发布时间 : 星期六 文章中国股市和债市波动溢出效应的MV-GARCH分析更新完毕开始阅读d1469414376baf1ffc4fadb3
表5 候选模型的估计结果
logL AIC D Diag N_Bekk -1742.5 3499 20.3193 Diag T _Bekk -1679 3374 20.2598 Full N_Bekk -1742.2 3506.4 20.3176 Full T _Bekk -1678.43380.8× × × Scal N_Bekk -1753.5 3517 20.7288 Scal T _bekk -1691.8 3395.6 20.7806 20.2584注：―*‖表示不同检验方法选择的最优BEKK模型
（五）模型分析
图2绘制的是股市和债市收益率的协方差序列(hij,t)，接着求出股市和债市的条件相关系数，它描述了两个市场的动态相关变化（图3），计算公式如下：
?(r1,t,r2,t)?h12,t.3.2.1.0-.1-.2-.320022003200420052006.6.4.2.0-.2-.4-.6h11,th22,t （9）
20022003200420052006 图2 协方差序列 图3 动态条件相关系数
根据以上结果可得下列结论：
（1）股市和债市波动有明显聚集性、时变性等特征。
图1的平方收益率只说明了股市和债市各自的收益率序列表现出聚集性特征，但根据图2的条件协方差序列清晰表明股市和债市相互波动有明显的聚集性特征，这说明外部冲击对协方差波动的持续性影响，因此建立多元GARCH模型是非常适合的。 （2）股市和债市波动溢出效应不显著，并且波动影响不对称。
表2中选定的Full T-BEKK模型中虽然参数c21和c22接近于零，但它们只是常数项。系数矩阵A、B的对角线元素a11、b11等十分显著，说明每个市场受自身过去波动程度的影响明显。而考察反映股市和债市波动溢出的系数a12、b12等发现，它们的取值非常小，说明两个市场之间的波动影响效果较弱。但是比较系数可见，a12、b12系数的绝对值大于a21、b21的取值，说明了股市和债市的波动溢出效应是不对称的，股市对债市的波动影响要大于债市对股市的影响。这是因为，中国股市相对债券市场在市场流通性及效率上更为优先，股市的价格波动更快速体现了市场信息的变化，价格揭示充分，连续性较高，因此在信息流动、风险传递中它起主导作用。
（3）股市和债市动态相关性微弱，资源配置能力低下。
图3的相关系数虽然具有时变特征，但始终在零值附近频繁上下波动，说明股市和债市的相关性很弱，并且多次的正负号转换说明相关性的不稳定。而对比成熟的西方市场，在相同的经济基础下股市和债市波动会相互影响制约，资金能在这两个市场在自由流动，根据两者收益率水平的变化，投资者会不断调整投资组合方式，推动股市和债市价格的变化，因此两个市场相关性的变化能充分体现资源的有效配置及金融效率的提高。例如，Gulko[14] (2002)发现当股市进入熊市时，投资者会抛售股票购买债券，使得两者呈稳定负相关性。但是，我国金融制度不健全，市场存在严重的分割，例如债券市场主要分为银行间债券市场和交易所债券市场，它们在交易主体、交易品种等方面存在较大差异，这些都大大降低了市场的统一性，导致资金不能在有效市场下充分流动，金融效率低下，使得股票和债券不能体现它们在投融资上的“天然优势”，因此其动态相关系数变化频繁。
四 结论
本文构建的Full T-BEKK模型较好度量了中国股市和债市波动溢出效应及动态相关系数，深刻揭示了两者间的波动关系。本文的贡献之处在于：
第一，在方法上，引入MV-GARCH建立了股市和债市的波动模型，通过协方差序列来刻画两者的交互影响效果。
第二，目前多元GARCH模型的选择讨论很少，本文构造了距离D统计量来选择最优多元GARCH模型，实践表明T-BEKK模型比N-BEKK模型更优，因为它更好的体现了金融时序的尖峰厚尾等特征，这些结论和以往的[15]都是不同的。
第三，通过模型参数及动态相关系数图看到，中国股市和债市波动溢出效应具有明显时变特征，影响效果不显著，动态相关性微弱，说明了两个市场在资源配置能力、信息流动等方面和成熟市场相比存在明显的缺陷，因此要大力推进金融改革，促进两个市场的协调发展，扩大其连通程度。
参考文献：
[1] Shiller, R. J. and Baltratti, A. E. Stock Prices and Bond Yields: Can Their Comovements Be Explained in Terms of Present Value Models[J].Journal of Monetary Economics,1992, 30: 25-46. [2] Bossaerts, P, Common nonstationary components of asset prices[J].Journal of Economic Dynamics and Control,1988,12: 347-364.
[3] Campbell, J. Y. and Ammer, J. What Moves the Stock and Bond markets? A Variance Decomposition for Long-Term Asset Returns[J].Journal of Finance,1993, 48:3-37.
[4] Cappiello, L., Engle, R., & Sheppard, K. Asymmetric dynamics in the correlations of global equity and bond returns[R]. European Central Bank Working Paper Series.2003.
[5] Ilmanen, A. Stock-bond correlations[J]. Journal of Fixed Income.2003,13:55-66. [6] Jones, C. The changing nature of stock and bond volatility[J]. Financial Analysts Journal, 2004,60:100-113.
[7]William R. Stock and bond market interaction: Does momentum spill over?[J] . Journal of Financial Economics,2005, 75:651–690.
[8]James M. Steeley.Volatility transmission between stock and bond markets[J]. Int. Fin. Markets, Inst. and Money,2006, 16: 71–86.
[9] 李倩.债市与股市呈现―跷跷板‖效应. 2006, 6月12日,金融时报[N].
[10] Bollerslev T, Engle RF, Wooldridge JM. A capital asset pricing mode1 with time varying covariances[J]. Journal of Political Economy,1988, 96: 116–131.
[11] Engle R, Kroner FK. Multivariate simultaneous generalized ARCH[J]. Econometric Theory,1995,11: 122–150.
[12] Luc Bauwens. MULTIVARIATE GARCH MODELS: A SURVEY[R].2003,31.
[13] 蒋序怀.当前资本市场的风险传导机制—基于传染效应的实证分析[J].财经科学,2006,
2:16-24.
[14] Gulko, L. Decoupling. Journal of Portfolio Management[J],2002, 28: 59-67. [15] 赵留彦等. A、B股之间的信息流动与波动溢出[J].金融研究,2003,10:37-52.
作者介绍：
王 璐：男，1979年生，汉族，四川乐山人。现为西南财经大学统计学院博士生。主要研
究方向：金融数量分析、决策分析等。
通讯地址：（610000）成都西南交通大学数学系， Email:wiwilwang@163.com 电话：13084410709