢出效应反而并不显著[4]。国外学者较为关注金融市场时间序列自身的属性。Boris Choy，Cathy Chen和 Edward Lin（2014）从时间序列的厚尾分布着手，提出一种可以明确各市场间序列关系的改进 t 分布，同时将杠杆原则考虑进多元 MVGARCH 模型的建模中，采取 DCC-GJR-MVGARCH 模型对澳大利亚外汇市场和股票市场的波动性溢出效应进行了研究，探究结果显示，澳大利亚外汇市场与股票市场间表现出强烈的双走向波动性溢出效应[5]。许多国外学者倾向于对关乎经济运行的各金融市场间的溢出效应进行分类探讨。Koulakiotis，Kiohos 和 Babalos（2015）认为由股票市场传来的消息会对外汇市场产生不同的波动性溢出效应，他们通过协整分析方法与误差修正模型探究了 1990 年至 2004 年美国、加拿大和英国的日数据，讨论指出，在短期内，无论股票市场发出利好消息还是利坏消息信号，外汇市场的单走向波动溢出效应都会非常显著[6]。Tian，Holmes 和 Choi（2014）在分析时将股票市场按行业进行了分类，认为不同行业的外汇市场和股票市场之间的溢出效应具有显著差异，采用 BEKK-MVGARCH 模型分析了日本十个行业的股票收益和日元兑美元汇率，结果显示，十个行业中有八个行业的外汇市场与股票市场间存在溢出效应，有五个行业的外汇市场与股票市场之间表现出显著的由股市传递向汇市的单走向波动性溢出效应[7]。Panda 和 Deo（2014）从欧元和美元汇率的角度，采用单变量 EGARCH 模型，分别分析了欧元兑印度卢比名义汇率、美元兑印度卢比名义汇率、印度股票市场收益率之间的波动溢出效应，结果表明，无论是欧元视角还是美元视角下，印度外汇市场与股票市场间均存在双向波动溢出效应，但美元视角下二者的溢出效应更加显著[8]。Lestano 和 Kuper（2014）以金融危机为界，将六个东亚国家的股票市场收益率和综合汇率划分为两个阶段，以金融危机作为时间界限使用 DCC-MVGARCH 计量方法分阶段讨论了危机前后六个东亚国家外汇市场与股票市场间的波动性溢出效应，结果表明金融危机后溢出效应更加显著[9]。
..........
第 2 章 两变量 BEKK-MVGARCH 模型的理论基础
2.1 引言
随着经济学家对金融市场时间序列的广泛关注，GARCH 族模型进入了快速更新和发展阶段。无论是考察单一金融市场时间序列的简单一元 GARCH，还是涉及到多个金融市场多个时间序列的复杂多元 GARCH，都在各自的领域有其适用性、应用性和优越性。适合研究内容的计量方法和模型对经济研究具有至关重要的意义，本章将对几种多变量 GARCH 模型进行梳理和对比，并从中确定出适合本文的 GARCH 族计量模型。此外，本章将建立基础的两变量BEKK-MVGARCH（1，1）模型并进行参数估计，同时，还将分析如何运用该模型进行金融市场间波动性溢出效应的考察，本章内容将从理论上体现该模型在本文所研究内容上的适用性、应用性和优越性。
2.2 几种多变量 GARCH 模型的对比
GARCH 族计量模型能够较为完整地展现金融数据序列本身所具有的属性和特征。自从二十世纪八十年代初 Bollerslev 改进了 Engle 的自回归条件异方差模型，即 ARCH 模型[31]，并提出广义自回归条件异方差模型，即 GARCH模型[32]，经过三十多年的发展，GARCH 模型已逐渐在对金融市场数据序列的实际运用中发展改进成为 GARCH 族计量经济模型。对 GARCH 模型的改进主要从两个方向进行，一是研究同一市场自身的波动性特征，即单变量 GARCH模型，它只涉及到该市场单一的金融时间序列。二是研究相异市场之间的波动性特征，即复杂变量 GARCH 计量经济模型，我们称之为 MVGARCH，它涉及到多个市场的金融时间序列数据，对于刻画时间数据序列的波动性溢出效应有着良好的效果。目前，多变量 GARCH 模型主要包括 Bollerslev，Engle 和 Wooldridge 于1988 年提出的 VECH 模型[33]，Bollerslev 于 1990 年提出的 CCC-MVGARCH模型[34]，Engle 和 Kroner 于 1995 年提出的 BEKK-MVGARCH 模型[35]，以及Engle 于 2002 年提出的 DCC-MVGARCH 模型[36]。这些复杂变量 GARCH 模型都是通过其中的方差-协方差矩阵来表示各个市场间的波动性溢出效应，主要区别在于对所构建计量经济模型的方差-协方差矩阵的设定不同[37]。
............
第 3 章 我国汇市与股市波动性溢出的实证分析 ....19
3.1 引言...... 19
3.2 数据的选择及变量定义 ............ 19
3.3 变量的统计特征分析....... 20
3.4 数据的平稳性检验 .......... 22
3.5 模型的估计结果分析....... 23
3.4 本章小结 ....... 27
第 4 章 最优波动溢出效应点的选择 ......28
4.1 引言...... 28
4.2 均匀设计抽样试验方案与试验结果 ........... 28
4.2.1 均匀设计抽样试验方案............ 28
4.2.2 试验结果分析.......... 30
4.3 试验结果的经济学解释 ............ 34
4.3.1 风险在扩散的过程中有所增加......... 34
4.3.2 波动溢出的概率很大....... 35
4.3.3 股市的波动受到汇市前期波动的影响...... 35
4.4 本章小结 ....... 35
第 5 章 对策与建议 .......37
5.1 引言...... 37
5.2 控制风险传染源 ..... 37
5.3 强化风险易感市场 .......... 38
5.4 切断风险传播途径 .......... 39
5.5 本章小结 ....... 40
第 5 章 对策与建议
5.1 引言
随着政府引导我国经济向国际化、市场化方向发展，各金融市场间的联系变得越来越具有紧密性，同时，市场间风险传递的广泛性和严重性也越来越明显。本文所重点关注的金融市场也是如此，外汇市场与股票市场之间表现出清晰显著的波动性溢出效应，且溢出效应的方向是由汇市向股市溢出，也就是说，外汇市场上汇率的稳定对于股票市场上股价的稳定有着举足轻重的作用。此外，本文实证出在外汇市场和股票市场的波动性溢出的过程中风险是增加的，这也是在提醒我们事后监管效果寥寥，政策要有预防性和前瞻性。因此，在应对思路上将从三个角度进行全面的应对：一是要对风险源头进行控制，二是要对风险易感市场进行自身强化和建设，三是在波动发生到波动再次发生的这段时间内，要将风险的影响机制切断，也就是要采取措施阻止风险的传播。尽管汇率受到经济基本面、外汇市场参与者的预期、政府政策等因素的影响，但经济学家们仍普遍认为资本流动是外汇市场上外汇供求关系改变的直接原因，金融市场资本流动决定汇率变化的渠道在于改变金融市场的外汇供求关系。因此，人民币汇率稳定的关键在于资本流动的基本平衡，资本流动基本平衡的关键则在于对资本项目对外开放时机的准确把握。二十世纪九十年代末期，我国政府明确提出走出去的经济战略，为响应政府的这一号召，政府在资本项目对外开放领域做了大量工作，比如，在开展对外开放金融服务业务方面，引进建立多家有机会扩大对外经济联系的外国独资银行与中外合资银行；在融资对外开放方面，我国先后允许近百家境内企业的境外子公司在红筹股上市；在开展对外开放投资业务方面，先后推出了 QFII 制度和 QDII 的制度。这些措施无疑都表明了政府想要将资本项目对外开放的决心，这也是改革开放和金融深化的要求之一。
.........
结 论
2015 年下半年，我国股票市场的异常波动使上市公司市值在两个多月的时间内蒸发掉约 20 万亿元，约占 2015 年我国全年 GDP 的 35%。在中国股票市场连续剧烈波动的同时，金融领域颇受关注的另一重要组成部分外汇市场也发生了大幅震荡。由于 2015 年中国股票市场和外汇市场的异动情况，金融风险也通过这一异常波动在我国股票市场和外汇市场间进行扩散。针对以上出发点，本文从理论和实证两个方面开展了较为全面的研究，首先从理论上对计量模型的选取和参数估计进行了分析。其次从实证上探讨了中国金融市场间是否存在波动性溢出效应、波动性溢出效应的传递方向、最优波动溢出效应点的选择这三个部分的内容。最后结合研究内容给出了对策和建议。主要研究结论如下：在理论方面，本文结合所研究内容，通过对比分析各个备选模型的适用性和应用性，发现 BEKK-MVGARCH 模型在数理方面具有参数估计数量少的优势，而且在经济应用方面具有符合时间序列特征、能够很好的刻画多个时间序列的波动溢出效应的优势。最终从理论上确定了适合本文研究内容的两变量BEKK-MVGARCH（1，1）模型，明确了两变量 BEKK-MVGARCH（1，1）模型在本文研究内容上的适用性、应用性和优越性。在实证方面，本文首先通过两变量 BEKK-MVGARCH（1，1）计量经济模型考察了中国外汇市场和股票市场之间是否存在波动性溢出效应，探究显示，两个市场间表现出明确显著的波动性溢出效应。其次，通过对模型矩阵中的元素进行 Wald 检验明确了波动性溢出效应的方向，根据检验，中国外汇市场对股票市场显现出波动溢出效应，而股票市场对外汇市场没有表现出显著的波动溢出效应。最后，本文通过均匀设计抽样方法研究了未来某时刻外汇市场的波动会以多大的概率导致响应波动的发生，结果表明，响应波动会以 88%的概率以偏离 0.23 的波动幅度发生。
..........
参考文献（略）