中美國(guó)債市場(chǎng)溢出效應(yīng)研究
——基于集合經(jīng)驗(yàn)?zāi)B(tài)分解

閆樹熙，劉 偉

（1.榆林學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，陜西 榆林 719000；2.西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061）

【統(tǒng)計(jì)應(yīng)用研究】

中美國(guó)債市場(chǎng)溢出效應(yīng)研究
——基于集合經(jīng)驗(yàn)?zāi)B(tài)分解

閆樹熙1，劉 偉2

（1.榆林學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，陜西 榆林 719000；2.西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061）

集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）是目前國(guó)際公認(rèn)的可以有效處理非平穩(wěn)非線性時(shí)間序列的方法。在中美融合不斷加深的背景下，首次將該方法用于中美國(guó)債指數(shù)的分解，篩選出的低頻分量及趨勢(shì)項(xiàng)能夠有效表征原始序列。基于此建立了二元VAR-GARCH-BEKK模型，從均值與波動(dòng)兩個(gè)維度考證了中美國(guó)債市場(chǎng)的溢出效應(yīng)，結(jié)果發(fā)現(xiàn)：面對(duì)重大事件及經(jīng)濟(jì)政策的沖擊，兩國(guó)國(guó)債之間表現(xiàn)出雙向的均值溢出，但影響程度不對(duì)等，美國(guó)對(duì)中國(guó)的溢出相對(duì)較強(qiáng)，而波動(dòng)溢出效應(yīng)則是對(duì)稱的；國(guó)債市場(chǎng)長(zhǎng)期運(yùn)行過(guò)程中，兩國(guó)具有雙向的波動(dòng)溢出，但僅存在美國(guó)對(duì)中國(guó)的單向均值溢出。中國(guó)應(yīng)進(jìn)一步完善國(guó)債市場(chǎng)交易機(jī)制，豐富國(guó)債交易品種，加強(qiáng)金融市場(chǎng)監(jiān)管等，來(lái)有效對(duì)沖美國(guó)市場(chǎng)對(duì)中國(guó)的溢出效應(yīng)，防范與化解系統(tǒng)性風(fēng)險(xiǎn)。

集合經(jīng)驗(yàn)；模態(tài)分解；國(guó)債市場(chǎng)；溢出效應(yīng)

一、引 言

金融市場(chǎng)上的溢出效應(yīng)，是指由于貿(mào)易投資的基本面因素、“羊群效應(yīng)”的行為范式及信息傳遞的啟發(fā)式準(zhǔn)則等引起的不同金融產(chǎn)品價(jià)格或市場(chǎng)之間的同步漲跌或波動(dòng)現(xiàn)象。伴隨著世界經(jīng)濟(jì)一體化與金融全球化步伐的持續(xù)加快，金融溢出效應(yīng)越來(lái)越呈現(xiàn)出跨市場(chǎng)和跨品種的傳播與蔓延。就一國(guó)資本市場(chǎng)來(lái)說(shuō)，來(lái)自外部的溢出性是一把“雙刃劍”，具有典型的雙重屬性。一方面，適度的外部資本流入可以保證市場(chǎng)充足的流動(dòng)性，同時(shí)能帶來(lái)先進(jìn)的投資理念甚至倒逼金融制度的不斷完善；但另一方面，過(guò)度、扭曲的溢出效應(yīng)往往沖擊金融市場(chǎng)的平穩(wěn)健康發(fā)展，甚至造成系統(tǒng)性風(fēng)險(xiǎn)，進(jìn)而致使危機(jī)的出現(xiàn)。近年來(lái)，作為世界經(jīng)濟(jì)總量前兩位的美國(guó)及中國(guó)不斷深化經(jīng)貿(mào)合作，新一屆中國(guó)政府提出全方位建設(shè)中美新型大國(guó)關(guān)系，可以預(yù)料中美未來(lái)各方面尤其是資本市場(chǎng)的互融互通會(huì)進(jìn)一步加深，這勢(shì)必對(duì)中國(guó)金融市場(chǎng)的建設(shè)與運(yùn)行產(chǎn)生重要影響。在這樣的背景下，研究中美資本市場(chǎng)之間的溢出效應(yīng)，其意義不言而喻。

股票市場(chǎng)市值規(guī)模大、機(jī)制相對(duì)成熟，一定程度可以代表資本市場(chǎng)的發(fā)展水平，因而長(zhǎng)期以來(lái)，國(guó)內(nèi)外學(xué)者針對(duì)不同階段中美股市間的溢出效應(yīng)進(jìn)行了系統(tǒng)性研究。陳守東等應(yīng)用協(xié)整分析和誤差修正模型實(shí)證分析了1992-2002年滬、深及美國(guó)等主要國(guó)家和地區(qū)股市之間的關(guān)系，結(jié)果發(fā)現(xiàn)中國(guó)股市與美國(guó)等市場(chǎng)相分離[1]；韓非和肖輝采用MA（q）-GARCH（1,1）-M框架、陳瀟和楊恩建立T（E）GARCH-G模型，分別研究了2000-2004年及2001-2010年的中美股市，所得結(jié)論均與陳守東等的結(jié)論相一致[2-3]。但是也有文獻(xiàn)得出截然相反的結(jié)果。游家興和鄭挺國(guó)基于非對(duì)稱M-GARCH模型，檢驗(yàn)了1991-2008年中國(guó)同美國(guó)等主要國(guó)際經(jīng)濟(jì)體股市之間的協(xié)同作用，發(fā)現(xiàn)在中國(guó)金融自由化政策逐漸推進(jìn)和穩(wěn)步深化的形勢(shì)下，中國(guó)同美國(guó)等市場(chǎng)的聯(lián)動(dòng)性越來(lái)越強(qiáng)[4]；西村友作通過(guò)EGARCH模型和CCF檢驗(yàn)法，考證了2000-2007年的中美股市的相依性，結(jié)果證實(shí)兩市間聯(lián)動(dòng)性的存在[5]；同樣結(jié)論的研究還有張兵、Luo等[6-7]。隨著中國(guó)金融體系的逐漸完善，學(xué)者們也對(duì)中美其他金融市場(chǎng)間的溢出性進(jìn)行了探索。馮濤和劉偉在次貸危機(jī)及歐債危機(jī)的疊加影響背景下，從收益率的視角探究了中國(guó)同歐盟及美國(guó)債券市場(chǎng)的關(guān)聯(lián)性，結(jié)果表明中國(guó)同歐美債券間不具有均值溢出，但存在雙向的波動(dòng)溢出[8]。李成等采用多元非對(duì)稱VAR-MVGARCH（1，1，1）-ABEKK模型，實(shí)證分析了次貸危機(jī)前后中美兩國(guó)利率的聯(lián)動(dòng)機(jī)制，發(fā)現(xiàn)二者之間存在顯著的波動(dòng)溢出，美國(guó)利率上升或下降對(duì)中國(guó)利率波動(dòng)以及中美利率協(xié)動(dòng)性的影響具有非對(duì)稱效應(yīng)，且危機(jī)以后中美利率聯(lián)動(dòng)程度進(jìn)一步加大[9]；劉威和吳宏的研究也證實(shí)了該結(jié)論[10]。

針對(duì)已有文獻(xiàn)，我們可以從三個(gè)方面來(lái)進(jìn)行梳理。第一，研究對(duì)象方面，關(guān)于中美資本市場(chǎng)的溢出效應(yīng)，學(xué)者們關(guān)注的焦點(diǎn)在于股票市場(chǎng)，先后從不同視角，采取多種實(shí)證方法就各個(gè)時(shí)期的聯(lián)動(dòng)性進(jìn)行了考證，且得出了較多富含建設(shè)性的結(jié)論，盡管這些結(jié)論并不一致。相比之下，涉及兩國(guó)間其他金融市場(chǎng)及產(chǎn)品，尤其對(duì)債券市場(chǎng)的研究較少。缺乏債券市場(chǎng)的相關(guān)研究，會(huì)使已有結(jié)果不夠全面，無(wú)法真正反映資本市場(chǎng)間的協(xié)同作用；第二，數(shù)據(jù)處理方面，已有文獻(xiàn)選取與加工指標(biāo)時(shí)，往往直接以原始收盤價(jià)或經(jīng)收盤價(jià)計(jì)算的收益率為研究對(duì)象，這是一種總量的數(shù)據(jù)采集。金融高頻時(shí)間序列的總量效應(yīng)表現(xiàn)為多種分量作用的綜合結(jié)果，可以從時(shí)域和頻域兩個(gè)維度進(jìn)行結(jié)構(gòu)分解。在不同階段，由于經(jīng)濟(jì)環(huán)境及政策的影響，序列總量的各分量未必有相同的外在表現(xiàn)，有時(shí)可能相悖，因而若不加以結(jié)構(gòu)分解，簡(jiǎn)單以總量數(shù)據(jù)來(lái)進(jìn)行實(shí)證研究，極有可能無(wú)法界定金融變量真實(shí)的傳導(dǎo)路徑，從而降低了結(jié)果的準(zhǔn)確性。第三，實(shí)證計(jì)量方面，絕大多數(shù)文獻(xiàn)都是從均值或波動(dòng)的單一維度來(lái)檢驗(yàn)市場(chǎng)間的溢出關(guān)系，很少?gòu)倪@兩個(gè)方面同時(shí)進(jìn)行研究。均值是指一階矩，是對(duì)統(tǒng)計(jì)對(duì)象的本質(zhì)規(guī)律的反映，而波動(dòng)是指二階矩，用以測(cè)度信息等外部因素變化導(dǎo)致對(duì)均值的偏離程度，因而單維檢驗(yàn)不能全面對(duì)產(chǎn)品及市場(chǎng)間的動(dòng)態(tài)傳遞效應(yīng)進(jìn)行綜合度量，可能致使結(jié)果有所偏頗。

基于上述考慮，為擴(kuò)展已有研究，本文擬從國(guó)債市場(chǎng)出發(fā)，首次將集合經(jīng)驗(yàn)?zāi)B(tài)分解方法用于中美國(guó)債市場(chǎng)指數(shù)，篩選出恰當(dāng)?shù)慕Y(jié)構(gòu)分量后，構(gòu)建二元VAR-GARCH-BEKK模型，同時(shí)從均值與波動(dòng)兩個(gè)層面來(lái)檢驗(yàn)中美債券市場(chǎng)的溢出效應(yīng)，以期探明中國(guó)國(guó)債是否或如何受到美國(guó)債券的影響，從而為管理層完善金融市場(chǎng)，以及防范系統(tǒng)性風(fēng)險(xiǎn)提供實(shí)證借鑒。

二、集合經(jīng)驗(yàn)?zāi)B(tài)分解概述

金融時(shí)間序列具有非平穩(wěn)的內(nèi)在特征，為了達(dá)到計(jì)量模型的要求，經(jīng)常不得不采取對(duì)數(shù)差分等形式變換，雖然一定程度上消除了非平穩(wěn)性，但也遺漏或改變了原始數(shù)據(jù)本身所蘊(yùn)含的相關(guān)信息，只能是一種次優(yōu)的處理方式。一種新的工程領(lǐng)域信號(hào)分析方法——經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，簡(jiǎn)稱EMD），在處理非平穩(wěn)時(shí)間序列時(shí)卻具有很大的優(yōu)越性，被國(guó)際公認(rèn)為對(duì)以線性平穩(wěn)為前提條件的傅里葉分析及小波變換等傳統(tǒng)時(shí)頻分析規(guī)則的重大突破[11]。它無(wú)需對(duì)原始序列先驗(yàn)處理，可直接自適應(yīng)且完備地分解數(shù)據(jù)，真正做到了讓數(shù)據(jù)自己說(shuō)話。EMD最早由Huang等于1998年設(shè)計(jì)出并開始用于工程領(lǐng)域數(shù)據(jù)分析，且在2003年將其引入金融計(jì)算，基于其強(qiáng)大的自適應(yīng)提取不同頻譜分量的功能，來(lái)深入挖掘非線性非平穩(wěn)時(shí)間序列的內(nèi)在波動(dòng)規(guī)律[12-13]。

EMD處理數(shù)據(jù)的原理可以表述為：它經(jīng)過(guò)一系列的迭代篩選過(guò)程，從原始數(shù)據(jù)中分解出若干不同頻率的固有模態(tài)函數(shù)（Intrinsic Mode Function，簡(jiǎn)稱IMF）和一個(gè)趨勢(shì)項(xiàng)，其中不同的IMF揭示了序列本質(zhì)的不同波動(dòng)特征，趨勢(shì)項(xiàng)反映了序列固有的內(nèi)在長(zhǎng)期運(yùn)行軌跡。分解得到的IMFs須同時(shí)符合兩個(gè)要求：一是總體序列的極值點(diǎn)及零值點(diǎn)數(shù)量相等或不超過(guò)一個(gè)，二是由局部極值點(diǎn)確定的上下包絡(luò)線的均值為零。

EMD的算法簡(jiǎn)析如下：第一步，用三次樣條法將原始時(shí)間序列x（t）的局部極值點(diǎn)依次連起來(lái)形成序列上下包絡(luò)線，然后求出其平均包絡(luò)線序列m1（t），有m1（t）=（Max（t）+Min（t））/2；第二步，從原序列x（t）中去除掉平均包絡(luò)線m1（t）得到一個(gè)不包含低頻數(shù)據(jù)的新序列，有h1（t）=x（t）-m1（t）；第三步，若新序列h1（t）符合IMF的兩個(gè)要求，則將其視為分解得到的第一個(gè)IMF，有c1（t）=h1（t），否則，對(duì)h1（t）重復(fù)前兩步的操作直至滿足要求；第四步，將生成的新序列r1（t）作為新的原始序列重復(fù)以上操作，順次得到第2、第3直到第n個(gè)IMF，記為cn（t），這里有r1（t）=x（t）-c1（t）。IMF的個(gè)數(shù)，可由連續(xù)兩個(gè)分解結(jié)果之間的標(biāo)準(zhǔn)差的大小來(lái)判定，當(dāng)cn（t）小于一個(gè)預(yù)設(shè)值或剩余部分是一個(gè)單調(diào)的序列時(shí)，整個(gè)篩選過(guò)程結(jié)束。對(duì)于該點(diǎn)，實(shí)際計(jì)量過(guò)程中，可通過(guò)判斷按順序分解得到的IMF的均值是否顯著不為零來(lái)實(shí)現(xiàn)。由于整個(gè)分解過(guò)程IMF的濾出順序是由短周期到長(zhǎng)周期即從高頻到低頻，因而當(dāng)?shù)趇個(gè)IMF的均值顯著不為零，則可以判斷出之前的所有IMF均為高頻函數(shù)，相應(yīng)的包括第i個(gè)及后面的IMF均為低頻函數(shù)。于是，最終通過(guò)這樣的頻帶分解過(guò)程將原始時(shí)間序列分解為高頻、低頻與趨勢(shì)項(xiàng)三個(gè)子序列。根據(jù)不同分量的自身特征及對(duì)原始序列的貢獻(xiàn)度，就可以揭示出原始序列的真實(shí)規(guī)律以及能夠準(zhǔn)確客觀表征原始序列的結(jié)構(gòu)分量，從而可以選擇恰當(dāng)?shù)淖有蛄羞M(jìn)行針對(duì)性的有效研究。

但是通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解，容易造成同一個(gè)IMF是由若干個(gè)不同周期的時(shí)間序列匯聚的結(jié)果，相應(yīng)的也會(huì)有相近周期的序列反而分散在不同的IMF中，致使結(jié)構(gòu)分解的物理意義不夠清晰，即“模態(tài)混疊”[11]。另外“端點(diǎn)效應(yīng)”問(wèn)題也較為突出（具體內(nèi)容省略，詳見(jiàn)Wu和Huang的研究成果[14]）。針對(duì)這些缺陷，Wu和Huang通過(guò)給原始序列加入白噪聲，在EMD方法的基礎(chǔ)上發(fā)展出了集合經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition，簡(jiǎn)稱EEMD），做出了較好的改進(jìn)。EEMD方法的原理是基于白噪聲的頻率均勻分布的統(tǒng)計(jì)學(xué)特點(diǎn)，將其加入原始序列后，使得原序列的極值點(diǎn)有所變化，進(jìn)一步保證了不同頻率的連續(xù)，促進(jìn)抗混分解，減少模態(tài)混雜。EEMD的算法同上述關(guān)于EMD的算法高度類似，既有文獻(xiàn)已有相關(guān)概括。

三、基于EEMD的中美國(guó)債市場(chǎng)走勢(shì)分析

從短、中、長(zhǎng)期的期限結(jié)構(gòu)角度，政府債券一般包括3月、6月、1年、2年、3年、5年、10年甚至30年和50年等諸多種類，相應(yīng)有各自的交易收盤指數(shù)，然據(jù)此進(jìn)行實(shí)證檢驗(yàn)往往只能針對(duì)特定期限的國(guó)債市場(chǎng)，無(wú)法從總體上進(jìn)行考量。有鑒于此，本文選取金融時(shí)報(bào)政府債券指數(shù)，該指數(shù)由英國(guó)《金融時(shí)報(bào)》結(jié)合各國(guó)政府債券的種類、規(guī)模及期限等因素進(jìn)行加權(quán)計(jì)算編制得出，測(cè)度了各國(guó)政府債券每個(gè)交易日的變化，在全球范圍內(nèi)具有重要影響。研究時(shí)限從次貸危機(jī)至當(dāng)前，即2008年1月2日至2015年1月2日，扣除掉節(jié)假日及不重疊的交易日，樣本包括中美2組共計(jì)3 560個(gè)數(shù)據(jù)。

表1 中美國(guó)債指數(shù)的描述性統(tǒng)計(jì)

注：***表示統(tǒng)計(jì)量在1%的水平下顯著。

表1列示了中美兩國(guó)國(guó)債指數(shù)的統(tǒng)計(jì)特征?？梢园l(fā)現(xiàn)，美國(guó)國(guó)債指數(shù)無(wú)論是均值、中值還是最大值或最小值均高于中國(guó)國(guó)債指數(shù)，且其波動(dòng)性也較高；兩國(guó)國(guó)債指數(shù)偏度系數(shù)為正，二者分布有長(zhǎng)的右拖尾，即右偏；中國(guó)國(guó)債指數(shù)的峰度大于3，美國(guó)國(guó)債指數(shù)小于3，說(shuō)明二者分布的凸起程度分別大于和小于標(biāo)準(zhǔn)正態(tài)分布；JB統(tǒng)計(jì)量較大也表明在1%的顯著性水平下，拒絕兩國(guó)國(guó)債指數(shù)序列正態(tài)分布的原假設(shè)。這些充分說(shuō)明中美國(guó)債指數(shù)的分布具有高頻金融數(shù)據(jù)典型的非正態(tài)特性；兩個(gè)指數(shù)序列的ADF統(tǒng)計(jì)量絕對(duì)值小于10%顯著性水平下的臨界值，說(shuō)明兩序列為非平穩(wěn)序列，可以使用EEMD方法進(jìn)行結(jié)構(gòu)分解。

為了更直觀地展現(xiàn)中美兩國(guó)國(guó)債市場(chǎng)的運(yùn)行情況，圖1描述了考察期內(nèi)二者的變化態(tài)勢(shì)，可以發(fā)現(xiàn)，雙方保持著較為同步的長(zhǎng)期走勢(shì)，從2008年次貸危機(jī)爆發(fā)至2013年4月，這一期間中美國(guó)債市場(chǎng)較為平穩(wěn)，而從2013年4月至今，兩國(guó)走出了高度一致的巨幅震蕩行情。下面通過(guò)EEMD來(lái)進(jìn)一步剖析二者的內(nèi)在結(jié)構(gòu)特征。

圖1 中美國(guó)債市場(chǎng)走勢(shì)

圖2描述了基于EEMD的中美國(guó)債市場(chǎng)的結(jié)構(gòu)分量走勢(shì)圖，從中可以看出，經(jīng)過(guò)頻帶分解，中美國(guó)債均包含9個(gè)模態(tài)函數(shù)和1個(gè)趨勢(shì)項(xiàng)。二者依次分解出的IMFs的振幅隨著周期從短期向長(zhǎng)期（即波動(dòng)頻率從高頻向低頻）的增大而逐漸擴(kuò)展，尤其最后1個(gè)分解單元——趨勢(shì)項(xiàng)r完全呈緩慢的單調(diào)遞增的變化，體現(xiàn)了中美兩國(guó)國(guó)債市場(chǎng)的長(zhǎng)期發(fā)展趨勢(shì)。

圖2 基于EEMD的中美國(guó)債結(jié)構(gòu)分量走勢(shì)

為了更好地揭示中美國(guó)債市場(chǎng)的時(shí)頻變化，從以下三個(gè)方面來(lái)對(duì)經(jīng)過(guò)EEMD得到的分解結(jié)果做出具體分析：1.均值。各IMF的均值測(cè)度了相應(yīng)分量的長(zhǎng)期變化及對(duì)整體的平均貢獻(xiàn)度。2.相關(guān)系數(shù)。用各IMF和原始序列的相關(guān)系數(shù)來(lái)測(cè)度各分量同整體的相關(guān)程度；同時(shí)，為了保證結(jié)果的穩(wěn)健性，我們進(jìn)一步對(duì)中美兩國(guó)國(guó)債分解得出的對(duì)應(yīng)IMF進(jìn)行相關(guān)性檢驗(yàn)。3.方差占比。各IMF的方差與分解后的總方差的比例反映各分量對(duì)原始序列波動(dòng)幅度的貢獻(xiàn)度。需要說(shuō)明的是，各IMF的方差之和同初始序列的方差并不相等，原因在于初始序列的非線性及在分解過(guò)程中對(duì)其施加了三次樣條法的結(jié)束條件[15]。具體分解結(jié)果如表2。

表2 基于EEMD的中美國(guó)債固有模態(tài)函數(shù)IMFs及趨勢(shì)項(xiàng)r分析

注：1.*、**及***分別表示在10%、5%及1%的水平下顯著，下同；2.各數(shù)據(jù)基本取了小數(shù)點(diǎn)后三位，與真實(shí)數(shù)據(jù)有極微小出入。

觀察表2，對(duì)中美國(guó)債分解得到的兩組分量的均值都是從第6個(gè)分量起顯著不為零，從而根據(jù)EEMD的算法原理可判斷出前5個(gè)IMF屬于高頻分量，后4個(gè)IMF為低頻分量，趨勢(shì)項(xiàng)r為獨(dú)立分量。從經(jīng)濟(jì)學(xué)意義講，高頻分量因振幅偏小，周期較短，主要反映了金融時(shí)間序列所蘊(yùn)含的一般信息，體現(xiàn)了債券指數(shù)的隨機(jī)非均衡波動(dòng)，傳遞給投資者有關(guān)債券市場(chǎng)短期的表面信號(hào)；低頻分量因周期相對(duì)較長(zhǎng)以及波幅較大，往往能對(duì)初始序列進(jìn)行較為直觀的刻畫，主要表征了債券市場(chǎng)對(duì)于重大經(jīng)濟(jì)政策及突發(fā)事件沖擊的響應(yīng)；而趨勢(shì)項(xiàng)因其運(yùn)行軌跡變化緩慢，且在長(zhǎng)期中呈現(xiàn)單調(diào)遞增態(tài)勢(shì)，體現(xiàn)了金融時(shí)間序列中較為穩(wěn)定的信息，反映了初始序列的內(nèi)在本身特征變化規(guī)律（如圖3所示，考察期兩國(guó)國(guó)債走勢(shì)均圍繞趨勢(shì)項(xiàng)上下波動(dòng)），長(zhǎng)期看可作為債券市場(chǎng)的核心構(gòu)成部分，對(duì)投資者判斷債券市場(chǎng)現(xiàn)時(shí)及未來(lái)行情意義重大。就不同的結(jié)構(gòu)分量，已有文獻(xiàn)指出高頻分量一般不是分析的重點(diǎn)，研究往往聚焦于低頻分量和趨勢(shì)項(xiàng)[16]。本文是否遵循該判斷，我們需進(jìn)一步討論。表2中兩組分量由高頻向低頻被依次篩選出，相應(yīng)的其與原始序列的相關(guān)系數(shù)逐漸遞增，其中趨勢(shì)項(xiàng)與原始序列的相關(guān)性最高，分別為0.897和0.752，低頻分量稍次之，但也遠(yuǎn)高于高頻分量；高頻分量的方差占比極小，合計(jì)均在6%左右，低頻分量的方差占比明顯上升，合計(jì)分別達(dá)到54%和41%，趨勢(shì)項(xiàng)的方差占比最高，分別為40%和53%。

圖3 中美國(guó)債總量及結(jié)構(gòu)分量走勢(shì)

因此，經(jīng)過(guò)上述定性與定量分析，可以認(rèn)為低頻分量與趨勢(shì)項(xiàng)能夠較好地代表國(guó)債市場(chǎng)的基本走勢(shì)，即能夠較為準(zhǔn)確地反映國(guó)債市場(chǎng)行情。與此相對(duì)應(yīng)，表2中最后一列給出了中美國(guó)債兩組結(jié)構(gòu)分量之間的相關(guān)系數(shù)，同樣可以看出，高頻分量之間相關(guān)性較低（基本低于0.5），而低頻分量之間相關(guān)性較高（0.76～0.89），趨勢(shì)項(xiàng)之間相關(guān)性最高（0.957），說(shuō)明兩國(guó)國(guó)債市場(chǎng)可能存在的溢出效應(yīng)基本由各自的低頻分量和趨勢(shì)項(xiàng)之間的關(guān)系所呈現(xiàn)。這也在某種程度上給出了上述判斷的穩(wěn)健性支持。此外，從微觀投資的角度看，國(guó)債市場(chǎng)不同于股票市場(chǎng)，后者因頻繁遭受內(nèi)外部諸如公司經(jīng)營(yíng)狀況及多空力量等因素影響而致使股價(jià)易于波動(dòng)，但往往是短期波動(dòng)，而對(duì)于國(guó)債的投資更多是對(duì)主權(quán)國(guó)家信譽(yù)、政府經(jīng)濟(jì)制度及貨幣幣值等的關(guān)注與考量，由于這些因素一般通過(guò)中長(zhǎng)期來(lái)反映，自然同樣會(huì)將研究的焦點(diǎn)集中到低頻分量與趨勢(shì)項(xiàng)上來(lái)。因此，下面就從低頻分量及趨勢(shì)項(xiàng)出發(fā)，來(lái)考證中美兩國(guó)國(guó)債市場(chǎng)之間的溢出效應(yīng)。

四、從均值和波動(dòng)的雙重檢驗(yàn)看中美國(guó)債市場(chǎng)溢出效應(yīng)

（一）模型構(gòu)建

本文在向量自回歸（VAR）模型的基礎(chǔ)上，通過(guò)對(duì)回歸方程的殘差項(xiàng)進(jìn)行進(jìn)一步的波動(dòng)檢驗(yàn)（GARCH），旨在從均值及波動(dòng)兩個(gè)層面來(lái)考證中美國(guó)債市場(chǎng)的關(guān)聯(lián)性，因而構(gòu)建了一個(gè)二元VAR-GARCH-BEKK模型。

1．均值溢出。對(duì)于多個(gè)經(jīng)濟(jì)變量的計(jì)量研究，傳統(tǒng)的聯(lián)立方程結(jié)構(gòu)性方法以經(jīng)濟(jì)理論為基礎(chǔ)來(lái)描述，但通常無(wú)法具體反映多個(gè)變量之間的動(dòng)態(tài)關(guān)系，尤其是允許內(nèi)生變量可以同時(shí)出現(xiàn)在方程的左右兩端，導(dǎo)致系數(shù)估計(jì)與方程預(yù)測(cè)極為復(fù)雜，而向量自回歸（VAR）模型很好地解決了這一問(wèn)題。

以CB和UB分別代表中美國(guó)債，限于篇幅，這里不對(duì)VAR模型的基本形式作出描述，直接給出本文所用的具體模型：

（1）

式（1）中，系數(shù)α、β分別表示中美國(guó)債對(duì)自身及對(duì)方市場(chǎng)的均值溢出影響，可通過(guò)參數(shù)t檢驗(yàn)來(lái)判斷其顯著性。

2.波動(dòng)溢出。傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)一般假定時(shí)間序列模型的隨機(jī)擾動(dòng)項(xiàng)的方差（即序列的波動(dòng)）較為穩(wěn)定，僅僅存在序列相關(guān)問(wèn)題，但后來(lái)研究發(fā)現(xiàn)擾動(dòng)項(xiàng)方差與時(shí)間變化有關(guān)并依賴于過(guò)去時(shí)期誤差的大小，具有條件異方差性。自回歸條件異方差（ARCH）模型與廣義自回歸條件異方差（GARCH）模型考慮到了擾動(dòng)項(xiàng)方差不一致帶給模型的影響，且后者保證了條件方差的非負(fù)性。基于一元GRACH模型基礎(chǔ)上的多元GARCH模型可以度量多個(gè)變量之間的波動(dòng)性關(guān)系，關(guān)注不同市場(chǎng)之間的風(fēng)險(xiǎn)傳遞情況，眾多的GARCH族模型中，BEKK模型可以保證由均值方程殘差項(xiàng)構(gòu)成的條件方差方程的方差-協(xié)方差矩陣正定，而且方差方程待估參數(shù)個(gè)數(shù)較少，因此，本文選擇BEKK（1,1）模型來(lái)作為波動(dòng)溢出效應(yīng)的檢驗(yàn)方法。

首先，構(gòu)建如下模型：

（2）

將上述元素帶入模型（2），展開即得到h11,t（中國(guó)）和h22,t（美國(guó)）國(guó)債市場(chǎng)的條件方差方程*展開共有4個(gè)方程，本文的焦點(diǎn)在于判斷中美兩國(guó)國(guó)債之間的相互波動(dòng)影響，因而只需關(guān)注h11,t和h22,t。，這里僅分析h11,t的影響因素及假設(shè)檢驗(yàn)，h22,t同樣適用。

（二）實(shí)證分析

1.平穩(wěn)性檢驗(yàn)。由于VAR模型建立在變量平穩(wěn)的基礎(chǔ)上，因此我們先對(duì)中美國(guó)債相關(guān)序列進(jìn)行單位根（ADF）檢驗(yàn)，結(jié)果如表3所示。從表中可以看出，盡管中美兩國(guó)國(guó)債的原始時(shí)間序列非平穩(wěn)，但兩組低頻分量及趨勢(shì)項(xiàng)皆為平穩(wěn)序列 ，從而可以展開實(shí)證。

表3 中美國(guó)債總量及各分量的ADF單位根檢驗(yàn)

注：ADF的檢驗(yàn)形式（是否包含截距項(xiàng)或趨勢(shì)項(xiàng)）及滯后期的選擇由實(shí)證軟件系統(tǒng)默認(rèn)。

2.均值溢出檢驗(yàn)。經(jīng)過(guò)反復(fù)實(shí)驗(yàn)，發(fā)現(xiàn)分別對(duì)低頻分量CBDt與UBDt及趨勢(shì)項(xiàng)CBQt與UBQt建立滯后2期的VAR模型時(shí)*由于低頻分量各有4個(gè)，本文進(jìn)行檢驗(yàn)時(shí)為了不失一般性，分別以兩組低頻分量的平均值作為實(shí)證標(biāo)的，且為了確保結(jié)果具有穩(wěn)健性，我們同時(shí)做了各低頻分量間的VAR模型，估計(jì)結(jié)果發(fā)現(xiàn)系數(shù)方向均保持一致，數(shù)值略有微小出入，不影響結(jié)論的準(zhǔn)確性。，赤池信息和施瓦茨信息的數(shù)值均最小，同時(shí)，特征根檢驗(yàn)顯示兩組根的倒數(shù)皆位于單位圓之內(nèi)，說(shuō)明模型具有穩(wěn)定性（滯后期選擇及特征根檢驗(yàn)詳細(xì)過(guò)程未列示），因此，VAR（2）模型為最優(yōu)選擇，結(jié)果見(jiàn)表4。

表4 低頻分量CBDt與UBDt及趨勢(shì)項(xiàng)CBQt與UBQt的VAR（2）模型估計(jì)結(jié)果

表4表明，中美兩國(guó)國(guó)債低頻分量的VAR模型及趨勢(shì)項(xiàng)的VAR模型估計(jì)系數(shù)均高度顯著，且可決系數(shù)R2近乎為1，說(shuō)明兩個(gè)均值溢出檢驗(yàn)?zāi)Ｐ偷臄M合度非常優(yōu)秀。從低頻分量來(lái)看，面對(duì)重大經(jīng)濟(jì)決策及異常事件的沖擊時(shí)，兩國(guó)國(guó)債行情均體現(xiàn)出一定的自身慣性，而后迅速反轉(zhuǎn)，其中中國(guó)國(guó)債前一交易日變動(dòng)1個(gè)單位引起自身當(dāng)日同向變化2個(gè)單位，但前兩個(gè)交易日變動(dòng)1個(gè)單位引起自身當(dāng)日反向變化1個(gè)單位。美國(guó)國(guó)債市場(chǎng)遵循同樣的規(guī)則，說(shuō)明兩國(guó)國(guó)債均呈現(xiàn)出典型的波浪式運(yùn)行軌跡。關(guān)鍵在相互影響方面，美國(guó)市場(chǎng)前一交易日1個(gè)單位變動(dòng)引起中國(guó)市場(chǎng)0.002 6個(gè)單位的同向變化，前兩個(gè)交易日1個(gè)單位變動(dòng)引起中國(guó)市場(chǎng)反向變化0.002 5個(gè)單位，相應(yīng)的，中國(guó)市場(chǎng)的變化同樣可以傳導(dǎo)至美國(guó)，只是程度上相比較低（前兩日的影響分別為0.001 8和-0.001 9）；趨勢(shì)項(xiàng)上，兩國(guó)國(guó)債在長(zhǎng)期潛在發(fā)展過(guò)程中，同樣體現(xiàn)出波浪式的慣性走勢(shì)，且美國(guó)市場(chǎng)前一交易日1個(gè)單位變動(dòng)引起中國(guó)市場(chǎng)0.017 5個(gè)單位的同向變化，前兩個(gè)交易日1個(gè)單位變動(dòng)引起中國(guó)市場(chǎng)反向變化0.017 6個(gè)單位，所不同的是，盡管通過(guò)了系數(shù)顯著性檢驗(yàn)，但是中國(guó)對(duì)美國(guó)的影響微乎其微。

總體上來(lái)看，從均值的角度分析，在突發(fā)事件沖擊及各種政策效應(yīng)下，中美兩國(guó)國(guó)債間具有雙向協(xié)同性，相對(duì)來(lái)說(shuō)美國(guó)對(duì)中國(guó)的溢出效應(yīng)稍大，而在市場(chǎng)長(zhǎng)期的內(nèi)在運(yùn)行過(guò)程中，僅具備美國(guó)對(duì)中國(guó)的單向溢出。

3.波動(dòng)溢出檢驗(yàn)。通過(guò)ARCH-LM檢驗(yàn)法及殘差平方相關(guān)圖檢驗(yàn)法，均拒絕了上述兩組均值方程的殘差項(xiàng)不具有ARCH效應(yīng)的原假設(shè)，從而說(shuō)明可以針對(duì)兩組殘差項(xiàng)建立GARCH-BEKK模型，來(lái)研究中美國(guó)債市場(chǎng)之間的波動(dòng)溢出效應(yīng)。經(jīng)過(guò)檢驗(yàn)，發(fā)現(xiàn)標(biāo)準(zhǔn)化后的殘差vt不具有ARCH效應(yīng)，說(shuō)明本文波動(dòng)溢出效應(yīng)模型建立準(zhǔn)確。具體估計(jì)結(jié)果如表5。

表5 低頻分量及趨勢(shì)項(xiàng)的GARCH-BEKK（1,1）模型估計(jì)結(jié)果

表5表明，低頻分量波動(dòng)溢出模型及趨勢(shì)項(xiàng)波動(dòng)溢出模型的估計(jì)系數(shù)均通過(guò)了顯著性檢驗(yàn)，且兩國(guó)國(guó)債的波動(dòng)保持一定的慣性，受自身影響程度較大，再次驗(yàn)證了金融時(shí)間序列的聚集性特點(diǎn)，這也同上面從均值角度得出的具有自相關(guān)性的結(jié)論保持一致。同時(shí)，表6列出了兩組波動(dòng)方程的檢驗(yàn)結(jié)果，可以看出，無(wú)論是“一國(guó)到另一國(guó)不存在單向波動(dòng)溢出”，抑或是“兩國(guó)之間不具有雙向波動(dòng)溢出”的原假設(shè)均被拒絕，都證明了中美兩國(guó)國(guó)債在波動(dòng)層面具有相互溢出效應(yīng)。

表6 中美國(guó)債波動(dòng)溢出效應(yīng)檢驗(yàn)結(jié)果

至此，我們?cè)趯?duì)中美兩國(guó)國(guó)債指數(shù)進(jìn)行總體經(jīng)驗(yàn)?zāi)B(tài)分解的基礎(chǔ)上，從均值與波動(dòng)兩個(gè)視角探討了二者的溢出性，其中關(guān)于低頻分量的研究結(jié)果表明中美兩國(guó)具有雙向?qū)ΨQ的均值溢出，相比之下，美國(guó)對(duì)中國(guó)的溢出效應(yīng)程度要強(qiáng)一些。關(guān)于趨勢(shì)項(xiàng)的研究則發(fā)現(xiàn)，僅支持美國(guó)對(duì)中國(guó)的單向均值溢出，而兩國(guó)存有雙向波動(dòng)溢出的結(jié)論，無(wú)論是從低頻分量還是趨勢(shì)項(xiàng)都可以得到證實(shí)。需要特別說(shuō)明的是，作者曾在經(jīng)濟(jì)機(jī)理分析的基礎(chǔ)上實(shí)證檢驗(yàn)了中國(guó)、歐盟及美國(guó)政府債券的相互影響作用，結(jié)果發(fā)現(xiàn)中美之間存在雙向波動(dòng)溢出但不存在均值溢出[8]。該結(jié)論同本文結(jié)果顯然有所不同，原因固然可以從研究時(shí)限不一致從而經(jīng)濟(jì)背景及金融市場(chǎng)發(fā)展現(xiàn)狀各異來(lái)加以解釋，但決不能忽視甚至更多歸因于對(duì)原始數(shù)據(jù)的處理方面，結(jié)論的不同顯然支持了EEMD方法的有效性。這也提醒相關(guān)的后續(xù)研究需要重點(diǎn)考慮：從基于結(jié)構(gòu)分解的數(shù)據(jù)出發(fā)所進(jìn)行的實(shí)證分析很可能導(dǎo)致與傳統(tǒng)研究不一樣的結(jié)果。

五、結(jié) 論

本文對(duì)2008年1月2日-2015年1月2日的中美國(guó)債指數(shù)進(jìn)行總體經(jīng)驗(yàn)?zāi)B(tài)分解，提取了三個(gè)不同頻域的結(jié)構(gòu)分量，從均值、相關(guān)系數(shù)及方差占比判斷出低頻分量及趨勢(shì)項(xiàng)能更準(zhǔn)確有效地反映兩國(guó)國(guó)債市場(chǎng)的走勢(shì)。基于該結(jié)構(gòu)分解，選擇低頻分量及趨勢(shì)項(xiàng)為研究出發(fā)點(diǎn)，從均值及波動(dòng)兩個(gè)層面建立了二元VAR-GARCH-BEKK模型，分別考證了中美國(guó)債間的溢出效應(yīng)，研究發(fā)現(xiàn)：在重大事件及經(jīng)濟(jì)政策的沖擊下，兩國(guó)國(guó)債具有程度不對(duì)等的雙向均值溢出，其中美國(guó)對(duì)中國(guó)的溢出效應(yīng)較強(qiáng)，而兩國(guó)間的波動(dòng)溢出則是對(duì)稱的；去除“噪聲”的影響，從國(guó)債市場(chǎng)長(zhǎng)期穩(wěn)態(tài)本質(zhì)的角度看，兩國(guó)國(guó)債市場(chǎng)表現(xiàn)為雙向的波動(dòng)溢出，但均值方面僅存在美國(guó)對(duì)中國(guó)的單向溢出?？傮w上來(lái)說(shuō)，美國(guó)國(guó)債對(duì)中國(guó)國(guó)債具有顯著影響。

平穩(wěn)堅(jiān)實(shí)的經(jīng)濟(jì)環(huán)境，尤其是金融市場(chǎng)，對(duì)中國(guó)現(xiàn)階段的經(jīng)濟(jì)轉(zhuǎn)軌至關(guān)重要。本文結(jié)果表明，美國(guó)國(guó)債市場(chǎng)對(duì)中國(guó)國(guó)債市場(chǎng)具有顯著的溢出效應(yīng)，因此，為了提高國(guó)債市場(chǎng)抗風(fēng)險(xiǎn)能力，以保證中國(guó)資本市場(chǎng)的健康發(fā)展，下面從完善自身發(fā)展和加強(qiáng)外部監(jiān)管兩個(gè)方面提出如下政策建議：

（一）完善自身交易機(jī)制

第一，中國(guó)現(xiàn)有債券市場(chǎng)存在銀行間與交易所兩個(gè)交易市場(chǎng)，二者在托管人及交易方式等方面區(qū)別較大，大量的投機(jī)資本自然會(huì)挖空心思來(lái)攫取制度分割背后的套利機(jī)會(huì)，從而不可避免的引起市場(chǎng)的動(dòng)蕩，因此需盡快破除銀行間及交易所債券市場(chǎng)間割裂的交易機(jī)制，促進(jìn)兩市的互聯(lián)融合，從而壓縮不合理的投機(jī)與套利空間，這可以從進(jìn)一步取消兩市間的市場(chǎng)準(zhǔn)入限制、擴(kuò)大市場(chǎng)參與主體及增加跨市場(chǎng)交易品種等入手；第二，雖然近年來(lái)中國(guó)債券市場(chǎng)有了長(zhǎng)足發(fā)展，但相比龐大的經(jīng)濟(jì)總量，國(guó)債規(guī)模并不高，尤其遠(yuǎn)低于發(fā)達(dá)國(guó)家，國(guó)債支持實(shí)體經(jīng)濟(jì)建設(shè)的基礎(chǔ)性作用還有待進(jìn)一步發(fā)揮，因而需結(jié)合中國(guó)目前的實(shí)際國(guó)情不斷豐富與創(chuàng)新國(guó)債交易品種，以提升市場(chǎng)交易規(guī)模，在促進(jìn)國(guó)債作用發(fā)揮的同時(shí)增強(qiáng)國(guó)債市場(chǎng)的抗風(fēng)險(xiǎn)能力。

（二）加強(qiáng)外部有效監(jiān)管

盡管金融自由化與全球化越來(lái)越為人們所關(guān)注，但對(duì)于新興市場(chǎng)國(guó)家來(lái)說(shuō)，在沒(méi)有做好充足的抵御外部系統(tǒng)性風(fēng)險(xiǎn)的準(zhǔn)備時(shí)，加強(qiáng)有效的金融監(jiān)管仍極其重要，這從近年來(lái)國(guó)際金融危機(jī)傳播與蔓延的規(guī)律及其對(duì)發(fā)展中國(guó)家的嚴(yán)重沖擊后果可以看出。因此，在現(xiàn)階段，中國(guó)不能因?yàn)樽非筚Y本市場(chǎng)的國(guó)際融合而在短期內(nèi)絕對(duì)放松對(duì)國(guó)債市場(chǎng)的管制，面對(duì)日益增多的國(guó)際資本尤其是美國(guó)巨額游資的涌入，在合理引導(dǎo)以有效補(bǔ)充市場(chǎng)流動(dòng)性的同時(shí)，更要防范及避免其對(duì)債券市場(chǎng)的直接沖擊，并且需及時(shí)出臺(tái)對(duì)沖措施以減小突發(fā)事件引致美債變化對(duì)中國(guó)市場(chǎng)的影響。

西安交通大學(xué)金禾經(jīng)濟(jì)研究中心侯玉琳同學(xué)對(duì)本文提供了部分?jǐn)?shù)據(jù)支持，在此特表謝意。

[1] 陳守東，韓廣哲，荊偉.主要股票市場(chǎng)指數(shù)與中國(guó)股票市場(chǎng)指數(shù)間的協(xié)整分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003（5）.

[2] 韓非，肖輝.中美股市間的聯(lián)動(dòng)性分析[J].金融研究，2005（11）.

[3] 陳瀟，楊恩.中美股市杠桿效應(yīng)與波動(dòng)溢出效應(yīng)[J].財(cái)經(jīng)科學(xué)，2011（4）.

[4] 游家興，鄭挺國(guó)．中國(guó)與世界金融市場(chǎng)從分割走向整合——基于DCC-MGARCH模型的檢驗(yàn)[J]．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（12）．

[5] 西村友作．中美兩國(guó)股票市場(chǎng)聯(lián)動(dòng)性研究——基于CCF檢驗(yàn)法的新證據(jù)[J]．經(jīng)濟(jì)評(píng)論，2009（2）．

[6] 張兵，范致鎮(zhèn)，李心丹.中美股票市場(chǎng)的聯(lián)動(dòng)性研究[J].經(jīng)濟(jì)研究，2010（11）.

[7] Luo W，Brooks R，Silvapulle P．Effects of the Open Policy on the Dependence between the Chinese‘A’Stock Market and Other Equity Markets: An Industry Sector Perspective[J].Journal of International Financial Markets，Institutions & Money，2011（21）．

[8] 馮濤，劉偉．中國(guó)、歐盟與美國(guó)債券市場(chǎng)溢出效應(yīng)研究——?dú)W債危機(jī)背景下國(guó)債收益率的視角[J].西安交通大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2013，33（4）.

[9] 李成，王彬，黎克俊.次貸危機(jī)前后中美利率聯(lián)動(dòng)機(jī)制的實(shí)證研究[J].國(guó)際金融研究，2010（9）.

[10]劉威，吳宏.中美兩國(guó)利率與匯率相互影響效應(yīng)的評(píng)估研究——基于拋補(bǔ)利率平價(jià)理論的實(shí)證檢驗(yàn)[J].世界經(jīng)濟(jì)研究，2010（2）.

[11]王曉芳，王瑞君.總體經(jīng)驗(yàn)?zāi)B(tài)分解視角下的PPI與CPI波動(dòng)特征及傳導(dǎo)關(guān)系研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2013（5）.

[12]Huang N E，Shen Z ，Long S R.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis[J].Process of the Royal Society of London，1998（3）.

[13]Huang N E，Wu M L，Qu W，Long S R，Shen S P.Applications of Hilbert-Huang Transform to Non-stationary Financial Time Series Analysis[J].Applied Stochastic Models In Business And Industry，2003,19（3）.

[14]Wu Z H， Huang N E.Ensemble Empirical Mode Decomposition: A Noise-Assisted Data Analysis Method[J].Advances in Adaptive Data Analysis，2009（1）．

[15]Peel M C，Amirthanathan G E，Pegram G G S，McMahon T A，Chiew F H S.Issues with the Application of Empirical Mode Decomposition [C].MODSIM05-International Congress on Modeling and Simulation: Advances and Applications for Managem，2005.

[16]李仲飛，肖仁華，楊利軍.基于集合經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)的中國(guó)房地產(chǎn)周期識(shí)別研究[J].經(jīng)濟(jì)評(píng)論，2014（4）.

（責(zé)任編輯：張治國(guó)）

“第三屆金融與計(jì)算論壇”會(huì)議簡(jiǎn)訊

2015年7月18日至19日，天津財(cái)經(jīng)大學(xué)數(shù)學(xué)經(jīng)濟(jì)研究中心主辦的“第三屆金融與計(jì)算論壇”會(huì)議在天津財(cái)經(jīng)大學(xué)舉行，來(lái)自美國(guó)、澳大利亞、加拿大、俄羅斯、日本的多位外國(guó)專家學(xué)者及來(lái)自中國(guó)科學(xué)院、中國(guó)社科院、清華大學(xué)、北京大學(xué)、中國(guó)人民大學(xué)、中央財(cái)經(jīng)大學(xué)、同濟(jì)大學(xué)等單位的專家學(xué)者100余人參加了會(huì)議。

“論壇”由中央財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院、中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心超級(jí)計(jì)算中心、中國(guó)數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會(huì)及金融量化分析與計(jì)算專業(yè)委員會(huì)協(xié)辦，并得到了北京聚源銳思數(shù)據(jù)科技有限公司和北京并行科技有限公司的支持。會(huì)議對(duì)計(jì)算與金融研究的前沿問(wèn)題和最新研究成果進(jìn)行了研討。

（天津財(cái)經(jīng)大學(xué)數(shù)學(xué)經(jīng)濟(jì)研究中心 孫楊）

Research on Spillover Effect of Government Bonds between China and USA：Based on Ensemble Empirical Mode Decomposition

YAN Shu-xi1，LIU Wei2

（1.School of Mathematics and Statistics, Yulin University, Yulin 719000，China；2.School of Economics and Finance，Xi'an Jiaotong University，Xi'an 710061，China）

The ensemble empirical mode decomposition is an internationally recognized method which can process non-stationary and nonlinear time series effectively.In the context of Sino-US convergence, this paper firstly decomposes the Sino-US Treasury bond index with EEMD, and filter out low frequency components and trends respectively which can represent the original time series exactly.Then it builds the VAR-GRACH-BEKK model to verify spillover effect of government bonds exist or not between China and USA from the mean and volatility.The results show as follows: when unexpected events occur and economic policies change, bilateral mean spillover effect exists, but the extent is not symmetrical, US' bond spills over into China's strongly, while volatility spillover effect is symmetric.In the long process of government bond's intrinsic development, volatility spillover effect is symmetric, but mean spillover effect exists from US to China unidirectionally.China should further improve the bond market trading mechanism, rich the government bond's varieties, and strengthen financial market regulation, so as to hedge the spillover effect from US to China effectively, prevent and mitigate the systemic risk.

ensemble empirical；mode decomposition；government bond；spillover effect

2015-02-26；修復(fù)日期：2015-05-22

閆樹熙，男，陜西榆林人，碩士，講師，研究方向：社會(huì)經(jīng)濟(jì)與金融統(tǒng)計(jì)； 劉 偉，男，陜西富平人，博士生，研究方向：國(guó)際經(jīng)濟(jì)與投資，貨幣與財(cái)政政策。

F830.9

A

1007-3116（2015）09-0027-09