后危機(jī)時(shí)期中、日、韓三國(guó)股市間溢出效應(yīng)研究

田昊揚(yáng)，王軍禮

（1.清華大學(xué)計(jì)算語(yǔ)言學(xué)實(shí)驗(yàn)室-心理與認(rèn)知科學(xué)研究中心，北京100084；2.北京大學(xué)光華管理學(xué)院，北京100871）

0 引言

金融全球化的深入發(fā)展使得各國(guó)股票市場(chǎng)的影響日益深入。通訊技術(shù)的高速發(fā)展給信息傳遞帶來(lái)的便捷性使這種影響更加凸顯。股市間相互作用與影響是監(jiān)管者進(jìn)行管理和投資者進(jìn)行決策必須參考的重要因素，因此對(duì)股市間信息傳導(dǎo)與相互影響的研究非常必要。

國(guó)內(nèi)外學(xué)者對(duì)各國(guó)股票市場(chǎng)間溢出效應(yīng)的研究論述頗多。股市之間的溢出效應(yīng)體現(xiàn)了股市之間的關(guān)聯(lián)性，是制定相關(guān)政策的重要參考和有效執(zhí)行相關(guān)政策的基礎(chǔ)條件。中、日、韓三國(guó)經(jīng)濟(jì)金融聯(lián)系日益緊密，加強(qiáng)對(duì)三國(guó)股票市場(chǎng)溢出效應(yīng)的研究顯得尤為必要。有不少學(xué)者研究了股市間波動(dòng)溢出效應(yīng)的產(chǎn)生機(jī)制，以及沖擊事件對(duì)不同國(guó)家股市間關(guān)聯(lián)性的影響。在眾多學(xué)者的研究中，有較多文獻(xiàn)分別涉及到中、日、韓三國(guó)股市。但本文的研究與上述研究在研究對(duì)象和方法上存在顯著的差異。本文將從三國(guó)股票市場(chǎng)的水平溢出效應(yīng)和波動(dòng)溢出效應(yīng)兩個(gè)角度研究三國(guó)股票市場(chǎng)之間的關(guān)系。在研究方法中主要涉及向量回歸模型，脈沖響應(yīng)和GARCH模型；實(shí)證分析中主要涉及基于VAR模型的各股市間均值溢出效應(yīng)分析、三國(guó)股市間脈沖響應(yīng)分析和波動(dòng)溢出效應(yīng)。并闡述了中、日、韓三國(guó)股票市場(chǎng)的方差比較、均值溢出效應(yīng)與股票市場(chǎng)的短期引導(dǎo)關(guān)系、脈沖響應(yīng)的顯著性比較、雙向波動(dòng)效應(yīng)等方面的結(jié)論。

1 研究方法

1.1 向量自回歸（VAR）模型

向量自回歸（VAR）通過(guò)將系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來(lái)構(gòu)建模型，將單變量自回歸模型推廣到由多元時(shí)間序列變量組成的“向量”自回歸模型。VAR模型常用于預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊，從而解釋各種經(jīng)濟(jì)沖擊對(duì)經(jīng)濟(jì)變量形成的影響。

以雙變量模型為例，假設(shè)相應(yīng)序列滿足下列均值方程：

其中，ε1,t和ε2,t為誤差序列，υ1,t和υ2,t都是標(biāo)準(zhǔn)高斯白噪音序列，Ht為2×2維對(duì)稱矩陣，在t時(shí)刻的方差協(xié)方差矩陣。

1.2 脈沖響應(yīng)

利用VAR模型的估計(jì)結(jié)果無(wú)法進(jìn)行有效的經(jīng)濟(jì)解釋，需要在VAR模型的基礎(chǔ)上觀察脈沖響應(yīng)函數(shù)進(jìn)行分析。脈沖響應(yīng)函數(shù)表達(dá)的是內(nèi)生變量對(duì)自己或其他內(nèi)生變量的變化的反應(yīng)。需要注意的是，VAR模型的平穩(wěn)性是脈沖響應(yīng)檢驗(yàn)的先決條件，因此需要事先判定VAR模型的平穩(wěn)性。

1.3 GARCH模型

對(duì)于多個(gè)金融市場(chǎng)而言，一元GARCH模型只能分割考察各自的條件波動(dòng)性，對(duì)多個(gè)金融市場(chǎng)的相關(guān)性的描述顯得無(wú)能為力。將市場(chǎng)數(shù)據(jù)割裂開(kāi)來(lái)，必然導(dǎo)致模型無(wú)法有效反映市場(chǎng)間的相關(guān)性信息。而多元GARCH（MVGARCH）模型殘差向量的協(xié)方差矩陣能較好地解決這一問(wèn)題。

多元GARCH模型有多種形式，本文采用BEKK形式的多元GARCH模型，該模型保證了協(xié)方差矩陣的正定性。同時(shí)，該模型需要的參數(shù)較少，因此自由度的損失較小。BEKK（p，q）模型假設(shè)殘差向量εt的條件方差—協(xié)方差矩陣服從以下變化過(guò)程：

對(duì)雙變量BEKK（1，1）模型而言，C為2×2維下三角矩陣,A、B都是方陣，各矩陣的具體表現(xiàn)形式為：

為便于觀察，可以將方差-協(xié)方差矩陣展開(kāi)為：

本文通過(guò)式（4）和式（5）來(lái)考察市場(chǎng)間的波動(dòng)溢出效應(yīng)。通過(guò)市場(chǎng)1和市場(chǎng)2的表達(dá)方式來(lái)解釋各參數(shù)和波動(dòng)溢出效應(yīng)的關(guān)系。市場(chǎng)2收益率波動(dòng)對(duì)市場(chǎng)1收益率波動(dòng)的溢出效應(yīng)主要體現(xiàn)在系數(shù)a21和b21上，a21反映了當(dāng)期市場(chǎng)2收益率的ARCH效應(yīng)對(duì)市場(chǎng)1收益率的影響，b21反映了當(dāng)期市場(chǎng)2收益率的GARCH效應(yīng)對(duì)市場(chǎng)1收益率的影響。同理，a12反映了當(dāng)期市場(chǎng)1收益率ARCH效應(yīng)對(duì)市場(chǎng)2收益率的影響，b12反映了當(dāng)期市場(chǎng)1收益率的GARCH效應(yīng)對(duì)市場(chǎng)2收益率的影響。

2 樣本選取與統(tǒng)計(jì)描述

2.1 樣本選取

本文選取后危機(jī)時(shí)期中（大陸）、日、韓三國(guó)代表性股指代表三國(guó)股票市場(chǎng)，并利用股票市場(chǎng)收益率研究三國(guó)股票市場(chǎng)之間的關(guān)系。中國(guó)股票市場(chǎng)選取上證綜指作為代表性股指，日本股票市場(chǎng)選取日經(jīng)225指數(shù)作為代表性股指，韓國(guó)股票市場(chǎng)選取韓國(guó)綜合指數(shù)作為代表性股指。本文所選時(shí)間段是2014年5月7日到2015年12月30日。將三大股指兩兩配對(duì)，剔除非公共交易日數(shù)據(jù)后，中日股票市場(chǎng)得到372組數(shù)據(jù)，中韓股市得到392組數(shù)據(jù)，韓日股市得到388組數(shù)據(jù)。數(shù)據(jù)來(lái)源于WIND咨詢終端。股票市場(chǎng)的收益率通過(guò)式（7）得到：

其中Pt為t日股指收盤(pán)價(jià)，Rt為t日股指收益率。

2.2 統(tǒng)計(jì)性描述

表1是收益率數(shù)據(jù)描述性統(tǒng)計(jì)，該表給出了每組收益率數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果。如表所示，對(duì)比每一組數(shù)據(jù)可以發(fā)現(xiàn)，中國(guó)股市收益率標(biāo)準(zhǔn)差最大，說(shuō)明所選階段，中國(guó)股市收益率波動(dòng)比另外兩國(guó)股市收益率波動(dòng)大。從偏度看，各國(guó)股市存在左偏或右偏的情況，各峰度值均大于正太分布峰度3。綜合J-B統(tǒng)計(jì)量分析，各收益率數(shù)據(jù)不服從正太分布。因此本文采用更能描述尖峰厚尾特征的t分布。

表1 收益率數(shù)據(jù)描述性統(tǒng)計(jì)

3 實(shí)證分析

3.1 各股市間均值溢出效應(yīng)分析

本文采用ADF單位根法檢驗(yàn)各收益率序列的平穩(wěn)性。各收益率序列均在1%的顯著性水平下通過(guò)檢驗(yàn)，符合VAR模型建模要求。本文采用SC準(zhǔn)則判斷各均值溢出模型最佳滯后階數(shù)。

根據(jù)SC準(zhǔn)則，中韓兩國(guó)股票市場(chǎng)均值溢出模型最佳滯后階數(shù)為1。表2為中韓兩國(guó)股票市場(chǎng)之間的均值溢出效應(yīng)檢驗(yàn)結(jié)果。

表2 中韓兩國(guó)股市均值溢出效應(yīng)檢驗(yàn)結(jié)果

由表2可知，在10%置信水平下，中國(guó)股市收益率受自身收益率滯后一期和韓國(guó)股市滯后一期收益率影響，且韓國(guó)股市滯后一期收益率對(duì)中國(guó)股市收益率的影響為正；中國(guó)股市收益率對(duì)韓國(guó)股市收益率沒(méi)有影響，韓國(guó)股市收益率受自身收益率滯后一期影響。因此韓國(guó)股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)存在單向均值溢出效應(yīng)。

根據(jù)SC準(zhǔn)則，中日兩國(guó)股票市場(chǎng)均值溢出效應(yīng)模型最佳滯后階數(shù)為1。下頁(yè)表3為中韓兩國(guó)股票市場(chǎng)收益率溢出效應(yīng)模型檢驗(yàn)結(jié)果。

由表3可知，在10%的顯著性水平下，日本股票市場(chǎng)滯后一期收益率對(duì)中國(guó)股票市場(chǎng)收益率有顯著影響，且影響為正；中國(guó)股票市場(chǎng)滯后一期收益率對(duì)日本股票市場(chǎng)收益率有顯著影響，且影響為正。因此，中國(guó)股票市場(chǎng)和日本股票市場(chǎng)之間存在雙向的均值溢出效應(yīng)。

根據(jù)SC準(zhǔn)則，韓日兩國(guó)股票市場(chǎng)均值溢出效應(yīng)模型最佳滯后階數(shù)為1。下頁(yè)表4為韓日兩國(guó)股票市場(chǎng)收益率溢出效應(yīng)模型檢驗(yàn)結(jié)果。

表3 中日兩國(guó)股市均值溢出效應(yīng)檢驗(yàn)結(jié)果

表4 韓日兩國(guó)股市均值溢出效應(yīng)檢驗(yàn)結(jié)果

由表4可知，在10%的顯著性水平下，韓國(guó)股票市場(chǎng)收益率受自身滯后一期的影響；日本股票市場(chǎng)受自身滯后一期和韓國(guó)股票市場(chǎng)收益率滯后一期影響，且韓國(guó)股票市場(chǎng)滯后一期收益率對(duì)日本股票市場(chǎng)收益率影響為正。因此韓國(guó)股票市場(chǎng)和日本股票市場(chǎng)之間存在韓國(guó)股票市場(chǎng)到日本股票市場(chǎng)的單向均值溢出效應(yīng)。

綜合來(lái)看，中韓股票市場(chǎng)間存在韓國(guó)股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的單向均值溢出效應(yīng)；中日股票市場(chǎng)之間存在雙向均值溢出效應(yīng)；韓日股票市場(chǎng)間存在韓國(guó)股票市場(chǎng)到日本股票市場(chǎng)的單向均值溢出效應(yīng)。

3.2 中、日、韓三國(guó)股市間脈沖響應(yīng)分析

在進(jìn)行脈沖響應(yīng)分析之前必須檢驗(yàn)相應(yīng)VAR模型的穩(wěn)定性。圖1中從左到右分別為中韓、中日、韓日股市收益率VAR模型穩(wěn)定性檢驗(yàn)圖。如圖1所示，三個(gè)VAR模型均符合穩(wěn)定性要求。

圖1 AR模型穩(wěn)定性檢驗(yàn)圖

圖2描述了中韓兩國(guó)股票市場(chǎng)的收益率脈沖效應(yīng)，其中左圖為韓國(guó)股票市場(chǎng)的響應(yīng)路徑，右圖為中國(guó)股票市場(chǎng)的響應(yīng)路徑。由圖2可知，中國(guó)股票市場(chǎng)的沖擊對(duì)韓國(guó)股票市場(chǎng)的效應(yīng)趨近于0。而韓國(guó)股票市場(chǎng)的沖擊對(duì)中國(guó)股票市場(chǎng)的效應(yīng)較為顯著。韓國(guó)股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的沖擊為正且更為持久，前三期衰減較快，滯后到第5期衰減為0。從兩圖對(duì)比來(lái)看，中國(guó)股票市場(chǎng)收益率對(duì)韓國(guó)股票市場(chǎng)收益率的影響更強(qiáng)、更持久。

圖2 中韓兩國(guó)股市脈沖響應(yīng)圖

圖3描述了中日兩國(guó)股票市場(chǎng)的收益率脈沖效應(yīng)。其中左圖為日本股市的響應(yīng)路徑，右圖為中國(guó)股票市場(chǎng)的響應(yīng)路徑。如圖3所示，兩國(guó)股票市場(chǎng)相互之間的沖擊響應(yīng)皆為正。中國(guó)股票市場(chǎng)對(duì)日本股票市場(chǎng)的沖擊在前兩期較為明顯且快速衰減，到第三期加速衰減接近到0，到第四期沖擊衰減到0；日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的沖擊從第一期到第二期屬于遞增的過(guò)程，之后到第三期則迅速衰減到0。

圖3 中日兩國(guó)股市脈沖響應(yīng)圖

圖4描述了韓日兩國(guó)股票市場(chǎng)的收益率脈沖效應(yīng)。其中左圖為日本股票市場(chǎng)的響應(yīng)路徑，右圖為中國(guó)股票市場(chǎng)的響應(yīng)路徑。由圖4可知，韓國(guó)股票市場(chǎng)的沖擊對(duì)日本股票市場(chǎng)的效應(yīng)較為顯著，日本股票市場(chǎng)的沖擊對(duì)韓國(guó)股票市場(chǎng)的效應(yīng)趨近于0。韓國(guó)股票市場(chǎng)對(duì)日本股票市場(chǎng)的沖擊為正，在第一期最強(qiáng)，前兩期迅速衰減，到第三期衰減至0。從兩圖對(duì)比來(lái)看，韓國(guó)股票市場(chǎng)對(duì)日本股票市場(chǎng)的影響更強(qiáng)。

圖4 韓日兩國(guó)股市脈沖響應(yīng)圖

3.3 波動(dòng)溢出效應(yīng)

本文采用BEKK-MVGARCH模型研究中、日、韓三國(guó)股票市場(chǎng)間的波動(dòng)溢出效應(yīng)。檢驗(yàn)股票市場(chǎng)間是否存在波動(dòng)溢出效應(yīng)時(shí)采用Wald檢驗(yàn)。模型的估計(jì)及檢驗(yàn)均使用WinRats8.0軟件完成。下頁(yè)表5至表13分別為中韓、中日以及韓日兩國(guó)股票市場(chǎng)波動(dòng)溢出效應(yīng)的檢驗(yàn)結(jié)果。在表5至表13中分別列出了均值溢出模型殘差和條件方差模型標(biāo)準(zhǔn)殘差檢驗(yàn)結(jié)果，根據(jù)Q(6)和Q2（6）的檢驗(yàn)結(jié)果，在10%的顯著性水平下所構(gòu)建的模型已經(jīng)消除了自相關(guān)和條件異方差，因此，符合建模要求。各表中的Wald檢驗(yàn)包括三個(gè)部分（檢驗(yàn)一，原假設(shè)為H0：a12=b12=0,a21=b21=0,表示股票市場(chǎng)間不存在雙向波動(dòng)溢出效應(yīng)；檢驗(yàn)二，原假設(shè)為H0:a12=b12=0，表示股票市場(chǎng)一對(duì)股票市場(chǎng)二沒(méi)有波動(dòng)溢出效應(yīng)；檢驗(yàn)三，原假設(shè)為H0:a21=b21=0，表示股票市場(chǎng)二對(duì)股票市場(chǎng)一沒(méi)有波動(dòng)溢出效應(yīng)），根據(jù)各部分檢驗(yàn)所得的t值或者P值判斷接受或者拒絕原假設(shè)。

根據(jù)上述假設(shè)，本文對(duì)中韓兩國(guó)股票市場(chǎng)間的波動(dòng)效應(yīng)進(jìn)行了檢驗(yàn)，表5至表7是中韓兩國(guó)股票市場(chǎng)波動(dòng)溢出效應(yīng)的檢驗(yàn)結(jié)果。表中系數(shù)矩陣A、B的主對(duì)角線系數(shù)除了a21在5%的顯著性水平下不顯著，其余三個(gè)系數(shù)均顯著不為零，說(shuō)明韓國(guó)股票市場(chǎng)當(dāng)期的ARCH效應(yīng)不會(huì)影響國(guó)股票市場(chǎng)未來(lái)收益率；而韓國(guó)股票市場(chǎng)當(dāng)期的GARCH效應(yīng)會(huì)影響中國(guó)股票市場(chǎng)未來(lái)收益率；中國(guó)股票市場(chǎng)和韓國(guó)股票市場(chǎng)當(dāng)期的GARCH效應(yīng)均會(huì)對(duì)彼此未來(lái)收益率產(chǎn)生影響。再看Wald聯(lián)合檢驗(yàn)，三個(gè)檢驗(yàn)均在1%的顯著性水平下拒絕原假設(shè)。綜合來(lái)看，本文認(rèn)為中韓兩國(guó)股票市場(chǎng)間存在顯著的雙向波動(dòng)溢出效應(yīng)。

表5 參數(shù)估計(jì)結(jié)果

表6 殘差檢驗(yàn)

表7 波動(dòng)溢出效應(yīng)檢驗(yàn)

同樣根據(jù)上述假設(shè)，本文還對(duì)中日兩國(guó)股票市場(chǎng)的溢出效應(yīng)進(jìn)行了檢驗(yàn)。下頁(yè)表8至表10是中日兩國(guó)股票市場(chǎng)波動(dòng)溢出效應(yīng)的檢驗(yàn)結(jié)果。表中系數(shù)系數(shù)矩陣A、B的主對(duì)角線系數(shù)除了b12在5%的顯著性水平下不顯著，其余三個(gè)系數(shù)均顯著不為零，說(shuō)明中國(guó)股票市場(chǎng)當(dāng)期的GARCH效應(yīng)不會(huì)影響日本股票市場(chǎng)未來(lái)收益率；而日本股票市場(chǎng)當(dāng)期的GARCH效應(yīng)會(huì)影響中國(guó)股票市場(chǎng)未來(lái)收益率；中日兩國(guó)股票市場(chǎng)當(dāng)期的ARCH會(huì)對(duì)彼此未來(lái)收益率產(chǎn)生影響。再看Wald聯(lián)合檢驗(yàn)，三個(gè)檢驗(yàn)中，檢驗(yàn)一和檢驗(yàn)三在5%的顯著性水平下拒絕原假設(shè)，即存在日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的波動(dòng)溢出效應(yīng)。而檢驗(yàn)二在5%的顯著性水平下接受原假設(shè)，即不存在中國(guó)股票市場(chǎng)對(duì)日本股票市場(chǎng)的波動(dòng)溢出效應(yīng)。綜合來(lái)看，本文認(rèn)為中日兩國(guó)股票市場(chǎng)間存在日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)顯著的單向波動(dòng)溢出效應(yīng)。

同樣的，本文也對(duì)韓日兩國(guó)股票市場(chǎng)的波動(dòng)溢出效應(yīng)進(jìn)行了檢驗(yàn)。下頁(yè)表11至表13是韓日兩國(guó)股票市場(chǎng)波動(dòng)溢出效應(yīng)的檢驗(yàn)結(jié)果。表中系數(shù)系數(shù)矩陣A、B主對(duì)角線系數(shù)5%的顯著性水平下均顯著不為零，說(shuō)明韓日兩國(guó)股票市場(chǎng)當(dāng)期的ARCH效應(yīng)和GARCH效應(yīng)均會(huì)對(duì)彼此未來(lái)的收益產(chǎn)生影響。再看Wald聯(lián)合檢驗(yàn)，三個(gè)檢驗(yàn)均在5%的顯著性水平下拒絕原假設(shè)，綜合來(lái)看，韓日兩國(guó)股票市場(chǎng)間存在顯著的雙向波動(dòng)溢出效應(yīng)。

表8 參數(shù)估計(jì)結(jié)果

表9 均值模型殘差檢驗(yàn)

表10 波動(dòng)溢出效應(yīng)檢驗(yàn)

表11 參數(shù)估計(jì)結(jié)果

表12 殘差檢驗(yàn)

綜合波動(dòng)溢出效應(yīng)檢驗(yàn)結(jié)果，可以得出如下結(jié)論：后危機(jī)時(shí)期，中韓股票市場(chǎng)、韓日股票市場(chǎng)之間存在顯著的雙向波動(dòng)溢出效應(yīng)；而中日股票市場(chǎng)間只存在顯著的日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的單向波動(dòng)溢出效應(yīng)。

表13 波動(dòng)溢出效應(yīng)檢驗(yàn)

4 結(jié)論

本文采用中、日、韓三國(guó)股票市場(chǎng)日度數(shù)據(jù)，通過(guò)VAR模型、脈沖響應(yīng)和二元GARCH模型從線性和非線性兩個(gè)層面研究了后危機(jī)時(shí)期中、日、韓三國(guó)股票市場(chǎng)之間的關(guān)系。結(jié)論如下：（1）與韓、日兩國(guó)股票市場(chǎng)比較，中國(guó)股票市場(chǎng)方差更大，這說(shuō)明中國(guó)股票市場(chǎng)波動(dòng)性更大，更具投機(jī)性；（2）從均值溢出效應(yīng)來(lái)看，韓國(guó)股票市場(chǎng)對(duì)中、日股票市場(chǎng)均存在短期的引導(dǎo)關(guān)系，中日兩國(guó)股票市場(chǎng)存在雙向的短期引導(dǎo)關(guān)系；（3）脈沖響應(yīng)分析顯示，中日兩國(guó)股票市場(chǎng)對(duì)韓國(guó)股票市場(chǎng)的沖擊效應(yīng)趨近于0，韓國(guó)股票市場(chǎng)對(duì)中日兩國(guó)股票市場(chǎng)的沖擊效應(yīng)較為顯著，中日兩國(guó)股票市場(chǎng)對(duì)彼此的沖擊效應(yīng)較為顯著；（4）在波動(dòng)溢出效應(yīng)方面，三國(guó)股票市場(chǎng)收益率序列均具有時(shí)變方差特征和較強(qiáng)波動(dòng)持續(xù)性。中韓股票市場(chǎng)、韓日股票市場(chǎng)之間存在顯著的雙向波動(dòng)溢出效應(yīng)，而中日股票市場(chǎng)間只存在顯著的日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的單向波動(dòng)溢出效應(yīng)。因此，中國(guó)股票市場(chǎng)無(wú)法直接影響日本股票市場(chǎng)，但是可以通過(guò)韓國(guó)股票市場(chǎng)對(duì)日本股票市場(chǎng)產(chǎn)生影響。

[1]Karolyi G A,Stulz Rene M.Why Do Markets Move Together?An Investigation of U.S.-Japanstock Return Comovements.[J]The Journal of Finance,1996,(51).

[2]Daly K J.Southeast Asian Stock Market Linkages:Evidence From preandpost-October1997[J].ASEANEconomicBulletin,2003,(20).

[3]In F,Kim S,Yoon J H,et al.Dynamic Interdependence and Volatility Transmission of Asian Stock Markets:Evidence From the Asian Crisis[J].International Review of Financial Analysis,2001,10(1).

[4]Gualielmo M C,Nikitas P,Nicola S.VolatiliTy Transmission and Financial Crisis[J].Economics and Finance,2006,30(3).

[5]Miyakoshi T.Spillovers of Stock Return Volatility to Asian Equity Markets From Japan and the US[J].Journal of International Financial Markets,Institutions and Money,2003,13(4).

[6]范奎,趙秀娟,汪壽陽(yáng).全球主要股市間信息溢出的變異性研究[J].管理科學(xué)學(xué)報(bào),2010,(9).

[7]岳正坤,張勇.貨幣市場(chǎng)、債券市場(chǎng)對(duì)滬深300指數(shù)溢出效應(yīng)的實(shí)證研究[J].宏觀經(jīng)濟(jì)研究,2014,(3).

[8]彭偉.基于雙變量EATJI-EGARCH的時(shí)變收益關(guān)聯(lián)研究——來(lái)自東亞地區(qū)股市跳躍的分析[J].中國(guó)管理科學(xué),2015,(3).

[9]蘇木亞,郭崇慧.協(xié)同波動(dòng)溢出效應(yīng)——?dú)W債危機(jī)北京下基于中證行業(yè)指數(shù)視角的研究[J].管理評(píng)論,2015,(11).

[10]聞岳春,王婕,程天笑.國(guó)內(nèi)股市與國(guó)際股市,大宗商品市場(chǎng)的溢出效應(yīng)研究[J].國(guó)際金融研究,2015,(8).

[11]西村友作,孫便霞.中日股市日內(nèi)信息傳遞研究:中國(guó)關(guān)聯(lián)股渠道[J].世界經(jīng)濟(jì),2015,(8).

[12]楊飛虎,熊家財(cái).國(guó)際金融危機(jī)背景下國(guó)內(nèi)外股市波動(dòng)溢出效應(yīng)的實(shí)證研究[J].當(dāng)代財(cái)經(jīng),2011,(8).

[13]趙華.國(guó)際股市區(qū)域風(fēng)險(xiǎn)傳染研究[J].廈門(mén)大學(xué)學(xué)報(bào),2009,(5).