中美贸易摩擦对中国金融市场的溢出效应研究
发布时间：2020-12-12 14:51
本文采用事件分析法量化分析中美贸易摩擦对中国股票市场、债券市场和外汇市场风险及跨市场之间风险传染的溢出效应。实证结果发现:第一,贸易摩擦在短期会造成中国各金融市场自身风险的上升。从统计显著性、经济显著性和影响持久度来看,不同市场具有不同的反应特征,且各市场之间存在"市场轮动"现象。第二,贸易摩擦对跨市场风险传染有显著且持久的溢出效应,共同风险敞口及投资者资产配置调整是该溢出效应产生的主要原因,且溢出效应方向的差异体现了资金向安全资产转移的特点。第三,按照贸易摩擦对股、债、汇三个金融市场产生显著溢出效应的先后顺序及溢出峰值由小到大的排序,可将中国金融市场划分为三个风险区,并依此维护金融稳定。
【文章来源】：财贸经济. 2019年06期 第55-69页 北大核心CSSCI
【文章页数】：15 页
【部分图文】：
中美贸易摩擦与金融市场收益率
较大，这缘于外汇市场的参与者遍布全球导致其波动的影响因素比较复杂。图3展示了基于DCC-GAＲCH模型度量的跨市场风险传染走势。由图3可以发现如下结论。第一，股票市场和债券市场之间以负向传染为主。其在样本期间内的均值为－0.068，且自2017年下半年起，两者之间的风险传染基本为负值。第二，股票市场和外汇市场除在2018年初表现出短暂的正向风险传染外，其余时间均为负向，且这一负向风险传染(绝对值)在中美贸易摩擦时期大幅增加。第三，债券市场和外汇市场之间以正向风险溢出为主，且风险传染在样本区间内均有较大幅度波动。表1变量描述性统计变量名称均值标准差最小值中位数最大值收益率股票市场0.0210.883－4.2720.0692.795债券市场－0.0050.070－0.270－0.0040.672外汇市场0.0000.003－0.0100.0000.011波动率股票市场0.8520.1730.6100.8281.790债券市场0.0650.0390.0160.0560.605外汇市场0.0020.0010.0010.0020.008动态相关系数股票市场与债券市场－0.0680.078－0.382－0.0600.128股票市场与外汇市场－0.1460.077－0.446－0.1440.161债券市场与外汇市场0.0570.065－0.1380.0530.232图2金融市场波动率走势注:(1)横轴表示日期变量，频率是日度，纵轴表示各金融市场波动率;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。图3跨市场风险传染走势注:(1)横轴表示日期变量，频率是日度，纵轴表示跨市场风险传染;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。06Finance＆TradeEconomics，Vol.40，No.6，2019
较大，这缘于外汇市场的参与者遍布全球导致其波动的影响因素比较复杂。图3展示了基于DCC-GAＲCH模型度量的跨市场风险传染走势。由图3可以发现如下结论。第一，股票市场和债券市场之间以负向传染为主。其在样本期间内的均值为－0.068，且自2017年下半年起，两者之间的风险传染基本为负值。第二，股票市场和外汇市场除在2018年初表现出短暂的正向风险传染外，其余时间均为负向，且这一负向风险传染(绝对值)在中美贸易摩擦时期大幅增加。第三，债券市场和外汇市场之间以正向风险溢出为主，且风险传染在样本区间内均有较大幅度波动。表1变量描述性统计变量名称均值标准差最小值中位数最大值收益率股票市场0.0210.883－4.2720.0692.795债券市场－0.0050.070－0.270－0.0040.672外汇市场0.0000.003－0.0100.0000.011波动率股票市场0.8520.1730.6100.8281.790债券市场0.0650.0390.0160.0560.605外汇市场0.0020.0010.0010.0020.008动态相关系数股票市场与债券市场－0.0680.078－0.382－0.0600.128股票市场与外汇市场－0.1460.077－0.446－0.1440.161债券市场与外汇市场0.0570.065－0.1380.0530.232图2金融市场波动率走势注:(1)横轴表示日期变量，频率是日度，纵轴表示各金融市场波动率;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。图3跨市场风险传染走势注:(1)横轴表示日期变量，频率是日度，纵轴表示跨市场风险传染;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。06Finance＆TradeEconomics，Vol.40，No.6，2019
【参考文献】：
期刊论文
[1]中美贸易摩擦对中国系统性金融风险的影响研究[J]. 和文佳,方意,荆中博. 国际金融研究. 2019(03)
[2]机构关联、网络结构与银行业系统性风险传染——基于VAR-NETWORK模型的实证分析[J]. 胡利琴,胡蝶,彭红枫. 国际金融研究. 2018(06)
[3]股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析[J]. 周爱民,韩菲. 国际金融研究. 2017(11)
[4]本地偏好、投资者情绪与股票收益率:来自网络论坛的经验证据[J]. 杨晓兰,沈翰彬,祝宇. 金融研究. 2016(12)
[5]我国上市金融机构关联性研究——基于网络分析法[J]. 李政,梁琪,涂晓枫. 金融研究. 2016(08)
[6]系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施[J]. 方意. 管理世界. 2016(08)
[7]主板与中小板、创业板市场之间的非线性研究:“市场分割”抑或“危机传染”?[J]. 方意. 经济学(季刊). 2016(01)
[8]中国股票市场国际化研究:基于信息溢出的视角[J]. 梁琪,李政,郝项超. 经济研究. 2015(04)
[9]汇率波动性与股市收益率联动性——来自国际样本的经验证据[J]. 李广众,杨子晖,杨铠维. 金融研究. 2014 (07)
[10]资产价格与宏观经济金融系统的稳定性——基于货币量值模型的理论与仿真分析[J]. 马亚明,温博慧. 金融经济学研究. 2013(05)
本文编号：2912768
【文章来源】：财贸经济. 2019年06期 第55-69页 北大核心CSSCI
【文章页数】：15 页
【部分图文】：
中美贸易摩擦与金融市场收益率
较大，这缘于外汇市场的参与者遍布全球导致其波动的影响因素比较复杂。图3展示了基于DCC-GAＲCH模型度量的跨市场风险传染走势。由图3可以发现如下结论。第一，股票市场和债券市场之间以负向传染为主。其在样本期间内的均值为－0.068，且自2017年下半年起，两者之间的风险传染基本为负值。第二，股票市场和外汇市场除在2018年初表现出短暂的正向风险传染外，其余时间均为负向，且这一负向风险传染(绝对值)在中美贸易摩擦时期大幅增加。第三，债券市场和外汇市场之间以正向风险溢出为主，且风险传染在样本区间内均有较大幅度波动。表1变量描述性统计变量名称均值标准差最小值中位数最大值收益率股票市场0.0210.883－4.2720.0692.795债券市场－0.0050.070－0.270－0.0040.672外汇市场0.0000.003－0.0100.0000.011波动率股票市场0.8520.1730.6100.8281.790债券市场0.0650.0390.0160.0560.605外汇市场0.0020.0010.0010.0020.008动态相关系数股票市场与债券市场－0.0680.078－0.382－0.0600.128股票市场与外汇市场－0.1460.077－0.446－0.1440.161债券市场与外汇市场0.0570.065－0.1380.0530.232图2金融市场波动率走势注:(1)横轴表示日期变量，频率是日度，纵轴表示各金融市场波动率;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。图3跨市场风险传染走势注:(1)横轴表示日期变量，频率是日度，纵轴表示跨市场风险传染;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。06Finance＆TradeEconomics，Vol.40，No.6，2019
较大，这缘于外汇市场的参与者遍布全球导致其波动的影响因素比较复杂。图3展示了基于DCC-GAＲCH模型度量的跨市场风险传染走势。由图3可以发现如下结论。第一，股票市场和债券市场之间以负向传染为主。其在样本期间内的均值为－0.068，且自2017年下半年起，两者之间的风险传染基本为负值。第二，股票市场和外汇市场除在2018年初表现出短暂的正向风险传染外，其余时间均为负向，且这一负向风险传染(绝对值)在中美贸易摩擦时期大幅增加。第三，债券市场和外汇市场之间以正向风险溢出为主，且风险传染在样本区间内均有较大幅度波动。表1变量描述性统计变量名称均值标准差最小值中位数最大值收益率股票市场0.0210.883－4.2720.0692.795债券市场－0.0050.070－0.270－0.0040.672外汇市场0.0000.003－0.0100.0000.011波动率股票市场0.8520.1730.6100.8281.790债券市场0.0650.0390.0160.0560.605外汇市场0.0020.0010.0010.0020.008动态相关系数股票市场与债券市场－0.0680.078－0.382－0.0600.128股票市场与外汇市场－0.1460.077－0.446－0.1440.161债券市场与外汇市场0.0570.065－0.1380.0530.232图2金融市场波动率走势注:(1)横轴表示日期变量，频率是日度，纵轴表示各金融市场波动率;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。图3跨市场风险传染走势注:(1)横轴表示日期变量，频率是日度，纵轴表示跨市场风险传染;(2)图中阴影部分表示日期处于2018年3月8日至2018年7月6日之间。06Finance＆TradeEconomics，Vol.40，No.6，2019
【参考文献】：
期刊论文
[1]中美贸易摩擦对中国系统性金融风险的影响研究[J]. 和文佳,方意,荆中博. 国际金融研究. 2019(03)
[2]机构关联、网络结构与银行业系统性风险传染——基于VAR-NETWORK模型的实证分析[J]. 胡利琴,胡蝶,彭红枫. 国际金融研究. 2018(06)
[3]股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析[J]. 周爱民,韩菲. 国际金融研究. 2017(11)
[4]本地偏好、投资者情绪与股票收益率:来自网络论坛的经验证据[J]. 杨晓兰,沈翰彬,祝宇. 金融研究. 2016(12)
[5]我国上市金融机构关联性研究——基于网络分析法[J]. 李政,梁琪,涂晓枫. 金融研究. 2016(08)
[6]系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施[J]. 方意. 管理世界. 2016(08)
[7]主板与中小板、创业板市场之间的非线性研究:“市场分割”抑或“危机传染”?[J]. 方意. 经济学(季刊). 2016(01)
[8]中国股票市场国际化研究:基于信息溢出的视角[J]. 梁琪,李政,郝项超. 经济研究. 2015(04)
[9]汇率波动性与股市收益率联动性——来自国际样本的经验证据[J]. 李广众,杨子晖,杨铠维. 金融研究. 2014 (07)
[10]资产价格与宏观经济金融系统的稳定性——基于货币量值模型的理论与仿真分析[J]. 马亚明,温博慧. 金融经济学研究. 2013(05)
本文编号：2912768
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/2912768.html
最近更新
教材专著
