中國農業大學碩士學位論文STYLEREF"標題1"錯誤！文檔中沒有指定樣式的文字。內地股市與香港股市風險溢出效應實證分析案例目錄TOC\o"1-3"\h\u7154內地股市與香港股市風險溢出效應實證分析案例 1270661.1樣本選取與數據來源 1248371.2描述性統計 1255801.2.1基本統計分析 1165931.2.2相關性檢驗 2229161.3波動率模型構建與檢驗 383761.3.1平穩性檢驗 3309491.3.2ARCH效應測度 34981.3.3模型建立及檢驗 485161.4溢出效應測度 716161.4.1內地股市和香港股市的VaR值測度 7304211.4.2內地股市和香港股市的CoVaR值測度 9195161.4.3內地股市和香港股市的風險溢出效應分析 1113641.5危機過程中風險溢出效應分析 121.1樣本選取與數據來源本文選取滬深300指數和香港恒生指數日收盤價作為研究樣本，分別代表內地股市和香港股市，總體樣本區間是從2005年4月11日到2021年3月15日，危機過程樣本區間選擇分別是從2007年2月1日到2009年6月10日，還有從2015年1月23日到2016年3月29日，本文選用的數據均來源于Wind數據庫。用對數收益率進行分析。即某一交易日的對數收益率是對這一交易日的收盤價取對數，再減去對上一交易日的收盤價取對數，為減小誤差，再對得到的結果乘以100得到百分位數。置信水平全部選擇95%，運用Eviews7.0軟件進行分析。1.2描述性統計1.2.1基本統計分析根據2005年4月11日到2021年3月15日滬深300指數和香港恒生指數的對數收益率序列，運用EViews7.0軟件進行統計分析，檢驗結果如下表表SEQ表\*ARABIC1對數收益率序列的描述性統計結果滬深300指數香港恒生指數均值0.04300.0198中位數0.08950.0745最大值8.931013.4068最小值-9.6949-13.5820標準差1.74711.4929偏度-0.4969-0.1015峰度6.870812.5886J-B統計量2508.06914441.99P值0.00000.0000由上表可以得出：兩個收益率序列的均值和中位數都在0附近，但是滬深300指數收益率序列的均值大于香港恒生指數。滬深300指數的對數收益率的偏度為-0.4969，呈現出左偏特征，也就是說虧損的可能性大于盈利的可能性；峰度為6.8708，大于正態分布的3，也就是說正常情況下，出現極端事件的可能性比正態分布假設條件下出現極端事件的可能性要大。J-B統計量的概率值為0，說明收益率序列并不服從正態分布。同理，香港恒生指數收益率的偏度為-0.1015，峰度為12.5886，J-B統計量的概率值也為0，顯示出了相同的特征，這意味著后面建立GARCH模型時，服從正態分布的GARCH1.2.2相關性檢驗本文通過收益率序列的ACF圖、PACF圖的p值來判斷序列的自相關性，表2、表3分別為滬深300指數、香港恒生指數收益率序列相關性檢驗結果：表SEQ表\*ARABIC2相關性檢驗結果滬深300指數香港恒生指數階數ACFPACFP值ACFPACFP值10.0240.0240.134-0.027-0.0270.1012-0.022-0.0230.1290.0100.0090.21630.0370.0380.098-0.008-0.0070.34940.0460.0430.113-0.029-0.0290.1725-0.014-0.0150.098-0.008-0.0100.248100.0220.0240.072-0.026-0.0300.051200.0500.0490.0810.0110.0110.052由表2可以得出：兩個對數收益率序列的p值均較大，不存在序列自相關。下面表3是兩個收益率序列之間的相關性檢驗結果：表SEQ表\*ARABIC3滬深300指數、香港恒生指數收益率序列之間的相關性檢驗結果相關系數0.6096P值0.0000由表3可以得出，兩個收益率序列的相關系數為0.6096，p值為0，說明兩個系列存在一定程度的正相關性。1.3波動率模型構建與檢驗1.3.1平穩性檢驗對時間序列進行分析需要先進行平穩性檢驗，以防止出現偽回歸。本文使用的是ADF檢驗來對收益率數據進行平穩性檢驗，分析結果如下：表SEQ表\*ARABIC4收益率序列的ADF檢驗結果滬深300指數收益率香港恒生指數收益率t統計量-59.8816-63.0270概率值0.00000.0000兩個指數收益率的t統計量的值均小于5%的顯著性水平下的臨界值-3.48，所以拒絕原假設，收益率序列平穩，可以進行下一步的建模分析。1.3.2ARCH效應測度本文采用GARCH類模型來衡量風險，為了確保使用GARCH類模型是比較準確的，需要對收益率序列進行檢驗，判斷其是否存在ARCH效應，只有存在ARCH效應，才可構建表SEQ表\*ARABIC5收益率序列的ARCH效應檢驗結果滬深300指數收益率香港恒生指數收益率F統計量128.6121665.0619概率值0.00000.0000T*R121.4299565.5199概率值0.00000.0000由表5檢驗結果可以得出：F統計量和T*R2統計量的p值均為0，小于0.05，拒絕原假設，也就是說滬深300指數和香港恒生指數的收益率序列存在條件異方差性，符合建立GARCH模型的條件，可以建立1.3.3模型建立及檢驗由表2可知，兩個對數收益率序列不存在序列自相關，所以建立GARCH模型的均值方程設定為y=c。為了選擇最為合適的GARCH類模型，首先對滬深300指數的對數收益率序列分別建立服從正態分布的GARCH1,1模型、服從t分布的GARCH(1,1)表SEQ表\*ARABIC6滬深300指數收益率序列的GARCH族模型檢驗結果變量值標準差z統計量概率pAIC正態分布的GARCH模型α0.01060.00392.70360.00693.6601α0.05850.00718.20820.0000β0.94150.0064146.80120.0000t分布的GARCH模型α0.01060.00392.70630.00683.5952α0.05850.00728.21520.0000β0.94150.0064146.33470.0000TARCH模型γ0.01170.00261.53480.00003.6607γ0.06610.005512.04310.0000γ-0.00070.0057-0.11630.9074γ0.93370.0035267.91180.0000EGARCH模型β-0.10100.0061-16.63530.00003.6583β0.14550.007818.59170.0000β-0.00120.0042-0.28110.7787β0.99220.0014700.4500.0000由表6可以看出，建立GARCH模型各項系數在95%的置信水平下都是顯著的，但是當建立TARCH模型和EGARCH模型時，非對稱效應項的概率值分別為0.9074和0.7787，表明非對稱效應項在95%的置信水平下并不顯著；再根據AIC準則，AIC值越小越好，所以選擇的模型是服從t分布的GARCH模型。為了確定模型的階數，進一步建立服從t分布的GARCH(1,1)、GARCH(1,2)、GARCH(2,1)、GARCH(2,2)模型，檢驗結果如下表7所示：表SEQ表\*ARABIC7滬深300指數收益率序列的GARCH(p,q)模型檢驗結果變量值標準差z統計量概率pAICGARCH(1,1)模型α0.01060.00392.70360.00693.5952α0.05850.00718.20820.0000β0.94180.0064146.79970.0000自由度5.04290.466710.80600.0000GARCH(1,2)模型α0.00610.00282.13930.03243.5945α0.03290.01142.88400.0039β1.46080.19247.59460.0000β0.49330.1815-2.71800.0066自由度1.99900.459110.88990.0000GARCH(2,1)模型α0.01260.00462.77030.00563.5936α0.00790.01390.56680.5708α0.06070.01693.58790.0003β0.93240.0075123.800.0000自由度1.95120.447711.05890.0000GARCH(2,2)模型α0.01510.00662.29440.02183.5940α0.00750.01410.53450.5930α0.07520.02552.94820.0032β0.68990.35211.95940.0501β0.22850.33120.69000.4902自由度1.95280.448211.05060.0000由表7可以得出，在95%的置信水平下，GARCH(1,1)模型和GARCH(1,2)模型的系數較為顯著，再根據AIC準則，擬合效果最好的模型為GARCH(1,2)模型，t分布的自由度為1.9990，該模型向前一步預測均值和方差分別如下：表SEQ表\*ARABIC8GARCH(1,2)模型向前一步預測均值和方差一步預測均值一步預測方差均值0.07763.2742中位數0.07762.1580步驟同上，對香港恒生指數的收益率序列分別建立正態分布的GARCH(1,1)模型、服從t分布的GARCH(1,1)模型、具有非對稱效應的TARCH(1,1)模型和EGARCH(1,1)模型，檢驗結果如下表9所示：表SEQ表\*ARABIC9香港恒生指數收益率序列的GARCH族模型檢驗結果變量值標準差z統計量概率pAIC值正態分布的GARCH模型α0.02090.00346.18240.00003.2533α0.06460.005012.89920.0000β0.92450.0058158.19040.0000t分布的GARCH模型α0.01390.00433.27000.00113.2129α0.05990.00748.12480.0000β0.93460.0078120.29700.0000TARCH模型γ0.02960.00368.29120.00003.2419γ0.02760.00631.37030.0000γ0.07190.00907.97030.0000γ0.91850.0061151.09470.0000EGARCH模型β-0.09520.0072-13.17770.00003.2418β0.13700.009913.79970.0000β-0.05610.0064-8.69490.0000β0.98160.0021465.67070.0000由表9可以看出，建立GARCH類模型，95%置信水平下各系數都顯著，所以直接根據AIC準則，AIC值越小說明擬合效果越好，服從t分布的GARCH(1,1)模型的AIC值為3.2129，是上述模型中最小的。為了確定模型的階數，繼續建立服從t分布的GARCH(1,1)、GARCH(1,2)、GARCH(2,1)、GARCH(2,2)模型，檢驗結果如下：表SEQ表\*ARABIC10香港恒生指數收益率序列的GARCH(p,q)模型檢驗結果變量值標準差z統計量概率pAIC值GARCH(1,1)模型α0.01390.00433.27000.00113.2129α0.05990.00748.12480.0000β0.93460.0078120.30120.0000自由度6.21400.66339.36790.0000GARCH(1,2)模型α0.00940.00412.27350.02303.2120α0.04020.01352.98740.0028β1.36350.22556.04630.0000β-0.40710.2114-1.92610.0541自由度6.20260.66359.34900.0000GARCH(2,1)模型α0.01800.00523.43090.00063.2105α0.00870.01320.66040.5090α0.06840.01711.00250.0001β0.91660.009893.47210.0000自由度6.17800.65899.37650.0000GARCH(2,2)模型α0.01720.00752.30380.02123.2110α0.00860.01320.65250.5141α0.06480.02902.23630.0253β0.97760.35102.78490.0054β-0.05690.3252-0.17500.8611自由度6.17470.65979.35980.0000根據系數的顯著性原則和AIC準則，擬合效果最好的模型為GARCH(1,1)模型，t分布下的自由度為6.2140，模型向前一步預測均值和方差如下表11所示：表SEQ表\*ARABIC11GARCH(1,1)模型向前一步預測均值和方差一步預測均值一步預測方差均值0.07232.2591中位數0.07231.28371.4溢出效應測度1.4.1內地股市和香港股市的VaR值測度根據上一步選擇的擬合效果最好的模型，得到95%的置信度水平下兩個序列的t分位數分別為2.0121和1.9234，再利用得到的一步預測的均值和方差，代入公式（2-8），求得兩個對數收益率序列的VaR值。下面圖3、圖4分別刻畫了不同時期滬深300指數和香港恒生指數收益率序列的VaR值：圖SEQ圖\*ARABIC3滬深300指數收益率序列的VaR圖SEQ圖\*ARABIC4香港恒生指數收益率序列的VaR下表13是用EViews得出的VaR值的統計結果：表SEQ表\*ARABIC12滬深300指數和香港恒生指數的對數收益率序列的VaRVaRN(%)VaRH(%)均值-3.2585-2.5790中位數-2.8695-2.1786VaR值是對金融系統自身風險的衡量，VaRN衡量的是內地股市自身的風險，VaRH衡量的是香港股市自身的風險。由圖3、圖4結合表12可以看出，內地股市自身的風險較大，尤其是在2007年和2015年金融危機的時候，它受影響的時間和程度均大于香港股市。由于VaR值只能說明金融系統自身的風險，不能說明一個市場的危機會對另一個市場造成多大的影響，所以我們接下來建立CoVaR模型進行進一步分析。1.4.2內地股市和香港股市的CoVaR值測度CoVaR是指其他金融機構陷入危機的條件下，所研究的機構在某一置信水平下的最大可能損失，可以反映出某一金融市場對另一金融市場產生風險的貢獻。根據公式（2-10）和（2-4），測度香港股市發生風險事件時對內地股市溢出效應的均值方程和GARCH模型設立如下表13所示：表SEQ表\*ARABIC13GARCH模型建立結果變量值標準差z統計量概率pAIC值均值方程γ-0.03320.0085-3.93040.00013.5932α-0.86010.0635-13.55140.0000β0.88210.058415.11380.0000t分布的GARCH(1,2)模型α0.00630.00292.18350.0290α0.03320.01132.95210.0032β1.46570.18657.86090.0000β-0.49860.1758-2.83660.0046自由度5.02580.460810.90770.0000由表13得知，t分布的自由度為5.0258，進而得到95%置信度水平下的t分位數為2.0167，為了測度CoVaR，還需得到上述模型向前一步預測均值和方差，結果如下表14所示：表SEQ表\*ARABIC14GARCH模型向前一步預測均值和方差一步預測均值一步預測方差均值0.08543.2692中位數0.07552.1245將t分位數和一步預測均值和標準差待入公式（2-11）可以計算出香港股市發生風險事件時，對內地股市溢出效應的大小。運用同樣的方法，可以計算出內地股市發生風險事件時，對香港股市溢出效應的大小，建立模型的結果如表15所示，算得t分位數為1.9258，向前一步預測均值、方差如表16所示：表SEQ表\*ARABIC15GARCH模型建立結果變量值標準差z統計量概率pAIC值均值方程γ-0.01900.0054-3.49900.00053.2120α-0.84000.1266-6.63500.0000β0.85810.11977.17180.0000GARCH(1,2)模型α0.00930.00412.30070.0214α0.04080.01343.04480.0023β1.37460.21736.32560.0000β-0.41860.2033-2.05860.0395自由度6.31760.68449.23100.0000表SEQ表\*ARABIC16GARCH模型向前一步預測均值和方差一步預測均值一步預測方差均值0.06332.2750中位數0.05751.2771圖5、圖6是計算出的CoVaR值的變動圖，表17是對CoVaR測度結果的描述性統計：圖SEQ圖\*ARABIC5香港股市發生風險時內地股市可能遭受的最大損失圖SEQ圖\*ARABIC6內地股市發生風險時香港股市可能遭受的最大損失表SEQ表\*ARABIC17滬深300指數和香港恒生指數的對數收益率序列的CoVaR值CoVaRH->N(%)CoVaRN->H(%)均值-3.3400-2.6497中位數-2.9562-2.2353用CoVaRH->N衡量香港股市發生風險事件時內地股市可能遭受的最大損失，用CoVaRN->H衡量內地股市遭受危機時港股市場可能遭受的最大損失。由圖5、圖6、表17可以得出如下結論：港股市場遭受危機事件時，內地股市受影響更大，遭受的損失更多；而內地股市發生風險事件時，對香港股市的影響較小。為了測度風險溢出程度，需要計算風險溢出大小的絕對值與相對值。1.4.3內地股市和香港股市的風險溢出效應分析運用上面的VaR計算結果和CoVaR計算結果，代入公式（2-12）和（2-13），分別得到ΔCoVaR和%CoVaR，如下表18所示：表SEQ表\*ARABIC18風險溢出值的絕對幅度與相對幅度均值中位數ΔCoVaRH->N(%)-0.0706-0.0536ΔCoVaRN->H(%)-0.0055-0.0042%CoVaRH->N(%)2.64652.5631%CoVaRN->H(%)0.76270.8184風險溢出值的絕對幅度用ΔCoVaR表示，相對幅度用%CoVaR表示。ΔCoVaRH->N衡量的是香港股市遭遇最大損失時對內地股市的風險溢出大小，%CoVaRH->N衡量的是其相對幅度；ΔCoVaRN->H衡量的是內地股市遭遇最大損失時對香港股市的風險溢出大小，%CoVaRN->H衡量的是其相對幅度。由表18可以得出，去掉基本量的影響后，港股市場對內地股市的風險溢出大小均值為2.6465%，反方向的風險溢出大小均值為0.7627%，總體上港股市