基于行业板块视角的中国股票市场风险网络传导特征研究
发布时间：2021-04-05 03:29
现如今,各国股市、金融产品之间,以及国内不同金融市场及其内部行业板块之间的联系日趋紧密,从而导致不同对象间风险波动联动性也越发显著。目前,行业板块的风险分析已成为投资决策领域内一项必不可少的工作,各行业板块间的风险传导结构特征、该特征随时间如何演变以及影响因素等等一系列问题受到了国内外学者的广泛关注。本文基于极差波动率的广义方差分解模型构建波动溢出指标,识别中国股票市场行业板块所处的净波动溢出状态;通过时域和频域两个角度的网络拓扑图探讨整个样本期以及危机期间（2015年中国股灾、2008年金融危机）的各板块间波动溢出网络结构及时变特征,具体实证分析结论如下。从时域角度的实证模型结果表明:在整个样本期,能源和房地产板块吸收股市风险能力较弱,主要起到了在净波动溢出接受状态板块间进行风险传导的作用,而金融和日常消费板块主要承担着吸收股市风险的作用;对于波动溢出净冲击状态板块而言,信息技术和公用事业板块主要承担了在处于波动溢出净冲击状态板块间进行风险传导的角色,而其他板块主要负责不同状态板块间的风险传导。从2015中国股灾来看,所有板块的度数中心均呈现先下降后上升的特征,表明股灾危机期间各板块...
【文章来源】：山西大学山西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
各行业板块指数极差波动率的时间序列趋势图
第三章基于时域的股市行业板块间风险传导特征研究21动态演化过程，尤其是在特殊事件影响下，波动溢出效应可能与其它时期会呈现不同特征。因此，本文通过滚动窗口来估计VAR模型，以便能够更加清楚地理解股市整体以及各行业板块间波动溢出效应的时变特征。本文分别用150天、200天、250天三种滑动窗宽进行尝试，图3.2给出了股市整体Total指标的时间序列图。可以看出，三种窗宽下的Total指标在整个样本期间表现基本一致，故不会受到所选滑动窗宽的影响。因此，本文基于滑动窗宽250天给出的研究结论是稳健的。进一步，图3.3给出各行业板块Net指标的时间序列图，呈现各行业板块净波动溢出特征随时间的变化情况。图3.2：2006-2018年中国股票市场整体波动溢出时间序列图结合图3.2和中国近几十年股票市场发展的现实，可以明确几个特殊时间阶段：2008年金融危机爆发，中国股票市场经过大约两年左右的持续期后逐步恢复平稳；2012年到2013年中国股市经历了一波熊市；2014年2月份至2016年第一季度一直处于较高的波动状态，这段时间恰逢原油危机和2015年中国股灾，随后波动于2017年下降到最低点。从图3.2中的中国股市波动溢出效应动态特征来看，波动的大幅度变动往往伴随着重要事件的发生，表明行业板块风险也随之迅速传导。进一步，图3.3给出各行业板块Net指标的时间序列图，呈现各行业板块净波动溢出特征随时间的变化情况。图3.3表明，在样本期内各行业板块间净波动溢出效应存在明显的时变特征。首先，材料、工业、可选消费和信息技术板块均长期处于波动溢出净冲击状态，在风险传导中占据风险输出的主导地位；金融、房地产、电信服务板块均长期处于波动溢出净接受状态，起到了吸收股市风险的作用，但增加了板块内部的风险；其余板块的净波动溢出状态随时间
基于行业板块视角的中国股票市场风险网络传导特征研究22信服务板块的净波动溢出变化比较剧烈，尤其是近一两年达到了最大值，与近几年大数据、云计算等新基建通信技术快速发展有关，但其仍处于波动溢出净接受状态；房地产和金融板块在2017-2018年的净波动溢出变化也较为剧烈，较大的负值说明其近年来遭受到其他行业板块的大量冲击。第三，在2008-2010年金融危机期间，图3.3：2007-2018年各行业板块Net指标的时间序列图能源、金融、房地产和电信服务板块处于波动溢出净接受状态，从数值上来看，说明电信服务板块是吸收金融危机风险的主要力量，剩余板块处于波动溢出净冲击状
【参考文献】：
期刊论文
[1]我国股票市场行业间波动溢出效应研究——基于改进的EMD去噪方法[J]. 李合龙,杨能,林楚汉,张卫国. 系统工程理论与实践. 2019(09)
[2]基于小波分解的持续时间不同的股市操纵研究[J]. 宋军,薛志宏,吴丹. 系统管理学报. 2018(06)
[3]国际油价、美国经济不确定性和中国股市的波动溢出效应研究[J]. 王奇珍,王玉东. 中国管理科学. 2018(11)
[4]金融行业对实体经济行业的风险传导研究——基于行业特征数据的实证分析[J]. 何红霞,武志胜. 金融与经济. 2018(06)
[5]基于信息溢出网络的金融机构风险传染研究[J]. 黄玮强,庄新田,姚爽. 系统管理学报. 2018(02)
[6]行业间市场风险相依结构及其危机传染效应[J]. 侯仲凯,何卓静,周利国. 金融经济学研究. 2018(02)
[7]基于DCC-GARCH模型的我国股市风险传染效应[J]. 李倩,张潇尹. 沈阳工业大学学报(社会科学版). 2018(01)
[8]中国A股行业溢出效应的实证分析——基于小波分解和多元GARCH-VAR模型[J]. 苏民. 系统工程. 2017(12)
[9]中国股票市场行业间金融传染检验和风险防范[J]. 黄乃静,张冰洁,郭冬梅,汪寿阳. 管理科学学报. 2017(12)
[10]汇率与股市相关行业的风险溢出效应——基于静态与动态CoVaR的分析[J]. 尹海员. 中南财经政法大学学报. 2017(06)
硕士论文
[1]股灾期间行业板块间的相关结构研究[D]. 杜军.西南财经大学 2016
[2]基于复杂网络的我国行业股票指数联动效应研究[D]. 欧阳昕.湖南大学 2015
本文编号：3119048
【文章来源】：山西大学山西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
各行业板块指数极差波动率的时间序列趋势图
第三章基于时域的股市行业板块间风险传导特征研究21动态演化过程，尤其是在特殊事件影响下，波动溢出效应可能与其它时期会呈现不同特征。因此，本文通过滚动窗口来估计VAR模型，以便能够更加清楚地理解股市整体以及各行业板块间波动溢出效应的时变特征。本文分别用150天、200天、250天三种滑动窗宽进行尝试，图3.2给出了股市整体Total指标的时间序列图。可以看出，三种窗宽下的Total指标在整个样本期间表现基本一致，故不会受到所选滑动窗宽的影响。因此，本文基于滑动窗宽250天给出的研究结论是稳健的。进一步，图3.3给出各行业板块Net指标的时间序列图，呈现各行业板块净波动溢出特征随时间的变化情况。图3.2：2006-2018年中国股票市场整体波动溢出时间序列图结合图3.2和中国近几十年股票市场发展的现实，可以明确几个特殊时间阶段：2008年金融危机爆发，中国股票市场经过大约两年左右的持续期后逐步恢复平稳；2012年到2013年中国股市经历了一波熊市；2014年2月份至2016年第一季度一直处于较高的波动状态，这段时间恰逢原油危机和2015年中国股灾，随后波动于2017年下降到最低点。从图3.2中的中国股市波动溢出效应动态特征来看，波动的大幅度变动往往伴随着重要事件的发生，表明行业板块风险也随之迅速传导。进一步，图3.3给出各行业板块Net指标的时间序列图，呈现各行业板块净波动溢出特征随时间的变化情况。图3.3表明，在样本期内各行业板块间净波动溢出效应存在明显的时变特征。首先，材料、工业、可选消费和信息技术板块均长期处于波动溢出净冲击状态，在风险传导中占据风险输出的主导地位；金融、房地产、电信服务板块均长期处于波动溢出净接受状态，起到了吸收股市风险的作用，但增加了板块内部的风险；其余板块的净波动溢出状态随时间
基于行业板块视角的中国股票市场风险网络传导特征研究22信服务板块的净波动溢出变化比较剧烈，尤其是近一两年达到了最大值，与近几年大数据、云计算等新基建通信技术快速发展有关，但其仍处于波动溢出净接受状态；房地产和金融板块在2017-2018年的净波动溢出变化也较为剧烈，较大的负值说明其近年来遭受到其他行业板块的大量冲击。第三，在2008-2010年金融危机期间，图3.3：2007-2018年各行业板块Net指标的时间序列图能源、金融、房地产和电信服务板块处于波动溢出净接受状态，从数值上来看，说明电信服务板块是吸收金融危机风险的主要力量，剩余板块处于波动溢出净冲击状
【参考文献】：
期刊论文
[1]我国股票市场行业间波动溢出效应研究——基于改进的EMD去噪方法[J]. 李合龙,杨能,林楚汉,张卫国. 系统工程理论与实践. 2019(09)
[2]基于小波分解的持续时间不同的股市操纵研究[J]. 宋军,薛志宏,吴丹. 系统管理学报. 2018(06)
[3]国际油价、美国经济不确定性和中国股市的波动溢出效应研究[J]. 王奇珍,王玉东. 中国管理科学. 2018(11)
[4]金融行业对实体经济行业的风险传导研究——基于行业特征数据的实证分析[J]. 何红霞,武志胜. 金融与经济. 2018(06)
[5]基于信息溢出网络的金融机构风险传染研究[J]. 黄玮强,庄新田,姚爽. 系统管理学报. 2018(02)
[6]行业间市场风险相依结构及其危机传染效应[J]. 侯仲凯,何卓静,周利国. 金融经济学研究. 2018(02)
[7]基于DCC-GARCH模型的我国股市风险传染效应[J]. 李倩,张潇尹. 沈阳工业大学学报(社会科学版). 2018(01)
[8]中国A股行业溢出效应的实证分析——基于小波分解和多元GARCH-VAR模型[J]. 苏民. 系统工程. 2017(12)
[9]中国股票市场行业间金融传染检验和风险防范[J]. 黄乃静,张冰洁,郭冬梅,汪寿阳. 管理科学学报. 2017(12)
[10]汇率与股市相关行业的风险溢出效应——基于静态与动态CoVaR的分析[J]. 尹海员. 中南财经政法大学学报. 2017(06)
硕士论文
[1]股灾期间行业板块间的相关结构研究[D]. 杜军.西南财经大学 2016
[2]基于复杂网络的我国行业股票指数联动效应研究[D]. 欧阳昕.湖南大学 2015
本文编号：3119048
本文链接：https://www.wllwen.com/shoufeilunwen/jjglss/3119048.html
