李川 賀瑩 林宇

摘要：為了研究亞洲新興股市之間的聯(lián)動(dòng)效應(yīng)，運(yùn)用ARFIMA-FIAPARCH模型刻畫亞洲新興股市收益率的邊緣分布特征，進(jìn)而結(jié)合由Clayton Copula、Gumbel Copula與Frank Copula構(gòu)成的混合Copula函數(shù)對(duì)亞洲主要新興股市之間的聯(lián)動(dòng)結(jié)構(gòu)進(jìn)行建模。研究結(jié)果表明：中國(guó)股市中的長(zhǎng)記憶特征非常顯著，對(duì)歷史信息的反應(yīng)尤為緩慢；中國(guó)股市僅與韓國(guó)股市、新加坡股市的聯(lián)系較為緊密，存在風(fēng)險(xiǎn)相互傳染的可能；而韓國(guó)股市、新加坡股市和印度股市等亞洲其他主要新興股市之間的聯(lián)動(dòng)程度更高，股市之間存在較為明顯的風(fēng)險(xiǎn)傳染效應(yīng)。

關(guān)鍵詞：亞洲新興股市；聯(lián)動(dòng)效應(yīng)；混合Copula；風(fēng)險(xiǎn)傳染

中圖分類號(hào)： F830.91文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：16720539（2014）05004309

近年來(lái)，亞洲新興金融市場(chǎng)紛紛加快了市場(chǎng)開(kāi)放的步伐。雖然隨之涌入的國(guó)際資本能優(yōu)化金融市場(chǎng)結(jié)構(gòu)，但脆弱的新興金融市場(chǎng)體系為國(guó)際資本的過(guò)度投機(jī)行為提供了可乘之機(jī)，而過(guò)度的投機(jī)行為又極易引發(fā)風(fēng)險(xiǎn)事件。更為危險(xiǎn)的是，金融市場(chǎng)之間的聯(lián)動(dòng)效應(yīng)會(huì)將風(fēng)險(xiǎn)迅速傳染到周邊新興金融市場(chǎng)，而新興金融市場(chǎng)往往缺乏吸納和轉(zhuǎn)移外部風(fēng)險(xiǎn)的能力。所以，一旦這些金融市場(chǎng)感染外部風(fēng)險(xiǎn)，風(fēng)險(xiǎn)便會(huì)不斷累積，從而引發(fā)大規(guī)模的金融動(dòng)蕩。因而，要切實(shí)做好維護(hù)經(jīng)濟(jì)安全和防范金融市場(chǎng)風(fēng)險(xiǎn)傳染，就必須深入探討金融市場(chǎng)之間的聯(lián)動(dòng)效應(yīng)。

在金融市場(chǎng)聯(lián)動(dòng)結(jié)構(gòu)模型的構(gòu)建方法上，一部分學(xué)者運(yùn)用GARCH-Copula模型對(duì)金融市場(chǎng)之間的非線性聯(lián)動(dòng)效應(yīng)進(jìn)行研究，并取得了較為理想的研究效果 [1-7]。但是，傳統(tǒng)的GARCH模型無(wú)法捕捉金融時(shí)間序列邊緣分布中大量涌現(xiàn)的典型事實(shí)特征，如長(zhǎng)記憶性（Long Memory）、波動(dòng)非對(duì)稱性（Volatility Asymmetry）等，而僅僅運(yùn)用一個(gè)單一的Copula函數(shù)又難以全面把握具有復(fù)雜結(jié)構(gòu)的金融市場(chǎng)聯(lián)動(dòng)效應(yīng)（上尾聯(lián)動(dòng)、下尾聯(lián)動(dòng)和對(duì)稱聯(lián)動(dòng)效應(yīng)），這勢(shì)必會(huì)降低聯(lián)動(dòng)結(jié)構(gòu)的構(gòu)建精度，進(jìn)而導(dǎo)致聯(lián)動(dòng)效應(yīng)分析失效。而運(yùn)用ARFIMA-FIAPARCH模型，結(jié)合混合Copula函數(shù)，不僅在以典型事實(shí)特征為約束的邊緣分布特征刻畫上，具有明顯優(yōu)勢(shì)；并且，能全面描述金融市場(chǎng)之間的三種典型聯(lián)動(dòng)關(guān)系，從而確保了金融市場(chǎng)聯(lián)動(dòng)結(jié)構(gòu)模型構(gòu)建的準(zhǔn)確性和金融市場(chǎng)聯(lián)動(dòng)效應(yīng)分析的有效性。

基于以上認(rèn)識(shí)與分析，本文引入ARFIMA-FIAPARCH模型刻畫金融時(shí)間序列的邊緣分布，并結(jié)合MCopula函數(shù)探討亞洲新興金融市場(chǎng)之間的非線性聯(lián)動(dòng)效應(yīng)問(wèn)題，在為進(jìn)一步研究金融市場(chǎng)聯(lián)動(dòng)特征提供實(shí)證依據(jù)的同時(shí)，也為金融風(fēng)險(xiǎn)管理部門防范金融市場(chǎng)風(fēng)險(xiǎn)傳染提供決策借鑒。

一、金融市場(chǎng)聯(lián)動(dòng)效應(yīng)的研究方法

（一）基于ARFIMA-FIAPARCH模型的邊緣分布確定方法

（二）基于混合Copula函數(shù)的金融市場(chǎng)聯(lián)動(dòng)結(jié)構(gòu)建模方法

（三）金融市場(chǎng)聯(lián)動(dòng)結(jié)構(gòu)模型的可靠性檢驗(yàn)方法

二、實(shí)證研究與分析

（一）樣本選取以及描述性統(tǒng)計(jì)

（二）基于ARFIMA-FIAPARCH模型的邊緣分布參數(shù)估計(jì)結(jié)果

（三）基于MCopula函數(shù)的金融市場(chǎng)聯(lián)動(dòng)效應(yīng)分析

（四）金融市場(chǎng)之間聯(lián)動(dòng)結(jié)構(gòu)模型的可靠性檢驗(yàn)結(jié)果

三、結(jié)論

參考文獻(xiàn)：

[1]韋艷華，齊樹天.亞洲新興市場(chǎng)危機(jī)傳染問(wèn)題研究[J].國(guó)際金融研究，2008，（9）：22-29.

[2]龔樸，黃榮兵.次貸危機(jī)對(duì)中國(guó)股市影響的實(shí)證分析——基于中美股市的聯(lián)動(dòng)性分析[J].管理評(píng)論，2009，（2）：21-32.

[3]王永巧，劉詩(shī)文.基于時(shí)變Copula的金融開(kāi)放與風(fēng)險(xiǎn)傳染[J].系統(tǒng)工程理論與實(shí)踐，2011，（4）：778-784.

[4]吳吉林，操君.中國(guó)A、B、H股間市場(chǎng)一體化進(jìn)程研究——基于SKEWED-T-GJR-COPULA方法的實(shí)證檢驗(yàn)[J].南方經(jīng)濟(jì)，2011，（5）：43-54.

[5]吳吉林，張二華.基于機(jī)制轉(zhuǎn)換混合Copula模型的我國(guó)股市間極值相依性[J].系統(tǒng)工程理論與實(shí)踐，2012，（8）：1662-1672.

[6]黃在鑫，覃正.中美主要金融市場(chǎng)相關(guān)結(jié)構(gòu)風(fēng)險(xiǎn)傳導(dǎo)路徑研究[J]，國(guó)際金融研究，2012，（5）：74-82.

[7]謝赤，張鵬，曾志堅(jiān).開(kāi)放進(jìn)程中人民幣匯率間相依性研究——基于動(dòng)態(tài)Copula-GJR-t模型的分析[J].金融經(jīng)濟(jì)學(xué)研究，2014，（1）：79-99.

[8]Bollerslev，T.Generalized autoregressive conditional heteroskedasticity[J].Journal of Econometrics，1986，（3）：307-327.

[9]Hu，L.Essays in econometrics with applications in macroeconomic and financial modeling[D].New Haven：Yale University，2002.

[10]Bekaert，G.and Harvey，C.R.Emerging equity market volatility[D].NBER Working Paper，1996，No.5307.