基于ARFIMA睩IAPARCH睲Copula的亞洲新興股市聯(lián)動效應(yīng)研究

李川 賀瑩 林宇

摘要：為了研究亞洲新興股市之間的聯(lián)動效應(yīng)，運用ARFIMA-FIAPARCH模型刻畫亞洲新興股市收益率的邊緣分布特征，進而結(jié)合由Clayton Copula、Gumbel Copula與Frank Copula構(gòu)成的混合Copula函數(shù)對亞洲主要新興股市之間的聯(lián)動結(jié)構(gòu)進行建模。研究結(jié)果表明：中國股市中的長記憶特征非常顯著，對歷史信息的反應(yīng)尤為緩慢；中國股市僅與韓國股市、新加坡股市的聯(lián)系較為緊密，存在風險相互傳染的可能；而韓國股市、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)動程度更高，股市之間存在較為明顯的風險傳染效應(yīng)。

關(guān)鍵詞：亞洲新興股市；聯(lián)動效應(yīng)；混合Copula；風險傳染

中圖分類號： F830.91文獻標志碼： A 文章編號：16720539（2014）05004309

近年來，亞洲新興金融市場紛紛加快了市場開放的步伐。雖然隨之涌入的國際資本能優(yōu)化金融市場結(jié)構(gòu)，但脆弱的新興金融市場體系為國際資本的過度投機行為提供了可乘之機，而過度的投機行為又極易引發(fā)風險事件。更為危險的是，金融市場之間的聯(lián)動效應(yīng)會將風險迅速傳染到周邊新興金融市場，而新興金融市場往往缺乏吸納和轉(zhuǎn)移外部風險的能力。所以，一旦這些金融市場感染外部風險，風險便會不斷累積，從而引發(fā)大規(guī)模的金融動蕩。因而，要切實做好維護經(jīng)濟安全和防范金融市場風險傳染，就必須深入探討金融市場之間的聯(lián)動效應(yīng)。

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

基于以上認識與分析，本文引入ARFIMA-FIAPARCH模型刻畫金融時間序列的邊緣分布，并結(jié)合MCopula函數(shù)探討亞洲新興金融市場之間的非線性聯(lián)動效應(yīng)問題，在為進一步研究金融市場聯(lián)動特征提供實證依據(jù)的同時，也為金融風險管理部門防范金融市場風險傳染提供決策借鑒。

一、金融市場聯(lián)動效應(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)的金融市場聯(lián)動結(jié)構(gòu)建模方法

（三）金融市場聯(lián)動結(jié)構(gòu)模型的可靠性檢驗方法

二、實證研究與分析

（一）樣本選取以及描述性統(tǒng)計

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

（三）基于MCopula函數(shù)的金融市場聯(lián)動效應(yīng)分析

（四）金融市場之間聯(lián)動結(jié)構(gòu)模型的可靠性檢驗結(jié)果

三、結(jié)論

參考文獻：

[1]韋艷華，齊樹天.亞洲新興市場危機傳染問題研究[J].國際金融研究，2008，（9）：22-29.

[2]龔樸，黃榮兵.次貸危機對中國股市影響的實證分析——基于中美股市的聯(lián)動性分析[J].管理評論，2009，（2）：21-32.

[3]王永巧，劉詩文.基于時變Copula的金融開放與風險傳染[J].系統(tǒng)工程理論與實踐，2011，（4）：778-784.

[4]吳吉林，操君.中國A、B、H股間市場一體化進程研究——基于SKEWED-T-GJR-COPULA方法的實證檢驗[J].南方經(jīng)濟，2011，（5）：43-54.

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

[6]黃在鑫，覃正.中美主要金融市場相關(guān)結(jié)構(gòu)風險傳導(dǎo)路徑研究[J]，國際金融研究，2012，（5）：74-82.

[7]謝赤，張鵬，曾志堅.開放進程中人民幣匯率間相依性研究——基于動態(tài)Copula-GJR-t模型的分析[J].金融經(jīng)濟學(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.