简论金融风险内部传染效应

更新时间:2024-02-29 作者:用户投稿原创标记本站原创
摘要:国际金融危机的爆发,对经济造成了巨大的破坏力。金融风险不仅可以在国家间传染,也可以在同一国家中不同的金融市场之间传染。在中国最主要的金融市场有债券市场、外汇市场和股票市场,因此本文主要考察中国债券市场、外汇市场和股票市场的风险传染机制,为不同金融市场抵御金融风险传染提供的理论依据。
关键词:金融风险 传染机制 计量分析

一、研究背景及文献梳理

国际金融危机的爆发,使得金融风险范围内传播,对经济造成了巨大的破坏力。金融风险不仅可以在国家间传染,也可以在同一国家中不同的金融市场之间传染。金融市场之间的风险传染是从中观层面探讨不同金融产品之间的风险传递机制,金融市场由不同的金融产品组成,在中国最主要的金融市场有债券市场、外汇市场和股票市场,因此本文主要考察中国债券市场、外汇市场和股票市场的风险传染机制,为不同金融市场抵御金融风险传染提供的理论依据。
如果金融风险的冲击从某一金融市场传递到另外一个金融市场,这两个金融市场之间会因为风险冲击产生显著的变化,则表明这两个金融市场之间风险传染。金融全球化进程的推进,金融风险传播速度加快,金融危机爆发频繁,金融市场间风险传染的研究有所加强。

(一)国外的研究

不同国家,由于金融市场的发达程度不同,其风险传染的效果也不同。Ruey和ShanWu(2005)研究中指出,在新兴市场国家中,股票市场和债券市场之间的传染联动效应显著。Ebrahim(2000)对德国、加拿大等金融市场发达国家数据的实证研究表明,货币市场和外汇市场之间存在正向溢出和波动溢出的风险传染效应。

(二)国内的研究

国内对金融市场风险传染的研究主要有袁晨和傅强(2010)利用CARCH 模型实证研究了我国2003-2010年股票市场与债券市场、黄金市场之间阶段时变特征的传染效应。谢志超和曾忠东(2012)利用VAR策略检验了美国金融危机对我国金融市场的传染效应。结合国内外文献,金融市场间的风险传染效应在研究策略上主要向量自回归模型VAR、多变量GARCH模型和协整分析等。本文主要运用联立方程组的策略,加入滞后项构造出修正的VAR模型,实则是对VAR系统策略的一种改善;本模型比VAR模型改善之处在于尽可能消除随机扰动项与变量之间的自相关,从而使模型更加精确。
本文研究的对象是包括债券市场风险、外汇市场风险和股票市场风险在内的金融市场风险。

二、样本数据选择和变量说明

本文的债券市场数据,以债券市场交易总量来代表。债券市场是发行和买卖债券的场所,是金融市场的一个组成。债券市场是一国金融体系中不可或缺的。一个统一、成熟的债券市场可以为全社会的投资者和筹资者提供低风险的投融资工具;债券的收益率曲线是社会经济中一切金融商品收益水平的基准,因此债券市场也是传导银行货币政策的载体。可以说,统一、成熟的债券市场构成了一个国家金融市场的基础。债券市场交易总量即为在债券市场中的交易总额。本文中的是1999到2010年每年的平均交易总额。
股票市场数据股票市价总值。对一家上市公司来说,它的股票市场乘以发行的总股数,即为该公司在市场上的价值,也就是公司的市价总值。把上市公司的市值加总,就可整个股票市场的市价总值。股市的市场总值是衡量一个国家股票市场发达程度的指标。市价总值:市场×股本数=市价总值。本文的是1999到2010年每年平均的股票市价总值
外汇市场数据人民币对美元的基础汇率(exchange)为数据。作为主要的贸易伙伴国以及全球第一经济体,美元汇率具有很高的代表性,其数据能够很好地代表外汇市场。

三、实证模型

在国家统计局等相关政府部门门户网站查找数据后,本文将债券总量、股票市值、人民币兑美元的汇率、固定资产投资量、指数、进出口量等数据进行了Eviews软件的处理,了债券总量、股票市值、人民币兑美元的汇率之间的变量关系。以下为的参数模型:
de=c(1)+c(2)*s+c(3)*e+c(4)*d_t_1_+c(5)*f (1)
s=c(6)+c(7)*de+c(8)*e+c(9)*s_t_1_+c(10)*p (2)
e=c(11)+c(12)*de+c(13)*s+c(14)*e_t_1_+c(15)*ex (3)
其中p f ex d_t_1_ s_t_1_ e_t_1_是工具变量。
de:债券市场交易总量;
s:股票市价总值;
e:人民币兑美元的汇率;
d_t_1_:债券市场交易总量滞后项;
s_t_1_:股票市价总值的滞后项;
e_t_1:人民币兑美元汇率的滞后项;
f:固定资产投资总量;
p:指数;
ex:进出口量;
验证模型的可识别性:
M=3 K=6,
对(1)来说,k=2,K-k=4>M-1=2,该方程可以识别,并且是过度识别;
对(2)来说,k=2,K-k=4>M-1=2,该方程可以识别,并且是过度识别;
对(3)来说,k=2,K-k=4>M-1=2,该方程可以识别,并且是过度识别;
因此该模型可以识别。
用eviews对模型进行检验,t检验结果基本显著。
Eviews软件的处理和运算,各参数数值:
将Eviews软件处理后的数据代入原始公式,了以下结果:
de=(-42874.60)+0.065574*s+5341.992*e+0.040864*d_t_1_+0.010378*f (1)

点赞:3680 浏览:10592