在經(jīng)濟全球化、國際金融一體化進程不斷加快的國際背景下,我國金融市場越來越融入世界金融體系之中。2017年7月第五次全國金融工作會議召開以來,我國金融市場對外開放的節(jié)奏和步伐逐漸清晰。與此同時,金融風險的傳遞也隨著新業(yè)態(tài)、新機構(gòu)、新產(chǎn)品的加速發(fā)展正呈現(xiàn)出跨市場、跨行業(yè)、跨區(qū)域、跨境的發(fā)展趨勢。習近平總書記強調(diào),金融是國家重要的核心競爭力,金融安全是國家安全的重要組成部分。在風險疊加和結(jié)構(gòu)轉(zhuǎn)型的當下,研究國際股票市場的風險傳染效應(yīng)對于在嚴監(jiān)管格局下完成金融業(yè)穩(wěn)增長、促改革、防風險的“主線任務(wù)”具有非常重要的理論和現(xiàn)實意義。因此,本文在對風險傳染及其檢驗方法的國內(nèi)外研究成果進行梳理和評價的基礎(chǔ)上,結(jié)合我國經(jīng)濟金融發(fā)展階段特點,選擇了股票市場作為代表性的金融市場,并選取1990年以來我國、英國、美國、法國、日本等8個國家和地區(qū)的具有典型代表性的股票市場指數(shù)作為研究樣本,運用GARCH模型對單個股票市場波動率進行擬合,運用多元GARCH族模型對各個股票市場之間的關(guān)聯(lián)性進行擬合,構(gòu)建適用于分析國際股票市場風險傳染效應(yīng)的GARCH-Co Va R模型框架,對其各自的波動特征和彼此的風險關(guān)聯(lián)性進行實證檢驗,實證檢驗了7個代表性境外證券市場國外股票市場對我國股票市場風險傳染的顯著性。研究結(jié)果可以衡量不同國家金融子市場之間的傳染效應(yīng),同時也證明了GARCH-Co Va R模型在測度系統(tǒng)性風險和風險溢出方面的有效性。基于此,對金融監(jiān)管當局提出政策建議:根據(jù)發(fā)展階段的內(nèi)在條件,有序推進資本市場開放;密切關(guān)注國際金融市場,構(gòu)建宏觀審慎監(jiān)管框架;積極增強國際監(jiān)管合作,提高跨區(qū)域市場風險監(jiān)測能力;加強現(xiàn)期貨市場統(tǒng)一管理,發(fā)揮股指期貨風險緩釋器作用。
【學位單位】：吉林大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F831.51
【部分圖文】：

第 4 章 實證結(jié)果和分析利用 Q-Q 圖這樣一種有效的檢驗樣本的統(tǒng)計圖形技術(shù)，可以直觀展現(xiàn)殘差分布與有偏 t 分布的相近度。在 Q-Q 圖上，被檢驗的數(shù)據(jù)如果符合事先設(shè)定的分布，代表數(shù)據(jù)的點就會落在一條直線上。圖 4.1 到圖 4.8 給出各個股票指數(shù)殘差的有偏 t 分布 Q-Q 圖。觀察可知，標準化殘差的分布與有偏 t 分布較為接近，大多數(shù)的股票指數(shù)的殘差點都落在了直線上，除了巴黎 CAC 下尾和日經(jīng) 225 指數(shù)的上尾，其他指數(shù)的尾部分布情況也都與有偏 t 分布保持了高度的統(tǒng)一性，這說明有偏 t 分布有效擬合了股票指數(shù)殘差分布所具有的“尖峰厚尾”的特征。

第 4 章 實證結(jié)果和分析利用 Q-Q 圖這樣一種有效的檢驗樣本的統(tǒng)計圖形技術(shù)，可以直觀展現(xiàn)殘差分布與有偏 t 分布的相近度。在 Q-Q 圖上，被檢驗的數(shù)據(jù)如果符合事先設(shè)定的分布，代表數(shù)據(jù)的點就會落在一條直線上。圖 4.1 到圖 4.8 給出各個股票指數(shù)殘差的有偏 t 分布 Q-Q 圖。觀察可知，標準化殘差的分布與有偏 t 分布較為接近，大多數(shù)的股票指數(shù)的殘差點都落在了直線上，除了巴黎 CAC 下尾和日經(jīng) 225 指數(shù)的上尾，其他指數(shù)的尾部分布情況也都與有偏 t 分布保持了高度的統(tǒng)一性，這說明有偏 t 分布有效擬合了股票指數(shù)殘差分布所具有的“尖峰厚尾”的特征。

分布與有偏 t 分布的相近度。在 Q-Q 圖上，被檢驗的數(shù)據(jù)如果符合事先設(shè)定的分布，代表數(shù)據(jù)的點就會落在一條直線上。圖 4.1 到圖 4.8 給出各個股票指數(shù)殘差的有偏 t 分布 Q-Q 圖。觀察可知，標準化殘差的分布與有偏 t 分布較為接近，大多數(shù)的股票指數(shù)的殘差點都落在了直線上，除了巴黎 CAC 下尾和日經(jīng) 225 指數(shù)的上尾，其他指數(shù)的尾部分布情況也都與有偏 t 分布保持了高度的統(tǒng)一性，這說明有偏 t 分布有效擬合了股票指數(shù)殘差分布所具有的“尖峰厚尾”的特征。圖 4.1：道瓊斯工業(yè)指數(shù)殘差 Q-Q 圖 圖 4.2：富時 100 指數(shù)殘差 Q-Q 圖
【參考文獻】

相關(guān)期刊論文 前10條

1 張東祥;裴沙莎;劉英順;;中美股債市場溢出效應(yīng)研究——基于非線性Granger和LM-GARCH模型的實證檢驗[J];商業(yè)經(jīng)濟研究;2015年34期

2 王婧伊;解怡萌;陳芳琪;;GARCH模型與EGARCH模型的深股波動率特征分析比較[J];科技展望;2015年31期

3 智毓賢;姚舜;陳作章;;基于GARCH族模型對我國滬深股市在險價值(VaR)的實證分析[J];無錫商業(yè)職業(yè)技術(shù)學院學報;2015年05期

4 焦子豪;王安琪;;基于Copula函數(shù)對不同股票市場關(guān)聯(lián)度分析[J];時代金融;2015年21期

5 柴尚蕾;;金融危機期間跨市場波動風險預(yù)警的遺漏——跨境期現(xiàn)貨市場間波動溢出[J];系統(tǒng)工程;2015年06期

6 宗欽原;申建平;;基于M-Copula-EGARCH-M-GED模型的相關(guān)風險度量及投資組合優(yōu)化[J];重慶理工大學學報(社會科學);2015年02期

7 張妮;楊一文;;基于Copula理論的宏觀經(jīng)濟與股票市場相關(guān)性研究[J];價值工程;2014年33期

8 韓寶燕;;Copula函數(shù)在金融市場組合風險中的相關(guān)性研究[J];科技信息;2014年15期

9 蔣濤;田甜;康弘;;基于copula-CAViaR模型的股票市場風險分析[J];經(jīng)濟論壇;2012年10期

10 易文德;;基于ARMA-GARCH-COUPULA模型的交易量與股價波動相依關(guān)系[J];系統(tǒng)管理學報;2012年05期

本文編號：2863183