• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      中國(guó)金融市場(chǎng)間的波動(dòng)效應(yīng)分析

      2021-01-15 06:41王龍飛
      現(xiàn)代商貿(mào)工業(yè) 2021年1期
      關(guān)鍵詞:VAR模型金融市場(chǎng)

      王龍飛

      摘?要:基于金融市場(chǎng)有效性假設(shè),各個(gè)金融市場(chǎng)間的聯(lián)動(dòng)效應(yīng)密切。基于VAR模型分析股市、債市、外匯以及期貨市場(chǎng)之間跨越市場(chǎng)的價(jià)格傳遞效應(yīng),價(jià)格沖擊隨時(shí)間變動(dòng)而變動(dòng)。研究分析得出:股票市場(chǎng)與債券市場(chǎng)、股票市場(chǎng)與匯率市場(chǎng)、債券市場(chǎng)與匯率市場(chǎng)兩兩動(dòng)態(tài)變動(dòng),未形成穩(wěn)定聯(lián)動(dòng)效應(yīng);期貨市場(chǎng)與股票市場(chǎng)則呈正向相關(guān)的穩(wěn)定聯(lián)動(dòng)效應(yīng);期貨市場(chǎng)與匯率市場(chǎng)、期貨市場(chǎng)與債券市場(chǎng)呈現(xiàn)負(fù)向相關(guān)的穩(wěn)定聯(lián)動(dòng)效應(yīng)。各金融市場(chǎng)面對(duì)其他市場(chǎng)的價(jià)格沖擊或當(dāng)期或滯后期吸收聯(lián)動(dòng)效應(yīng)。

      關(guān)鍵詞:金融市場(chǎng);波動(dòng)效應(yīng);VAR模型

      中圖分類號(hào):F2?????文獻(xiàn)標(biāo)識(shí)碼:A??????doi:10.19311/j.cnki.1672-3198.2021.01.007

      0?引言

      在逐步開放的中國(guó)金融市場(chǎng)環(huán)境下,不同金融市場(chǎng)的依存度日益密切,某一市場(chǎng)的價(jià)格變動(dòng)通過不同的途徑傳遞至其他市場(chǎng),相應(yīng)的金融風(fēng)險(xiǎn)通過波動(dòng)效應(yīng)在市場(chǎng)間擴(kuò)散。金融市場(chǎng)間波動(dòng)效應(yīng)涵蓋價(jià)格沖擊和波動(dòng)溢出。在市場(chǎng)強(qiáng)有效性的假設(shè)下,重要的金融市場(chǎng)對(duì)于信息沖擊在短時(shí)間內(nèi)發(fā)生價(jià)格變動(dòng)。基于此,嘗試應(yīng)用VAR模型探索股市、債市、外匯以及期貨市場(chǎng)之間的聯(lián)動(dòng)效應(yīng),為重大時(shí)間節(jié)點(diǎn)如何應(yīng)對(duì)、控制風(fēng)險(xiǎn)提供參考依據(jù)。

      1?描述性分析

      本文基于相關(guān)文獻(xiàn)的研究選取股市、債市、外匯以及期貨市場(chǎng)相關(guān)指標(biāo)分析其價(jià)格變動(dòng)情況。關(guān)于股票市場(chǎng),以上海證券交易所A股最高綜合股價(jià)指數(shù)為例探討股票價(jià)格變化(見圖1),分析可知在2007~2009年和2015~2016年前后波動(dòng)強(qiáng)烈,在其他時(shí)間波動(dòng)幅度小,這與2008年次貸危機(jī)事件與2015年股災(zāi)有關(guān),均表現(xiàn)為前期急速上漲再急速下滑。中債指數(shù)是由中央結(jié)算公司測(cè)算的債券市場(chǎng)最具代表性的綜合類趨勢(shì)指標(biāo),于2002年開始發(fā)布。分析2002~2020年的中債總值凈價(jià)指數(shù)與中債總值財(cái)富指數(shù)(見圖2),在2008~2009年、2016~2017年、2020左右經(jīng)歷大幅震蕩,其他時(shí)間波動(dòng)平緩。與股市類似,在次貸危機(jī)與股災(zāi)前后出現(xiàn)了激增激減。2020年,受新冠肺炎疫情影響,央行貨幣政策短期平衡情況,經(jīng)歷了前期上漲過快,短期出現(xiàn)下滑??紤]到美元在國(guó)際金融市場(chǎng)上的重要影響力,美元兌人民幣中間價(jià)可以有效地衡量中國(guó)在國(guó)際市場(chǎng)上的購(gòu)買力。本文選取其衡量外匯市場(chǎng)的變化情況(見圖3),2005~2015年人民幣匯率波動(dòng)于6~7元且不斷升值,自“811”匯改后開始上下波動(dòng)。本文選取上海期貨交所的現(xiàn)貨成交金額為例探討期貨市場(chǎng)的波動(dòng)情況(見圖4),分析可知在2008~2011年間、2015~2016年間劇烈波動(dòng),在金融危機(jī)、股災(zāi)期間出現(xiàn)暴跌,總體呈現(xiàn)上升趨勢(shì)。

      2?模型分析

      由圖1~4,股市、債市、外匯以及期貨市場(chǎng)的代表指標(biāo)價(jià)格的2002~2020年時(shí)間序列數(shù)據(jù)(數(shù)據(jù)來源:中經(jīng)網(wǎng))可見,其時(shí)序數(shù)據(jù)均呈現(xiàn)不穩(wěn)定趨勢(shì)。計(jì)算各金融市場(chǎng)價(jià)格收益率如下:

      對(duì)4列數(shù)據(jù)一階差分處理后的d(lnr1)(股票市場(chǎng))、d(lnr2)(債券市場(chǎng))、d(lnr3)(外匯市場(chǎng))、d(lnr4)(期貨市場(chǎng))進(jìn)行ADF檢驗(yàn),在5%的顯著水平下通過單位根檢驗(yàn),表示4列時(shí)序數(shù)據(jù)為平穩(wěn)序列,確定其為一階單整的,即I(1)過程。

      根據(jù)Johansen協(xié)整檢驗(yàn)表明:在5%的顯著水平下跡統(tǒng)計(jì)值為4.23,大于臨界值3.84,拒絕原假設(shè)——最多存在3個(gè)協(xié)整向量,以此得到d(lnr1)(股票市場(chǎng))、d(lnr2)(債券市場(chǎng))、d(lnr3)(外匯市場(chǎng))、d(lnr4)(期貨市場(chǎng))存在長(zhǎng)期協(xié)整關(guān)系。因此在設(shè)立VAR模型時(shí)包含4個(gè)變量,即n=4,另需要確定各變量的滯后階數(shù)。因滯后階數(shù)越大,需計(jì)算的循環(huán)次數(shù)越大,此處計(jì)算滯后1期到滯后4期的各檢驗(yàn)指標(biāo)的值。在FPE 、LR、SBIC、HQIC、AIC、檢驗(yàn)原則的綜合比較下,確定得VAR模型的最優(yōu)滯后階數(shù)為2。k階向量自回歸模型VAR(k)為:

      應(yīng)用Eviews 9.0測(cè)算VAR的2階滯后模型,根據(jù)AR root graph結(jié)果可知模型穩(wěn)定,所有點(diǎn)均在單位圓內(nèi)。因此,在此基礎(chǔ)上進(jìn)行格蘭杰因果檢驗(yàn)得:(1)債市波動(dòng)是股市波動(dòng)的原因,外匯波動(dòng)是股市波動(dòng)的原因,期貨市場(chǎng)波動(dòng)是股市波動(dòng)的原因。(2)股市波動(dòng)不是債市波動(dòng)的原因,外匯波動(dòng)不是債市波動(dòng)的原因,期貨市場(chǎng)波動(dòng)是債市波動(dòng)的原因。(3)股市波動(dòng)不是外匯波動(dòng)的原因,債市波動(dòng)不是外匯波動(dòng)的原因,期貨市場(chǎng)波動(dòng)是外匯波動(dòng)的原因。(4)股市波動(dòng)是期貨市場(chǎng)波動(dòng)的原因,債市波動(dòng)是期貨市場(chǎng)波動(dòng)的原因,外匯波動(dòng)是期貨市場(chǎng)波動(dòng)的原因。

      分析不同金融市場(chǎng)間的同期關(guān)系可知:股票市場(chǎng)與外匯市場(chǎng)的波動(dòng)關(guān)系圍繞0上下波動(dòng),未形成定性關(guān)系,在2010~2014年呈現(xiàn)負(fù)相關(guān),2016~2020年呈現(xiàn)正相關(guān)關(guān)系。股票市場(chǎng)與債券市場(chǎng)的關(guān)系圍繞0上下波動(dòng),未形成一個(gè)穩(wěn)定的線性關(guān)系,其相關(guān)絕對(duì)值小于0.02,說明股市與債市依存度較低。股票市場(chǎng)波動(dòng)與期貨市場(chǎng)波動(dòng)存在穩(wěn)定線性關(guān)系,兩者持續(xù)存在正相關(guān)關(guān)系,但在2009年后依存度有所下降。債券市場(chǎng)波動(dòng)與外匯市場(chǎng)波動(dòng)未形成穩(wěn)定線性關(guān)系,在2010~2013年呈現(xiàn)正向相關(guān)關(guān)系即人民幣貶值,債券市場(chǎng)活躍,總體圍繞0上下波動(dòng),伴隨著債券市場(chǎng)開放,2015年后逐漸呈現(xiàn)負(fù)相關(guān)關(guān)系。債券市場(chǎng)波動(dòng)與期貨市場(chǎng)維持基本穩(wěn)定線性關(guān)系,基本寶成負(fù)相關(guān)關(guān)系,在數(shù)值上基本穩(wěn)定無大波動(dòng)。作為能源消費(fèi)大國(guó),進(jìn)口石油成本上升在期貨市場(chǎng)中占據(jù)重要影響。外匯市場(chǎng)與大宗產(chǎn)品市場(chǎng)存在穩(wěn)定的線性關(guān)系,在2016年之前均呈現(xiàn)負(fù)向相關(guān)關(guān)系,而2016年之后呈現(xiàn)正向相關(guān)關(guān)系。受能源市場(chǎng)影響,人民幣匯率波動(dòng)對(duì)石油等期貨市場(chǎng)產(chǎn)品的交易影響越來越低。

      3?成因分析

      基于投資者角度,不同金融市場(chǎng)間的風(fēng)險(xiǎn)有所差異,為其提供了多個(gè)投資渠道,但在重大事件發(fā)生時(shí),不同金融市場(chǎng)間的聯(lián)動(dòng)效應(yīng)必然對(duì)風(fēng)險(xiǎn)進(jìn)行傳遞并吸收,期間對(duì)某個(gè)金融市場(chǎng)帶來直接沖擊或?qū)ζ渌袌?chǎng)的外生沖擊。在部分情況下,外生沖擊當(dāng)期反應(yīng)或在滯后多期對(duì)其產(chǎn)生影響。以“中美貿(mào)易戰(zhàn)”為例,3月22日“500億關(guān)稅事件”當(dāng)日引發(fā)股市大跌,與此同時(shí)匯率市場(chǎng)與債券市場(chǎng)的沖擊股市,三者波動(dòng)基本吻合,大豆等期貨市場(chǎng)在滯后幾期也引發(fā)大幅波動(dòng)。

      4?結(jié)論

      基于不同金融市場(chǎng)間的波動(dòng)效應(yīng)分析,股市、債市、外匯以及期貨市場(chǎng)之間的價(jià)格沖擊隨時(shí)間變動(dòng),其中股市和債市、股市與外匯、外匯與債市兩兩動(dòng)態(tài)價(jià)格沖擊。而期貨市場(chǎng)與股票市場(chǎng)、匯率市場(chǎng)、債券市場(chǎng)間形成長(zhǎng)期穩(wěn)定的定性關(guān)系:與股市呈正向相關(guān),股市走強(qiáng)帶動(dòng)期貨市場(chǎng)活躍;與匯率市場(chǎng)呈負(fù)向相關(guān)并逐漸減弱,說明匯率的變動(dòng)對(duì)期貨市場(chǎng)影響逐漸降低;與債券市場(chǎng)呈穩(wěn)定負(fù)向相關(guān)。各個(gè)金融市場(chǎng)面對(duì)其他市場(chǎng)的價(jià)格沖擊或當(dāng)期或滯后期吸收聯(lián)動(dòng)效應(yīng)?;诖艘?guī)律,各金融機(jī)構(gòu)監(jiān)管者以及政府相關(guān)部門監(jiān)管者在金融經(jīng)濟(jì)政策規(guī)劃、制定、執(zhí)行過程中,需審視金融市場(chǎng)間的波動(dòng)效應(yīng),盡量避免各子市場(chǎng)分裂式的宏觀經(jīng)濟(jì)政策,建立持續(xù)穩(wěn)定的金融系統(tǒng),防范風(fēng)險(xiǎn)分散。

      參考文獻(xiàn)

      [1]徐梓萱.淺析股票波動(dòng)對(duì)金融市場(chǎng)產(chǎn)生的風(fēng)險(xiǎn)及對(duì)策[J].現(xiàn)代商業(yè),2020,(21):70-71.

      [2]鄧創(chuàng),謝敬軒.中國(guó)金融子市場(chǎng)周期波動(dòng)的關(guān)聯(lián)動(dòng)態(tài)與溢出效應(yīng)檢驗(yàn)[J].中南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2020,26(04):100-110.

      [3]阿卜杜凱尤木·賽麥提,玉素甫·阿布來提.人民幣外匯市場(chǎng)間波動(dòng)溢出效應(yīng)實(shí)證研究——基于VAR模型[J].經(jīng)濟(jì)視角,2018,(06):55-63.

      [4]唐勇,朱鵬飛,林玉婷,等.中國(guó)金融市場(chǎng)間波動(dòng)溢出效應(yīng)研究[J].浙江金融,2018,(01):9-16.

      [5]朱慧明, 彭成, 游萬海,等. 基于貝葉斯Wishart波動(dòng)模型的原油市場(chǎng)與股市動(dòng)態(tài)相依性研究[J]. 中國(guó)管理科學(xué), 2014, 22(7):1-9.

      [6]陳創(chuàng)練, 張年華, 黃楚光,等. 外匯市場(chǎng)、債券市場(chǎng)與股票市場(chǎng)動(dòng)態(tài)關(guān)系研究[J]. 國(guó)際金融研究, 2017,(12):83-93.

      [7]吳喜之,王兆軍.非參數(shù)統(tǒng)計(jì)方法[M].北京:高等教育出版社,1996.

      猜你喜歡
      VAR模型金融市場(chǎng)
      金融市場(chǎng):寒意蔓延【精讀】
      假如金融市場(chǎng)崩潰,會(huì)發(fā)生什么? 精讀
      金融創(chuàng)新產(chǎn)品與完善金融市場(chǎng)探討
      Copula模型選擇及在金融市場(chǎng)的應(yīng)用
      Copula函數(shù)在金融市場(chǎng)中的應(yīng)用
      讓金融市場(chǎng)發(fā)力
      邛崃市| 南康市| 安阳市| 莲花县| 德清县| 盐边县| 大厂| 大石桥市| 房山区| 建水县| 措美县| 绥中县| 万源市| 泸西县| 唐山市| 会昌县| 宜兴市| 济南市| 呈贡县| 金华市| 沙洋县| 保亭| 昌图县| 陆丰市| 颍上县| 当阳市| 阳东县| 兴安盟| 黄山市| 瓦房店市| 临沭县| 革吉县| 福泉市| 囊谦县| 巧家县| 连平县| 潼南县| 沐川县| 苍溪县| 云浮市| 南陵县|