• 沒有找到結果。

國際股市間的外溢效果 - 政大學術集成

N/A
N/A
Protected

Academic year: 2021

Share "國際股市間的外溢效果 - 政大學術集成"

Copied!
41
0
0

加載中.... (立即查看全文)

全文

(1)政治大學國際經營暨貿易學系 碩士論文. 政 治 大. 立 國際股市間的外溢效果. ‧ 國. 學. Mean and Volatility Spillover Effects in the G7. ‧. and BRICs Stock Markets. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 指導教授:謝淑貞. v. 博士. 研究生:周宛瑩 中華民國九十九年六月.

(2) 謝. 辭. 在這段寫論文的過程當中,歷經了許多難忘的時刻,從一開始在堆積如山的 論文中苦思遍尋靈感、為實證結果去找程式碼來跑軟體,直到後來終於撰寫完成 的那一刻,真的是一個珍貴而難得的經驗。 這篇論文得以完成,首先必須要感謝我的指導教授謝淑貞老師。她不僅在學 校課業、家庭生活乃至於人生大事,都給予了無盡的關懷、建議與鼓勵;在論文 指導上,她總是在我遇到挫折時為我指引另一扇門,在一關關的面試、找工作過 程中,她也給予我許許多多的建議與想法,真的相當感謝她。同時,也很感謝謝. 政 治 大 論文撰寫的這段期間,感謝我的同門師兄妹柏誠、莉莉與經艷,在論文進度 立. 德宗、葉小蓁老師在論文內容上,給予了經濟概念與統計模型的寶貴意見。. ‧ 國. 學. 遲滯不前時我們互相幫忙與交換意見,同時在面試當中感到徬徨無助時,也彼此 打氣、鼓勵與關心;感謝宇正與子誠,你們在這篇論文的實證結果難產之際,委. ‧. 實扮演著相當重要的角色,全因為你們費心費時的大力協助,我才得以順利又及. sit. y. Nat. 時的完成這份作品;感謝拍拍在初稿完成之後,馬上給予最有建設性的批評與建. al. er. io. 議,激發我得以更加成長;感謝呱呱在這段艱辛的過程當中,一路陪伴著我,在. v. n. 繁忙的事情交替、情緒挫敗又無助時,總是靜靜的聆聽我說話,給予相當程度的 安慰與支持。. Ch. engchi. i n U. 最後,感謝我最尊敬且一直照顧著我的父母親,因為你們提供了一個安全無 虞的環境,我才得以全力將心思放在學業上,勤益與秦志也在家事繁忙之際給予 最實際的幫助與支持,願將這篇論文獻給我最親愛的家人,謝謝您們﹗. 宛瑩. 謹. 2010 年 6 月於家中. i.

(3) 國際股市間的外溢效果 學 生:周宛瑩. 指 導 教 授:謝淑貞 博士 國立政治大學國際經營暨貿易學系. 摘. 要. 本研究應用 Chelley-Steeley and Steeley(1996) 的 ARMA(1,1)-GARCH(1,1) in mean(以下簡稱 ARMA(1,1)-GARCH(1,1)-M) 模型來檢驗美國與加拿大、義大 利、英國、法國、德國、日本股市與巴西、俄羅斯、印度及中國(四者合稱金磚 四國)之間,是否存在報酬外溢效果以及波動性外溢效果,並且探討國際股市間. 政 治 大 論金融海嘯的前後,各國股價指數報酬率皆存在著從美國引起的報酬外溢效果, 立 之關連性。實證結果發現:第一、國際股市間確實存在市場互相感染的現象,不. ‧ 國. 學. 而且 G7 及金磚四國股市不僅皆具有自我波動性外溢效果,在金融海嘯前也受到 美國前一期衝擊的波動性外溢效果。第二、在重大的金融危機事件後,大多數國. ‧. 家的股市報酬單獨被國內金融市場所解釋的程度大為減少,而且對衝擊的影響具. sit. y. Nat. 有更強烈的持續性。第三、無論環球金融危機的前後,除了巴西之外,其他六大. al. n. 則較不受其影響。. er. io. 工業國家較容易受美國股市的連動性影響,而代表新興國家市場的其餘金磚三國. Ch. engchi Abstract. i n U. v. This paper investigates the mean return and volatility spillover effects from the U.S. to Canada, Italy, England, France, Germany, Japan and the BRICs by using ARMA(1,1)-GARCH(1,1)-M model of Chelley-Steeley and Steeley(1996), furthermore, we explore the conditional correlations between them. The empirical results from examining the data for the period of 1992 to 2010 suggests that international market contagion exactly plays an important role in the transmission mechanism, and the U.S. market is influential in transmitting returns and volatilities to the G7 and the BRICs countries. Moreover, we found that the spillover effect of Brazil after financial crisis is the greatest, and the G7 countries are more inclined to be affected by the U.S. than Russia, India, and China. ii.

(4) 目. 錄. 摘要............................................................................................................ii 目錄...........................................................................................................iii 表目錄.......................................................................................................iv 圖目錄........................................................................................................v 第一章. 緒論.........................................................................................1. 第二章. 文獻探討.................................................................................4. 第三章. 研究方法.................................................................................7. 第四章. 實證結果與分析...................................................................10. ‧ 國. 學. 資料來源與處理............................................................10. ‧. 第一節. 立. 政 治 大. 第二節. Nat. 第三節. Garch 模型的配適效果..................................................14. er. io. sit. y. 資料的敘述統計............................................................11. al. n. v i n Ch 國際股市間的外溢效果................................................20 engchi U. 第四節 第五章. 結論.......................................................................................32. 第六章. 參考文獻...............................................................................33. iii.

(5) 表 目 錄 表一、各國股市的交易時間.....................................................................8 表二、各國股價指數的日報酬率...........................................................13 表三、ARMA(1,1)-GARCH(1,1)-M 模型之配適結果,期間為 2002-2008……..15 表四、ARMA(1,1)-GARCH(1,1)-M 模型之配適結果,期間為 2008-2010............17 表五、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2002-2008..........24. 政 治 大. 表六、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2008-2010..........27. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. iv. i n U. v.

(6) 圖 目 錄 圖一、各國金融海嘯前與後之 AR(1)係數變化....................................21 圖二、各國金融海嘯前與後之 GARCH(1,1)係數變化..........................21 圖三、各國金融海嘯前與後之 ARCH(1)與 GARCH(1,1)係數之和的變化.........21 圖四、各國金融海嘯前與後之報酬外溢效果的變化............................30 圖五、各國金融海嘯前與後之波動性外溢效果的變化........................30. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. v. i n U. v.

(7) 第一章 緒論 隨著金融市場自由化及國際化的過程,影響國內金融市場的因素不再僅侷限 於本身的經濟、貿易及政治因素,自 1990 年代以來國際性與區域性貿易組織的 相繼成立,在現今通訊網路以及科技發達的進步之下,使的國際資本市場之間跨 區域或跨時間的金融訊息得以快速傳送到世界各地,而國際間經濟體系的動態及 產業間的動向也會對股票市場造成一定程度的衝擊,在國際市場之中,一旦其中 一個發生了危機,這個危機很可能會變成全球規模性的災害,並且影響國際經濟 之市場體系至深。. 政 治 大 年 8 月 9 日開始浮現,自次級房屋信貸危機爆發後,投資者開始對抵押證券的價 立 而最近的這一次環球金融危機就是 2007 年至 2010 年的金融海嘯,其於 2007. 值失去信心,而引發了流動性危機。當時即使多國中央銀行數次向金融市場注入. ‧ 國. 學. 巨額資金,也無法阻止這場金融危機的爆發,直到 2008 年 9 月,這場金融危機. ‧. 開始失控,並導致多間相當大型的金融機構倒閉或被政府接管。. y. Nat. 金融海嘯的風暴起源於美國房地產市場的泡沫化與次級房貸危機,自 2000. 準,此一寬鬆的購屋信貸標準逐漸形成了次級房. al. er. io. sit. 年 5 月開始,美國聯準會為實施景氣擴張政策,將聯邦基金利率長期維持在低水. n. v i n 貸市場,而次級房屋信貸在經過貸款機構及華爾街組合包裝之後,以票據或證券 Ch engchi U 產品型式在二級市場販賣,且用高利息吸引其他金融機構或對沖基金購買。. 但隨著經濟景氣的繁榮,美國於 2004 年 6 月開始連續升息 17 次,由最低的 1%提高至 5.25%,導致次級房貸的拖欠以及壞帳增加,違約率也由 2006 年下半 年起一路攀升,2007 年美國第二大次級房貸業者宣布倒閉,如骨牌效應一般, 一些經營類似項目的公司也陸續宣布破產的消息,2008 年 9 月 15 日開始,相繼 爆發美國第四大投資銀行雷曼兄弟申請破產保護、全球最大券商美林證券被美國 銀行收購,而全球最大保險公司美國國際集團 AIG 爆發財務危機等事件,導致 各國面臨信用危機與全球金融危機。 1.

(8) 次級房貸事件爆發之後,美國道瓊指數於 2007 年 7 月在短短一周內大幅下 跌,而歐洲境內大型銀行因無法承擔次級房貸造成的巨額虧損,而紛紛等待金援 或被收歸為國有資產,歐洲央行更宣布提供無限金援以拯救金融市場;歐美股市 的同步重挫導致全球股市信心的崩潰,不僅造成了美國股市慘跌,也連帶引起國 際股市的大跌,證明了全球金融市場再次面臨到重大的衝擊,也顯示美國股市對 全球金融市場有深遠的影響力。 隨著金融自由及國際化程度的日益提高,國際性與區域性貿易組織的先後成 立,使得原本以國家為單位的獨立經濟體,已相互串連成經濟的共同體,這促使. 政 治 大 經濟大蕭條、911 恐怖攻擊、亞洲金融風暴等事件發生後,不少學者投入研究並 立. 國際股市之間的相關程度與互動關係越來越密切,在過去幾次大規模事件如美國. 欲知國際間的經濟情勢,以及股市、匯市甚至債市的連動性是否變得更為密切且. ‧ 國. 學. 複雜,此議題亦普遍受到金融機構及投資人的關注。研究結果幾乎一致指出,當. ‧. 某一獨立性的金融市場遭受衝擊後,與其它金融市場之間的風險相關性會顯著上. y. Nat. 升,王凱立與陳美玲(2003)、姜淑美、陳明麗、蔡佩珊(2005)更指出美國是世界. er. io. sit. 上最具影響力的資本市場,其股市波動性具有獨立性的特質,當美國股市發生波 動時,對於其他國家的股市也具有相當程度的影響力。. al. n. v i n 而本次次級房貸醞釀成的金融海嘯 C h ,留下的創傷對全球經濟體系帶來深遠影 engchi U. 響,後危機時代全球經濟格局將發生重大變化。在應對這場自上世紀 30 年代大. 蕭條以來最嚴重金融危機的過程中,發達國家組成的七國集團(G7)給予相當程度 的重視,由先進工業國家與新興經濟體組成得 G20 更在 2008 年 1 月於美國首都 華盛頓舉行領導人高峰會議,為了如何遏阻全球經濟衰退、進而刺激經濟復甦, 而討論如何因應全球金融經濟危機及改革金融體系;其中美國、歐洲與日本的經 濟趨緩已有一段時間,歐盟體系中的希臘、愛爾蘭、西班牙等國的經濟也正式步 入衰退,然而中國、印度等亞洲經濟體正在快速成長,並不斷擴大其在全球經濟 版圖中的份量,為世界經濟提供新的推動力。 2.

(9) 本次的金融危機使不少投資銀行蒙受信用過度擴張的信貸損失,並同時造成 金融的緊縮與經濟活動的減緩,在國際金融體系中新舊勢力也許會重新洗盤的情 形下,我們對於這次風暴的中心點–美國對於 G7 及金磚四國在事件前後的影響 情形感到好奇,希望可以知道這次次級房貸引爆的事件當中,國際股市間受到的 連動影響為何,對未來的經濟情勢又可能產生什麼樣的變化。 於是本研究將以近期影響全球最為劇烈的金融危機事件–美國次級房貸風暴 為研究背景,利用七大工業國及金磚四國之國內代表性股價指數報酬率,以 ARMA(1,1)-GARCH(1,1)-M 模型檢視金融海嘯前後美國對於其他 10 國股價報酬. 政 治 大 溢效果的研究結果作一前後比較與探討。 立. 率的報酬外溢效果與波動性外溢效果的影響,並且以簡單線性迴歸分析與前段外. 由實證結果可以發現 ARMA(1,1)-GARCH(1,1)-M 模型確實可捕捉股市報酬. ‧ 國. 學. 分配的厚尾現象及條件變異數隨時間變動的特性,此模型確實可以將股價報酬資. ‧. 料配適的不錯;而國際股市間確實存在市場傳染的現象,由模型的估計結果顯示. y. Nat. 各國股價指數報酬率皆存在著從美國引起的報酬外溢效果,並且在 2008 的金融. er. io. sit. 海嘯後顯著增加,而且 G7 及金磚四國股市不僅皆具有自我波動性外溢效果,在 金融海嘯前也受到美國前一期衝擊的波動性外溢效果;此外,在金融危機事件後. al. n. v i n 發現 G7 及金磚四國中除加拿大、巴西之外的股市報酬單獨由國內金融市場所解 Ch engchi U 釋的程度大為減少,而且各國股市之股價報酬對於衝擊的影響具有更強烈的持續 性。不僅如此,本實證研究結果發現無論環球金融危機發生的前後,除了巴西之 外,其他六大工業國家較容易受美國股市的連動性影響,而代表新興國家市場的 其餘金磚三國則較不受其影響。 由結果亦可指出,在金融海嘯事件之前,各國股市報酬率的波動皆被美國所. 干擾,但在次貸風暴發生後,僅剩法國與巴西兩國仍為顯著情形。而波動性外溢 係數在後期較不顯著的現象,可能與事前的樣本數遠少於事件後的樣本數有關; 此外,尚發現日本股市無論事件前後,受到美股的波動性外溢效果皆在 G7 及金 3.

(10) 磚四國中為最小者,而且美國在事件後對於加拿大、日本及中國的波動性外溢效 果轉為負向關係;巴西股市相當容易受歐美國家及日本的股市波動所干擾,而加 拿大股市無論事件前後,受美國股市之牽動皆相當深刻。 另外,綜合 ARMA(1,1)-GARCH(1,1)-M 模型的結果可研判,巴西在此 10 國 之中恆為最容易受美股連動的國家,而無論金融海嘯事件發生之前後,G7 受美 股報酬外溢效果的影響程度大於俄羅斯、印度及中國,而由報酬外溢效果的增加 幅度觀之,可發現義大利及加拿大受到波及的程度為最大,而歐美國家受到的衝 擊程度仍然較亞洲國家來的深許多。. 立. 政 治 大 第二章 文獻探討. 近幾年來,由於受到美國次貸風暴與金融海嘯的影響,全球的信用市場產生. ‧ 國. 學. 緊縮與泡沫化的情形,於是本研究嘗試探索金融危機的傳染效果(contagion effect). ‧. 是否確實存在,而過去也有許多學者對於國際股市間的波動性外溢效果感到興趣,. y. Nat. 研究結果也大都指出,當某一金融市場遭受風險衝擊後,與其它金融市場之間的. er. io. sit. 風險相關性也會顯著上升。. 邱建良、李彥賢、鄒易恁(2005)以 ARJI 跳躍擴散模型探討金融風暴對美國、. al. n. v i n 日本、韓國、香港、新加坡與台灣股市產生跳躍頻率與跳躍引起的變異,並比較 Ch engchi U 總變異、跳躍引起的變異與擴散所引起得變異在金融風暴期間與非金融風暴期間 是否有其差異,實證結果發現:1.各國股價指數報酬率均存在著跳躍行為,跳躍 過程所引發的變異是不可忽視的重要因素;2.金融風暴事件對台灣股市波動性並 未產生很大影響;3.以利用波動性的 Pearson 相關係數檢定,發現各國股市波動. 性的關係皆呈現顯著;4.在金融風暴後,美國股市波動性較具獨立性,其對其他 國家的影響最為顯著。 更有學者討論股市在處於高波動或低波動的狀態下,對股市連動性及波動程 度會有什麼樣的影響。Monica 以及 Loriana 探討歐盟經濟體形成及引進歐元後, 4.

(11) 國際股市與德、西班牙、義大利、法國等成員國的個別股市連動性及波動程度的 改變,黎明淵(2002)也以雙重 beta 係數檢測高低股市波動下,美國、日本與亞洲 四小龍與國際股市的連動性,研究結果也指出,國際股市中高波動伴隨高連動性 的特質。 徐清俊、吳明恆(2003)以 Granger 因果關係檢定及衝擊反應函數檢驗台灣、 美國與日本三國股市的報酬動態關連性,得知各國股價指數報酬間只有單向因果 關係,並無回饋關係,且台灣與日本之股價指數報酬會受美國股價指數報酬的影 響,且台灣又受日本股價指數報酬的影響,而日本與台灣皆無法對美國有因果關. 政 治 大 姜淑美、陳明麗、蔡佩珊(2005)以 GARCH 模型、門檻值為零及門檻值為非 立. 係。. 零的 GARCH 模型,以國際股市間存在傳導效果的角度探討美國及日本對韓國、. ‧ 國. 學. 台灣、英國、法國股市的股市及期貨市場的報酬外溢性及不對稱性效果。從結果. y. Nat. 報酬皆會隨著其市場變動而變動,即報酬外溢性存在。. ‧. 中得知美國期貨與現貨市場在國際皆居領先地位,日本、台灣、英國、法國股市. er. io. sit. 在檢驗股市的報酬外溢性與波動性外溢方面,有許多學者採用 GARCH 系列 模型為研究方法;Kunsuda, Chia-Lin, Michael 與 Songsak(2009)使用. al. n. v i n VARMA-GARCH 模型探討亞洲金融風暴後,東協、歐洲與美國之間的股市連動 Ch engchi U 性,Angeles 與 Juan(2004)也使用因素分析及 GJR-GARCH 模型探討亞洲金融風 暴後 12 國的股市連動性,而 Francis, Sangbae, Jai 及 Christopher(2001)也以 VAR-EGARCH 模型研究同樣議題,實證結果都支持市場傳染假說,風暴後各國 股市間的連動性更為強烈。 在研究波動外溢效果的議題上,除使用以上的模型、估計方法之外,還可使 用單變量及雙變量的 GARCH 模型估計方法,其中使用第一類的單變量兩階段估 計模型的學者更不乏少數,如 Chelley-Steeley and Steeley(1996)、Pyun, Lee and Nam(2000)、王元章(1999)、王英明(2007)的研究。在 Chelley-Steeley and 5.

(12) Steeley(1996)的研究中,以 ARMA(1,1)-GARCH(1,1)-M 模型討論英國股票市場在 不同規模公司的波動傳導方向,發現每個資產組合的條件變異數不僅受本身過去 的衝擊影響,也受更大公司資產組合的過去衝擊所影響,但過去的衝擊卻不會從 小公司的資產組合外溢到大公司的資產組合。Pyun, Lee and Nam(2000)使用 GARCH(1,1)模型研究韓國的股市,討論訊息到達對波動的影響以及跨公司的波 動性外溢現象,研究發現小公司資產組合的波動可由大公司資產組合過去的衝擊 來預測,反觀之,大公司資產組合的波動亦可由小公司資產組合過去的衝擊來預 測,但大公司對小公司的外溢效果較小公司對大公司來的顯著。. 政 治 大 1984 年至 1991 年之間,美、日兩國分別對香港、新加坡、台灣、泰國股市的影 立 Y. Angela 與 Ming-Shiun 亦使用 ARMA(1,1)-GARCH(1,1)-M 模型探討西元. 響,研究顯示美國對亞洲四小龍股市報酬的傳導效果,比日本對亞洲四小龍來的. ‧ 國. 學. 大,而且在 1987 年 10 月的亞洲金融風暴後,股市的外溢效果確實有顯著增加,. ‧. 市場傳染效果的假說確實在傳導機制中扮演重要的角色。. y. Nat. 最後,對於 08 年的金融海嘯事件,近年來也吸引許多學者探討外溢效果的. er. io. sit. 主題,蔡明輝(2007)採用灰色理論與時間序列方法,發現次級房貸發生期間,台 股及亞太地區主要指數的報酬率及報酬率波動性受美股影響的程度大都增強,而. al. n. v i n 賴彥君(2007)使用 DCC 模型探討美國發生次級房貸事件前後,對於台美股價兼 Ch engchi U. 影響的關係,研究發現在事件發生之後,台灣與美國的動態相關係數變小,而亞 洲地區的大多數國家也大都與台灣相似,與美國的動態相關係數變小。 此外,IMF 也使用多元 GARCH 模型探討國際股市的連動性,研究結果發現 美股受衝擊而對其他先進國家造成的外溢效果,會連帶增加國際股市的連動性。 而在 07 年夏天,次級房貸風暴引發後美國對其他工業國家的外溢效果更為顯著, 尤其在雷曼兄弟宣告破產後更為明顯。對於國際股市連動性在規模、形式上產生 鉅變,筆者提出了可能的幾項解釋:1.由於最近一次的全球金融危機在美國引爆, 且美國是世界上最大的經濟體及最大的資本市場,因此比起日本、歐盟,來自於 6.

(13) 美國股市的外溢效果最為強大;2.比起以前,現今個別國家若受到影響,較大的 可能來自於全球性的衝擊,較小可能是受到特定國家的影響。如 Forbes 及 Chinn(2004)所述及,當雙邊貿易與金融連結成為越來越重要的因素時,個別國 家的因素就變得較不能解釋該國股市報酬;3.在動盪不安的時期,與貿易對手進 行交易的信貸風險會隨之增高,這導致了市場流動性下滑、信用緊縮以及較易往 安全資產標的進行投資的傾向。 由於以上關於外溢效果的研究,多著眼於比較同一地理區域的重點國家,或 探討幾大代表性國家的傳導效果,較少關注於新興市場國家如巴西、俄羅斯、印. 政 治 大 能擠身超越西方已開發國家成為新的經濟體,因此本研究藉由次貸風暴的事件探 立 度及中國。金磚四國不僅在經濟上快速發展,股市表現也相對亮眼,未來或有可. 討國際間股市的相對變化,欲進一步發現已開發國家與新興市場國家間股市的關. 研究方法. y. Nat. 第三章. ‧. ‧ 國. 學. 係。. er. io. sit. 股票報酬在股票市場上一直是吸引人的方向,雖然股票波動無法直接觀察, 但其主要特性可由股票報酬觀察得到。Morgan(1976)首先提到股票報酬率有異質. al. n. v i n 變異(heteroskedasticity)的現象,也就是說財務資產報酬的報酬變異數會隨著時間 Ch engchi U 而改變,而 Mandelbrot(1963)和 Fama(1965)指出財務時間序列的資料分配呈現高 狹峰(leptokurtic)、厚尾(fat tail)以及不為常態分配之特性,而且金融資產上大波 動往往伴隨著大的波動,小波動往往伴隨著小的波動,此現象稱作價格波動的群 集性(volatility clustering) ,此時發現傳統的模型並不能完全解釋市場的實際情 形。 於是 Engle(1982)提出了 ARCH(Autoregression Conditional Heteroskedaticity) 模型,主要特點是模型考慮了落後期的殘差項平方函數為條件變異數,使用於英. 國市場資料的配適模型上獲得實證支持。之後,Bollerslev(1986)將 ARCH 過程擴 7.

(14) 充成一般化 GARCH(Generalized Autoregression Conditional Heteroskedasticity)模 型,將條件變異數的落後期加入於模型中,讓條件變異數的估計變得更加精簡。 表一、各國股市的交易時間 國家別. 代表指數. 交易時間 (當地時間). 交易時間 (台灣時間). 美國. S&P 500. 9:30-16:00. 21:30-04:00. 加拿大. S&P/TSX 60. 9:30-16:00. 22:30-05:05. 巴西. Brazil Bovespa. 10:00-17:00. 21:00-04:00. 英國. FTSE 100. 8:00-16:00. 15:00-23:30. 法國. CAC 40. 9:00-17:25. 15:00-23:30. 德國. DAX 30. 9:00-20:00. 15:00-02:00. 義大利. FTSE Italia All Share. 印度. India BSE (SENSEX) 30 Sensitive. ‧ 國. Russia RTS. 10:30-18:00 9:30-11:30;. FTSE Xinhu A B 35. 14:30-22:00 9:30-11:30;. io. sit. Nikkei 225. 13:00-15:00 08:00-10:00;. y. 13:00-15:00 9:00-11:00;. Nat. 日本. 12:25-18:00. ‧. 中國. 16:05-00:25. 學. 俄羅斯. 立. 9:05-17:25 政 治 大 9:55-15:30. 12:30-15:00. 11:30-14:00. n. al. er. 本研究主要在探討時間序列的波動性,所謂的波動性,也就是財務資產報酬. Ch. i n U. v. 的條件變異數(conditional variance of stock return),而一般的資產報酬序列具有以. engchi. 下特徵:一、條件變異數會隨著時間點 t 改變而改變;二、波動具有很強的持續 性,大波動伴隨著大波動,而小波動緊跟著小波動,亦即「波動的群聚現象」 (volatility clustering);三、在財務資產報酬的統計資料中,經常具有變數的峰態 係數大於 3,以及分配的兩尾端較厚的厚尾(fat tails)現象。 在 Engle(1982)提出 ARCH、並由 T.Bollerslev(1986)將之一般化而提出的 GARCH 模型之後,可成功的將以上三大特點捕捉,因此可用 GARCH 模型描述 這些特性。 國際間股市的波動性外溢效果,即指某一國股市過去的衝擊對本身以外國家 的條件變異數方程式產生影響,如甲國過去的衝擊,在乙國的條件變異數方程式 8.

(15) 中顯著異於零時,則稱甲國對乙國具有波動性外溢效果。 在討論波動傳導的議題上,本研究採用的是單變量的兩階段估計法,方法為 先分別估計不同國家的單變量模型,得到不同國家的衝擊,以外生變數的方式將 落後一期的衝擊加入對方的條件變異數當中,視為波動性外溢效果。然後再重新 估計不同國家於新加入對方過去衝擊變數後的單變量模型,觀察對方過去衝擊變 數顯著與否,討論彼此之間是否存在波動性外溢。 從這兩階段 Garch 模型檢驗傳導機制下各國股市中的外溢效果,由股市的報 酬與變異數作詳細觀察。在第一階段中,將各國股價指數報酬率之時間序列以. 治 政 = φ +φ r + φ v +大 φ 立. ARMA(1)-GARCH(1,1)-M 模型作模型設定: i,0. i,1 i,t−1. + ∑4j=1 di,j DMi,j,t + εi,t. i,2 i,t. vi,t = αi,0 + αi,1 vi,t−1 + αi,2 ε2i,t−1. i,3. εi,t−1. 學. ‧ 國. ri,j. (1) (2). ‧. 其中式(1)象徵 i 國股市報酬率之均值方程式,而式(2)則為該國股價報酬之. y. Nat. 條件變異數方程式。ri,t 為股價指數 i 在時點 t 的日報酬率,DMi,j,t 則代表捕捉日. sit. er. io. 報酬中有無星期效應的禮拜一到禮拜四,而εt 為一服從常態分配的殘差項(不可預 期的報酬),其平均數為 0、變異數為vi,t 且隨時間改變而改變。所有的股價指數. al. n. v i n 報酬時間序列都會被 ARMA(1,1) C h(或 MA(1))在均數方程式中矯正自我相關的情 engchi U 形。. 在本模型中為探討股票市場的收益率在一周之內是否有所差異,額外放進 四個虛擬變數,分別為 d1、d2、d3 與 d4,希望探討此 11 國市場在金融海嘯前 後,在一周間的個別交易日之間有無產生異常表現,藉此探討投資人有無可能在 其中產生套利行為。 在第二階段,平均股價報酬與變異數皆可用來觀察外溢效果的有無,並在第 一階段中取得標準化殘差與其平方後,再代入式(3)與式(4)的et−1,US 與e2t−1,US 中: ri,t = φi,0 + φi,1 ri,t−1 + φi,2 vi,t + φi,3 εi,t−1 9.

(16) + ∑4j=1 di,j DMi,j,t + λi,1 et−1,US + εi,t. (3). vi,t = αi,0 + αi,1 vi,t−1 + αi,2 ε2i,t−1 + γi,1 e2t−1,US. (4). 其中由式(3)的報酬外溢係數λi,1 可捕捉到股價報酬的報酬外溢效果,而由式. (4)中波動性外溢係數γi,1 可得知波動性外溢效果的大小,亦即et−1,US 為美國股價 指數報酬率之標準化殘差,可用來探討美國股市的股價報酬外溢效果,而波動性 外溢效果可由標準化殘差的平方項獲得檢驗,在式(4)的條件變異數式中有列 明。. 政 治 大. 第四章 實證結果與分析. 立. 資料來源與處理. 學. ‧ 國. 第一節. 本研究以美國、加拿大、日本、英國、法國、德國、義大利(四者合稱七大 工業國,於 1976 年訂定)與中國、印度、俄羅斯、巴西(四者合稱金磚四國,於. ‧. 2009 年訂定)股市為研究對象,並選取每天的收盤股價指數,分別為美國的史坦. y. Nat. sit. 普綜合 500 指數(Standard & Poor’s 500,S&P 500)、加拿大的 S&P/TSX 60 index、. n. al. er. io. 日本的日經 225 指數(Nikkei 225)、英國的倫敦金融時報 100 指數(FTSE 100)、法. i n U. v. 國的巴黎 CAC 40 指數(CAC 40)、德國的法蘭克福 DAX 指數(DAX 30)、義大利. Ch. engchi. 的 FTSE Italia All Share 指數、中國的新華富時 B35 指數(FTSE Xinhua B 35)、印 度的孟買敏感 30 指數(India BSE Sensex 30)、俄羅斯的 RTS 指數(Russia RTS Index) 與巴西的聖保羅指數(Brazil Bovespa Index)。 資料來源為 DataStream 資料庫的收盤股價指數日資料,總樣本期間為 2002 年 12 月 31 日至 2010 年 2 月 8 日。為了知道股價報酬與變異數的波動,會不會 因為 2008 年金融海嘯事件的市場感染而產生結構性改變,以及金融海嘯前後期 間各國股市間的連動性,我們將 2008 年 9 月作為事件的分段點,樣本期間分為 2002/12/31 至 2008/8/29 的非金融海嘯期間與 2008/9/12 至 2010/2/8 的金融海嘯期 間。 10.

(17) 由於研究樣本的資料顯示出,各國的交易日與休市日不盡相同,為求資料的 一致性與穩定性,本研究將各國交易日無法對應的資料去除,總計有 1845 筆資 料,並且因為考慮各國開盤與收盤時間不同的問題,已經將不同天交易的資料作 過處理。 本研究利用每日的收盤價指數計算報酬率,我們將每個國家的股價報酬率如 下計算: P i,t. R i,t = 100% × ln⁡ (P. i,t−1. ). (5). 其中,R i,t 為第 t 期股價指數日報酬率,Pi,t 為國家 i 在第 t 期的股價指數的收. 政 治 大 報酬率並取對數的處理,進行單根檢定後確定已成為定態的時間序列,可進行之 立. 盤價,而Pi,t−1 為國家 i 在第 t-1 期的股價指數的收盤價。股價指數在經過轉換成. ‧ 國. 學. 後更深入的分析。. 本研究將各國股價指數報酬率進行兩階段的 Garch 模型估計之後,再將美國. ‧. 對各國股價報酬率作迴歸係數估計,接著探討金融海嘯期間與非金融海嘯期間各. sit. io. 資料的敘述統計. n. al. er. 第二節. y. Nat. 股市間的連動性。. i n U. v. 表二為各國股價指數報酬率的基本敘述統計結果。由表中可看出在金融海嘯. Ch. engchi. 之前,各國股市平均報酬皆為正,在事件發生後普遍皆變為負報酬,惟獨金磚四 國仍然保持平均股價報酬大於零的水準,可說明在此次環球金融危機中受創程度 較工業國家輕微。而各國股市報酬在金融海嘯過後之波動程度皆變得更大,由標 準差顯著變大許多可以見得。 由於本研究資料皆已取報酬率的對數來處理,因此從表二可看出,金融海嘯 前七大工業國及金磚四國之平均股價指數報酬率介於 0.1592%到 0.0255%之間, 巴西的股價指數報酬率最大(0.1592%),其次為加拿大(0.0798%),而美國的股價 指數報酬率最小(0.0255%)。以標準差來表示的股價指數風險來看,股價指數風 險值介於 2.07%到 0.8923%之間,其中巴西的股價指數風險最大(2.07%),其次為 11.

(18) 中國(1.883%),最小的是美國的股價指數報酬(0.8923%)。由此可見,高報酬率的 國家,風險也相對的比其他國家要來的大。 此外,由偏態係數可得知在金融海嘯前,所有國家指數報酬率的偏態係數都 是小於零的,顯示其資料分佈型態為左偏分配,然而事件發生後,僅剩美國、日 本、加拿大、俄羅斯、巴西、中國仍為左偏分配,顯示金融海嘯事件改變了各國 資料分配的情形。從峰態係數皆大於 3 許多,可看出各國股市日報酬的分配有厚 尾現象,即各國股價指數報酬率序列皆屬於高狹峰。在 5%的顯著水準之下,各 股價指數報酬率序列落後 12 期的 Ljung-Box Q 檢定統計量皆呈現顯著,表示其. 政 治 大 列平方落後 12 期的 Ljung-Box Q 檢定統計量皆呈現顯著,且數值比未平方的序 立. 存在著線性跨時相依的性質,且在同樣 5%的顯著水準下,各股價指數報酬率序. 列更大許多,表示其條件變異數具有隨著時間波動的特性,即較大的報酬率趨勢. ‧ 國. 學. 會伴隨著較大的報酬率同方向地變動。. ‧. 由以上基本的敘述統計結果可知,各國指數報酬率的序列具有一般財務資產. y. sit. io. n. al. er. 象。. Nat. 報酬的三大特性,可嘗試用 GARCH 模型捕捉厚尾及條件變異數隨時間變異的現. Ch. engchi. 12. i n U. v.

(19) 表二、各國股價指數的日報酬率 美國 A. 2002-2008 平均數. 日本. 德國. 法國. 英國. 義大利. LB(12) LB(24) LB(12) P-value LB(24) P-value. 0.000255 0.000319 0.000762 0.000479 0.000313 0.000377 0.008923 0.01336 0.0125 0.01161 0.01068 0.009962 -0.08522 -0.3042 -0.2449 -0.2542 -0.1949 -0.4068 4.996 4.419 6.64 6.865 6.303 5.526 32.3061* 21.795* 37.0262* 28.4026* 45.3685* 22.3531* 42.5262* 36.2365* 55.4818* 43.2564* 68.5674* 31.4275* 0.0012 0.0399 0.0002 0.0048 0 0.0337 0.0113 0.0521 0.0003 0.0093 0 0.1418. squared return LB(12). 362.9553* 234.6567* 443.974* 453.4977* 463.9477* 338.9116*. 標準差 偏態係數 峰態係數. ‧ 國. 0. 0. 0. 0. ‧. y. sit. er. al. n. squared return LB(12) LB(24) LB(12) P-value LB(24) P-value. io. LB(12) LB(24) LB(12) P-value LB(24) P-value. 0. -0.00043 -0.00000977 -0.00043 -0.00058 -0.00053 -0.00092 0.02417 0.0236 0.02766 0.02817 0.02698 0.02798 -0.1367 -0.1845 0.2171 0.1918 0.01679 0.117 6.711 7.082 5.931 6.558 7.019 5.655 22.4981* 19.2963* 19.5646* 39.7267* 34.4723* 43.0043* 31.7547* 33.2148* 29.4192* 49.5449* 45.0802* 59.9936* 0.0323 0.0816 0.0758 0.0001 0.0006 0 0.1332 0.0996 0.2048 0.0016 0.0057 0.0001. Nat. B. 2008-2010 平均數 標準差 偏態係數 峰態係數. 0. 學. LB(24) LB(12) P-value LB(24) P-value. 政 治 大 559.4209* 332.754* 645.6422* 561.5521* 628.1926* 452.4842* 立0 0 0 0 0 0. Ch. 301.2009* 455.6754* 0 0. engchi. i n U. v. 341.3294* 154.5396* 171.5578* 233.1582* 191.217* 430.9795* 252.5548* 268.7853* 356.3828* 287.1821* 0 0 0 0 0 0 0 0 0 0. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量. 13.

(20) 續表二、各國股價指數的日報酬率 加拿大. ‧ 國. io. al. n. LB(12) LB(24) LB(12) P-value LB(24) P-value squared return LB12 LB24 LB12 P-value LB24 P-value. Ch. 306.224* 465.6211* 0 0. 486.301* 194.1421* 302.1193* 153.1883* 602.1505* 267.1954* 0 0 0 0 0 0 0 0. ‧. -0.00043 0.03018 -0.5766 6.064 43.5769* 59.8159* 0 0.0001. 治 138.0837* 政239.7569* 大. Nat. B. 2008-2010 平均數 標準差 偏態係數 峰態係數. 立. 0.001035 0.001592 0.001059 0.000429 0.01716 0.0207 0.01645 0.01883 -0.8197 -0.4545 -0.5648 -0.2193 7.612 4.354 7.645 7.728 20.9529* 26.9977* 35.9163* 25.676* 32.7148* 34.671* 47.1236* 46.0928* 0.0511 0.0077 0.0003 0.0119 0.1102 0.0734 0.0032 0.0043. 0.0002241 0.000472 0.000418 0.00141 0.03967 0.03909 0.02864 0.02213 -0.2095 -0.2465 0.4844 -0.3357 8.249 7.61 8.924 5.569 32.1043* 16.018* 22.6248* 9.2425* 70.3396* 39.1785* 33.8717* 20.5889* 0.0013 0.1904 0.0311 0.6821 0 0.0262 0.087 0.6628. y. 287.5445* 315.8655* 0 0. engchi. i n U. v. 142.1469* 393.4341* 31.2214* 79.2422* 271.517* 543.6505* 43.1385* 129.5772* 0 0 0.0018 0 0 0 0.0096 0. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量. 第三節. 中國. sit. squared return LB(12) LB(24) LB(12) P-value LB(24) P-value. 標準差 偏態係數 峰態係數. 印度. 學. LB(12) LB(24) LB(12) P-value LB(24) P-value. 0.000798 0.01058 -0.4692 4.951 9.6979* 21.4776* 0.6424 0.6104. 巴西. er. A. 2002-2008 平均數. 俄羅斯. Garch 模型的配適效果 14.

(21) 表三、ARMA(1,1)-GARCH(1,1)-M 模型的配適結果,期間為 2002-2008 美國 φ0. 德國. 法國. 英國. 義大利. 加拿大. 0.000548 0.0020810 0.000556 0.001436 0.000446 0.001526 (0.000727) (0.001739) (0.001642) (0.001608) (0.001391) (0.001817 ) 0.302 -0.9524* -0.9257* -0.6754* -0.9373* -0.0835 (0.24) (0.03922) (0.066800) (0.1829) (0.06857) (0.783) 0.02536 -0.0056 0.080610 0.000944 0.03598 -0.01892 (0.04329) (0.2021) (0.140600) (0.1519) (0.1397) (0.1169) -0.39490 0.93* 0.9005* 0.6077* 0.9192* 0.1194 (0.2337) (0.04789) (0.077330) (0.1965) (0.07749) (0.7805) -0.00057 -0.0007228 -0.000911 -0.000763 -0.0008 -0.000638 (0.00087) (0.000864) (0.000795) (0.000675) (0.00071) (0.00078) -0.00003 -0.0001595 0.000204 -0.000584 0.000956 0.000178 (0.00074) (0.001182) (0.001088) (0.000875) (0.000961) (0.001066) -0.00086 0.0007836 0.001028 -0.000144 0.001685 -0.000289 (0.00078) (0.001105) (0.001020) (0.000867) (0.00093) (0.000814) -0.00111 0.0001083 0.000631 0.000551 0.000829 0.000202 (0.00084) (0.0007849) (0.000739) (0.000668) (0.000651) (0.000908) 0.0000008416* 0.000003448* 0.000003676* 0.000002094* 0.000002686* 0.000003362* (0.0000002) (0.000001) (0.000001) (0.000001) (0.000001) (0.000001) 0.9412* 0.8846* 0.8742* 0.8801* 0.8818* 0.8965* (0.01088) (0.0160) (0.017820) (0.01698) (0.01763) (0.01932) 0.04688* 0.09205* 0.09723* 0.1032* 0.09123* 0.07296* (0.00872) (0.01109) (0.011910) (0.015) (0.01249) (0.01225). φ1. φ2 φ3 d1 d2. 政 治 大. 立. 學. d4 α0. sit. n. al. er. io. α2. y. Nat. α1. ‧. ‧ 國. d3. Skewness Kurtosis LB(12) LB(24). -0.2570356 2.2024074 13.5376 24.37710. Ch. -0.3444582 3.37718514 28.8285* 44.6765*. Squared standardized residuals LB(12) 15.3461 LB(24) 20.5602. 13.0345 22.703. e n-0.3659995 gchi. i n U. v. 3.44596938 20.4818 34.8239. -0.357469 2.7335228 12.3856 38.0402*. -0.45922 2.350664 18.4447 29.6077. -0.484052 2.1059392 9.3750 20.9361. 10.3166 19.7281. 14.5898 30.2057. 13.8548 33.0748. 22.1132 35.1403. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + εt , vt = α0 + α1 vt−1 + α2 ε2t−1 , 其中. DMt,i (i=1,2,3,4)是代表週一至周四的虛擬變數。 4.括號內數值代表該係數之標準差。. 15.

(22) 續表三、ARMA(1,1)-GARCH(1,1)-M 模型的配適結果,期間為 2002-2008 俄羅斯 φ1. 巴西. 印度. 中國. 日本. 0.005222 0.004285 0.005255 0.003274 -0.000090 (0.003268) (0.002871) (0.003254) (0.00202) (0.001062) -0.3923 -0.1142 0.1970 -0.3431 0.5607* (0.3187) (0.328400) (0.3277) (0.2492) (0.216600) -0.388814 -0.182268 -0.2254 -0.214644 -0.021480 (0.2875) (0.128900) (0.1431) (0.1077) (0.026010) 0.461627 0.192436 -0.1118 0.44148 -0.622200* (0.3102) (0.325200) (0.3303) (0.2379) (0.202900) 0.000171 0.000377 0.000651 0.001741 0.000236 (0.001238) (0.001595) (0.001104) (0.001253) (0.001469) 0.002061 0.002990 0.001114 0.000703 0.001662 (0.001399) (0.001695) (0.001013) (0.001575) (0.001211) 0.00270554* -0.000078 0.001595 0.000273 0.000013 (0.001309) (0.001651) (0.001048) (0.001473) (0.001194) 0.00233904* 0.001828 0.000064 0.000252 0.001526 (0.001025) (0.001681) (0.001091) (0.001087) (0.001368) 0.00002345* 0.00002953* 0.000009212* 0.00002622* 0.000004216* (0.000004) (0.000008) (0.000002) (0.000003) (0.000001) 0.7934413* 0.84485207* 0.8205* 0.82208237* 0.8972* 0.02746 (0.030050) (0.01686) (0.01323) (0.015730) 0.12546179* 0.08503013* 0.147* 0.10440317* 0.08031* 0.01716 (0.016150) (0.01519) (0.01010) (0.012340). φ1. φ2 φ3 d1 d2. 立. 學. d4 α0. sit. n. al. er. io. α2. y. Nat. α1. ‧. ‧ 國. d3. 政 治 大. Skewness Kurtosis LB(12) LB(24). Ch. e n-0.4627526 gchi. -0.7641434 -0.4509761 4.498806 1.40114767 9.8073 16.7127 22.6041 30.8878. Squared standardized residuals LB(12) 8.4002 8.2226 LB(24) 19.3398 17.098. i n U. v. 4.25901508 33.3146* 43.6433*. -0.292162 4.525242 16.1895 35.5123. -0.414358 1.660461 10.9704 24.4423. 11.6663 35.6508. 7.501 12.6069. 5.8157 10.9. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + εt , vt = α0 + α1 vt−1 + α2 ε2t−1, 其中 DMt,i (i=1,2,3,4)是代表週一至周四的虛擬變數。. 4.括號內數值代表該係數之標準差。. 16.

(23) 表四、ARMA(1,1)-GARCH(1,1)-M 模型的配適結果,期間為 2008-2010. φ3 d1 d2. 0.002326 (0.004811) -0.8507* (0.2548) 0.0635 (0.213) 0.812* (0.2862) 0.000796 (0.004082) -0.001602 (0.004453) -0.005133 (0.004433) -0.008715* (0.003087) 0.000003 (0.000004) 0.9374* (0.02350) 0.05484* (0.02118). -0.00043 (0.006577) -0.8528* (0.2099) 0.1676 (0.2709) 0.8059* (0.2419) 0.000421 (0.003903) -0.00048 (0.004491) -0.003545 (0.004170) -0.00678* (0.003105) 0.000004 (0.000004) 0.932* (0.02425) 0.05719* (0.02158). d4. Nat. α1. 立. io. α2. 政 治 大. n. al. Skewness Kurtosis LB(12) LB(24). Ch. engchi. 義大利. 加拿大. 0.003802 (0.008) 0.6469 (1.915) 0.02866 (0.1673) -0.6383 (1.948) -0.006328 (0.010876) -0.002684 (0.005529) -0.007791 (0.008160) -0.005016 (0.005199) 0.000007 (0.000005) 0.9015* (0.0327) 0.08692* (0.03047). -0.002342 (0.006050) -0.5191 (0.5390) 0.1750 (0.2643) 0.5808 (0.5097) 0.001731 (0.003411) 0.000552 (0.00438) -0.002575 (0.003867) -0.002988 (0.002861) 0.000003 (0.000004) 0.9191* (0.02571) 0.07356* (0.02581). ‧. α0. -0.000534 (0.001239) 1.001* (0.01588) 0.00043 (0.006001) -1.010* (0.02386) 0.000561 (0.003389) -0.00044360 (0.003703) -0.001558 (0.003850) 0.003955 (0.002367) 0.000006 (0.000005) 0.9037* (0.02749) 0.07594* (0.0253). 學. ‧ 國. d3. 0.003489 (0.002137) 0.4160 (0.4557) -0.016150 (0.07687) -0.5032 (0.4245) -0.004353 (0.003260) -0.002006 (0.00276) -0.004732 (0.002777) -0.003287 (0.003141) 0.000002 (0.000002) 0.9065* (0.0228) 0.08648* (0.02515). 英國. y. φ2. 法國. sit. φ1. 德國. er. φ0. 美國. i n U. v. -0.2738223 0.1056692 0.0791217 -0.033999793 0.0921849 -0.5031981 3.2841716 2.6303795 3.2420716 3.960515288 2.6863861 2.6219849 14.3926 16.9849 36.0057 36.1847 45.6694* 37.6813* 22.7042 26.8455 45.0647 46.2690 62.1188* 53.7225*. Squared standardized residuals LB(12) 10.3375 18.5685 LB(24) 20.7915 29.0656. 16.3381 24.1366. 11.6328 24.4571. 14.8335 20.9070. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + εt , vt = α0 + α1 vt−1 + α2 ε2t−1, 其中. DMt,i (i=1,2,3,4)是代表週一至周四的虛擬變數。 4.括號內數值代表該係數之標準差。. 17. 7.8129 17.8174.

(24) 續表四、ARMA(1,1)-GARCH(1,1)-M 模型的配適結果,期間為 2008-2010. φ3 d1 d2. 0.003601 (0.00576) -0.166136 (0.9274) 0.041676 (0.1706) 0.218982 (0.9157) -0.002319 (0.003768) -0.002682 (0.004332) -0.004390 (0.00459) -0.001187 (0.005677) 0.0000128* (0.000006) 0.9045496* (0.0219) 0.0778106* (0.02117). 0.001068 (0.004118) -0.08508 (0.6846) -0.05622 (0.1103) 0.1643 (0.6837) 0.003478 (0.003144) 0.000264 (0.003748) 0.000796 (0.004237) 0.001531 (0.003335) 0.000006 (0.000004) 0.8978* (0.02006) 0.101* (0.0228). d4. Nat. α1. 政 治 大. 立. io. α2. n. al. Skewness Kurtosis LB(12) LB(24). -0.004894 (0.002973) 0.536244 (0.6389) 0.042394 (0.08255) -0.484112 (0.6803) 0.008131 (0.005512) 0.003158 (0.003749) 0.006553 (0.003994) 0.006486 (0.003987) 0.00002225* (0.000007) 0.84057857* (0.03739) 0.10816256* (0.03232). Ch. engchi. 0.001446 (0.002939) 0.056020 (0.226000) 0.027550 (0.124700) -0.269900 (0.206400) -0.001559 (0.003474) -0.001275 (0.002695) -0.002773 (0.002683) -0.001997 (0.003242) 0.000005 (0.000004) 0.8909* (0.024490) 0.09331* (0.023210). ‧. α0. 日本. 學. ‧ 國. d3. 0.000988 (0.006036) 0.178426 (0.4261) -0.018312 (0.178) -0.05895 (0.4374) -0.00078 (0.005443) 0.001265 (0.005507) -0.00073 (0.005878) 0.006116 (0.005093) 0.000012 (0.000007) 0.92657764* (0.01954) 0.05739428* (0.0151). 中國. y. φ2. 印度. sit. φ1. 巴西. er. φ0. 俄羅斯. i n U. v. 0.1317707 0.0856013 0.4998243 -0.281940403 -0.2703105 4.9514955 4.3012943 5.5482198 2.644017671 3.9595446 31.4748* 16.4020 19.1322 10.3000 17.1956 71.9152* 38.7240 29.6372 21.0193 27.1697. Squared standardized residuals LB(12) 17.0745 15.0553 LB(24) 28.5298 24.9343. 7.0883 9.1922. 14.3582 23.1101. 28.2434* 33.4306. 註:1.*表示 5%的顯著水準 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + εt , vt = α0 + α1 vt−1 + α2 ε2t−1, 其中. DMt,i (i=1,2,3,4)是代表週一至周四的虛擬變數。 4.括號內數值代表該係數之標準差。. 18.

(25) 表三與表四為以 ARMA(1,1)-GARCH(1,1)-M 模型估計每個股價指數報酬序 列的結果,分別為金融海嘯發生前與後的情形。結果顯示 ARMA(1,1)-GARCH(1,1)-M 模型大致能將此資料配適得不錯,只是在峰態係數 方面,金融海嘯前的德國、法國、俄國、印度及中國的峰態係數仍稍大於 3,但 已比未作模型配適前顯著改善許多;金融海嘯後的美、法、英、俄、巴、印、日 也都稍大於 3,但同樣的也比未被模型配適前顯著的改善許多厚尾的情形。對於 以上國家的序列資料,需要在均數方程式中增加 AR 項以減少殘差有自我相關的 情形。. 政 治 大 指數報酬率序列平方的 Ljung-Box Q 檢定統計量,也可看出殘差具自我相關的情 立. 另一方面,從股價指數報酬率序列中殘差的 Ljung-Box Q 檢定統計量與股價. 形有無改善。結果顯示金融海嘯前大部分國家在 5%的顯著水準下,LB 落後 12. ‧ 國. 學. 期或 24 期下統計量皆不顯著,僅德、英、印有顯著情形;而金融海嘯後,反而. ‧. 僅有義、加、俄有出現顯著的情況,雖仍有少數幾國未能完全消弭自我相關的情. y. Nat. 形,但跟未作模型配適時比較已經有長足改善,且在序列平方的 LB 統計量方面. er. io. sit. 更達到全部都不顯著的成果。. 本模型中欲探討星期效應的虛擬變數雖皆並未達顯著水準,仍可發現在金融. al. n. v i n 海嘯前,美、德、法、英、義大利及加拿大等歐美國家股市在星期一皆產生收 Ch engchi U 益率為負的現象,日本、金磚四國等亞洲國家股市在星期一的股市收益率卻都 為正報酬。然而在金融海嘯之後,德、法、英及加拿大等國股市卻在星期一時 收益率轉為正報酬,而俄羅斯、巴西及日本則轉為負報酬。此結果顯示這次的 全球金融危機有可能改變了過去歐美及亞洲股市在周末效應時產生的現象。. 此外,可由實證結果中發現股價指數報酬率的均值方程式中,ARCH(1,1)及 GARCH(1,1)係數項都是高度顯著,這代表收益率的時間序列具有顯著的波動叢 聚性質,即這些序列的觀測值在某些時間變化的波動幅度較大,在另一個時段變 化幅度又比較小;而所有國家(除英國外)在事件發生後的 ARCH 項及 GARCH 項 19.

(26) 的係數之和皆變大。如金融海嘯前,美國、德國、法國股市的 ARCH 項及 GARCH 項的係數之和為 0.98808、0.97665、0.97143,在事件發生後變為 0.99298、0.99224、 0.98919 且非常接近於 1,這表示收益率的時間序列中殘差項受到事件的衝擊是 持久的,這對未來的預測產生重要的作用。 總結來說,實證結果顯示 ARMA(1,1)-GARCH(1,1)-M 模型對於這份股價指 數日報酬資料已能掌握絕大部分厚尾、條件變異數隨時間改變的特性,雖有少部 分幾國的結果仍未臻完美,但已比沒配適前的分配情形,更擁有了長足進步。. 政 治 大 國際傳導效果主要透過異常報酬外溢效果影響另一國家的股市,而由前揭文 立. 第四節. 國際股市間的外溢效果. 獻探討可得知,美國在國際股市報酬上具有相當程度之影響力,且其股市波動性. ‧ 國. 學. 具有獨立性的特質;其次,此次房屋信貸危機及大型金融機構的倒閉及清償危機. ‧. 由美國華爾街開始引爆,因此本研究以美國股價指數報酬作為自變數,對其他國. y. Nat. 家股市作單方向外溢效果之探討及國際間之比較。. er. io. sit. 本章節旨在檢驗美國對 G7 及金磚四國股市指數報酬率之外溢效果,表五記 錄著金融海嘯之前對各國股市外溢效果的估計數值,而表六為金融海嘯之後各國. n. al. 股市外溢效果的估計數值。. Ch. engchi. 20. i n U. v.

(27) 0.45000 0.40000 0.35000 0.30000 0.25000 0.20000 0.15000 0.10000 0.05000 0.00000. 金融海嘯前AR(1). 日本. 中國. 印度. 巴西. 俄. 加拿大. 義大利. 英國. 法國. 德國. 金融海嘯後AR(1). 圖一、各國金融海嘯前與後之 AR(1)係數變化. 立. ‧. ‧ 國. 學 金融海嘯前GARCH(1,1) 金融海嘯後GARCH(1,1). y engchi. sit. 日本. 中國. 印度. 巴西. 俄. Ch. er. n. al. 加拿大. 義大利. 英國. 法國. io. 德國. Nat. 1.0000 0.9000 0.8000 0.7000 0.6000 0.5000 0.4000 0.3000 0.2000 0.1000 0.0000. 政 治 大. i n U. v. 圖二、各國金融海嘯前與後之 GARCH(1,1)係數變化. 1.02 1 0.98 0.96 0.94 0.92 0.9 0.88 0.86 0.84 0.82 日本. 中國. 印度. 巴西. 俄羅斯. 加拿大. 義大利. 英國. 法國. 德國. 金融海嘯前ARCH(1)與 GARCH(1,1)係數之和 金融海嘯後ARCH(1)與 GARCH(1,1)係數之和. 圖三、各國金融海嘯前與後之 ARCH(1)與 GARCH(1,1)係數之和的變化 21.

(28) 在研究方法中均數方程式的部分,在金融海嘯之前,由代表AR(1)之φ1 變數. 除俄羅斯以外, 1義大利(0.39)、印度(0.3893)、中國(0.378)、英國(0.3494)、德國. (0.3455)、法國(0.3231)、加拿大(0.2073)、日本(0.1854)及巴西(0.16003195)股市皆 呈現顯著,得知該國股市會受到本身前一期報酬率的影響;但在事件發生後,卻 僅剩法國、英國、義大利及俄羅斯、印度等國股市的φ1 為顯著,且由圖一可看出. 幾乎全數國家在風暴後股市報酬的自我相關性皆減少,而例外的國家如俄羅斯、 印度反而大幅增加,這現象可說明大多數國家於受到國際間金融危機之後,股市 報酬單獨被國內金融市場所解釋的程度大為減少。. 政 治 大 係數之各國股市α 變數皆為顯著可得知,G7 及金磚四國股市皆受到本身前一期 立. 在條件變異數方程式中,不論次貸事件發生的前與後,由象徵 GARCH(1,1) 1. 報酬率之條件變異數及衝擊所影響,各國皆具有自我波動外溢性效果。而在風暴. ‧ 國. 學. 之前,α1 係數最大的國家股市為印度(0.1404)、俄國(0.1192)、中國(0.1031)等國,. ‧. 而數值最小者為英國(0.0551),可說明印度、俄國、中國等國之股市較英國來的. y. Nat. 不健全,因其對自己過去波動的衝擊產生較不理性、不穩定的反應。而從圖二可. sit. 情緒在重大金融事件後產生動盪不安的情形。. al. er. io. 看出,在次貸風暴後,幾乎所有國家股市之α1 係數皆大為增加,可顯示投資人的. n. v i n 緊接著來探討各國股市報酬有無存在波動群聚(volatility clustering)的現象, Ch engchi U. 無論事件發生前後,由條件變異數方程式中可看出象徵 ARCH(1)係數之各國α2 變 數皆為顯著可知,股價報酬率時間序列具有大波動伴隨著大波動,小波動則緊跟. 著小波動的波動叢聚現象,而α1 係數及α2 係數之和稱為波動的持續性,當波動的 持續性越大,未來波動率受到當前衝擊的影響持續愈久。由圖三指出各國α1 係數. 及α2 係數之和在事件前皆已接近於 1,然而在事件發生後更逼近於 1(尤其印度已 超過 1,為 1.0009199),可說明金融危機後,各國股市之股價報酬對於衝擊的影 響具有更強烈的持續性。. 1. 此部分之國家排序依照φ1 係數大小排列。. 22.

(29) 探討重大金融事件時,衝擊如何蔓延到它國或一經濟區域,為許多學者所關 心的議題,討論外溢效果可用來分析市場之間對事件衝擊的反應,是否存在相互 影響的關係,為了瞭解危機是否在國際間具有遞延傳導效果,可分析事件前後市 場之間的不同。在本研究中之 ARMA(1,1)-GARCH(1,1)-M 模型中先個別估計美 國自己的單變量模型,得到該國股價報酬的衝擊,以外生變數的方式將落後一期 的衝擊個別加入其它國家的均值方程式中,視為報酬外溢效果,之後再重新估計 不同國家個別加入美國過去衝擊變數後的單變量模型,觀察美國過去衝擊變數顯 著與否,方可討論彼此之間的報酬外溢效果是否存在。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 23. i n U. v.

(30) 表五、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2002-2008. 德國 φ0. 法國. 英國. 義大利. γ1. 0.001061 (0.000615) 0.3455* (0.039380) -0.033010 (0.07700) -0.5466* (0.04321) -0.001234 (0.001002) 0.000375 (0.000803) -0.000189 (0.000832) -0.000507 (0.001027) 0.005173* (0.000252) -0.0000007 (0.0000006) 0.8888* (0.01710) 0.05961* (0.01091) 0.00000577* (0.0000008). Skewness Kurtosis LB(12) LB(24). -0.33169392 -0.38772487 -0.32438383 3.348430233 3.087029704 2.1012089 35.4322* 28.2884* 44.4042* 58.8265 47.7926* 67.2101*. d2 d3. al. n. α2. io. α1. Nat. α0. ‧. λ1. 學. d4. 立. 政 治 大. y. d1. sit. φ3. -0.00012630 0.000216 -0.000012 0.00130 (0.000703) (0.00071) (0.000599) (0.000993) 0.3231* 0.3494* 0.39* 0.2073* (0.040740) (0.044300) (0.046350) (0.038020) 0.02802 -0.027880 -0.03316 -0.05134 (0.04408) (0.049760) (0.044380) (0.103300) -0.5389* -0.5611* -0.5232* -0.25650* (0.04316) (0.04486) (0.049) (0.04748) -0.000288 0.00023 0.000274 -0.00062 (0.000962) (0.00091) (0.000861) (0.000814) 0.001327 0.000279 0.001906* 0.000469 (0.000797) (0.000750) (0.000716) (0.000680) 0.000324 0.000659 0.000454 -0.000085 (0.000791) (0.000753) (0.000710) (0.000699) 0.000706 0.000961 0.00075 0.000560 (0.000974) (0.000954) (0.00090) (0.000801) 0.004795* 0.003678* 0.003703* 0.005193* (0.000252) (0.000217) (0.000238) (0.000223) -0.00000005 -0.0000004 0.000001 0.00000218 (0.0000007) (0.0000004) (0.0000007) (0.0000012) 0.8692* 0.9063* 0.8675* 0.8625* (0.0203) (0.0139) (0.02358) (0.02746) 0.05915* 0.05511* 0.05738* 0.07869* (0.01131) (0.01101) (0.01217) (0.01420) 0.0000063* 0.0000033* 0.00000427* 0.000002306* (0.000001) (0.0000007) (0.0000008) (0.0000008). er. φ2. ‧ 國. φ1. 加拿大. Ch. engchi. Squared standardized residuals LB(12) 14.6718 15.7038 LB(24) 27.8356 23.8251. i n U. 18.8717 33.5799. 註:1.*表示 5%的顯著水準,而括號內數值代表該係數之標準差. 24. v. -0.3901968 -0.5204053 1.9655884 2.083277966 27.9352* 8.2650 35.7298 24.8084. 10.6410 28.3733. 16.8097 32.9652.

(31) 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量。 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + λ1 et−1,US + εt , vt = α0 + α1 vt−1 + α2 ε2t−1 +. γ1 e2t−1,US. 續表五、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2002-2008. 俄羅斯. d1. io. λ1. Nat. d4. ‧. d3. 立. 政 治 大. 學. d2. 0.002428 0.002829 0.001075 (0.001511) (0.001462) (0.001359) 0.16003195* 0.3893* 0.378* (0.041130) (0.077090) (0.163400) -0.113681 -0.13080 -0.08980 (0.07353) (0.07313) (0.06701) -0.17532* -0.37200* -0.30200 (0.04933) (0.08264) (0.16920) 0.00061 0.000401 0.002217 (0.001412) (0.001269) (0.001574) 0.00299833* 0.001088 -0.0002 (0.001335) (0.00108) (0.001502) -0.000540 0.001121 0.000297 (0.001284) (0.001030) (0.001350) 0.00238 -0.000451 0.000438 (0.001453) (0.001104) (0.001336) 0.01070941* 0.003376* 0.00211* (0.000467) (0.00033) (0.000449) 0.00001261* 0.00000325 0.00002032* (0.000005) (0.0000019) (0.0000033) 0.79104816* 0.8164* 0.8226* (0.03131) (0.01807) (0.014) 0.09136321* 0.1404* 0.1031* (0.01580) (0.01606) (0.01106) 0.00002204* 0.00000776* 0.0000057* (0.0000044) (0.0000021) (0.000002). y. φ3. al. n. α0 α1 α2 γ1. Skewness Kurtosis LB(12) LB(24). 中國. sit. φ2. 印度. er. φ1. 0.001875 (0.001993) 0.13180 (0.116300) -0.24120 (0.21810) -0.11670 (0.11960) 0.001613 (0.001229) 0.003032* (0.001213) 0.002578* (0.001244) 0.002263 (0.001380) 0.003368* (0.000371) 0.00001919* (0.0000037) 0.7886* (0.02935) 0.1192* (0.01805) 0.00000553* (0.0000023). ‧ 國. φ0. 巴西. Ch. engchi. i n U. v. 日本 0.000369 (0.000968) 0.1854* (0.056530) -0.01298 (0.03865) -0.34* (0.05756) -0.000367 (0.001071) 0.000892 (0.00093) 0.000055 (0.000965) 0.000537 (0.001034) 0.004808* (0.00030) 0.00000173 (0.0000014) 0.8969* (0.01600) 0.07834* (0.01166) 0.0000018* (0.0000008). -0.7309831 -0.48967771 -0.49242715 -0.28629925 -0.42413762 4.79319333 1.371438748 4.379401813 4.531336452 1.729254518 15.1897 13.6646 31.5135* 25.9841* 11.8354 25.3790 21.4320 42.0429* 47.0558* 27.7133. 25.

(32) Squared standardized residuals LB(12) 6.5916 8.2858 LB(24) 17.3608 18.8451. 11.1379 23.5045. 7.5673 12.9525. 7.1654 16.3278. 註:1.*表示 5%的顯著水準,而括號內數值代表該係數之標準差;2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量;3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + λ1 et−1,US + εt ,. vt = α0 + α1 vt−1 + α2 ε2t−1 + γ1 e2t−1,US. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 26. i n U. v.

(33) 表六、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2008-2010. 德國. d1 d2 d3. io. α1. Nat. α0. ‧. λ1. 立. 政 治 大. 學. d4. 0.00507* 0.00392000 0.003872 0.003255 -0.001668 (0.002080) (0.002377) (0.002077) (0.002420) (0.002774) 0.099810 0.1583* 0.1662* 0.2287* 0.094790 (0.059270) (0.055890) (0.067340) (0.058700) (0.054340) 0.016800 -0.00426 -0.030000 -0.009139 0.157900 (0.060930) (0.06858) (0.078120) (0.074410) (0.111700) -0.416900* -0.5176* -0.419400* -0.457100* -0.223300* (0.072560) (0.06596) (0.081970) (0.072460) (0.070480) -0.006291* -0.004270 -0.002362 -0.003486 0.001496 (0.003208) (0.003426) (0.002917) (0.003554) (0.002996) -0.001449 -0.000400 -0.001891 -0.000138 0.000290 (0.002801) (0.002898) (0.002561) (0.002988) (0.002580) -0.008726* -0.007267* -0.006029* -0.005304 -0.000161 (0.002703) (0.002772) (0.002501) (0.002836) (0.002454) -0.006395 -0.004492 -0.003359 -0.004930 -0.000539 (0.003346) (0.003192) (0.003129) (0.003475) (0.002845) 0.01416* 0.01333* 0.01095* 0.01295* 0.01555* (0.000857) (0.000844) (0.000798) (0.000893) (0.000798) -0.0000014 -0.00000413 0.0000017 -0.0000049 0.0000041 (0.0000029) (0.0000028) (0.0000028) (0.0000041) (0.0000034) 0.9403* 0.9375* 0.9289* 0.9275* 0.916* (0.022110) (0.0208) (0.024850) (0.028360) (0.021180) 0.04595* 0.04607* 0.05672* 0.05278* 0.06526* (0.020670) (0.01922) (0.021680) (0.025660) (0.020750) 0.000004235 0.000007553* 0.000000697 0.000009866 -0.000000526 (0.0000034) (0.00000370) (0.00000334) (0.000005) (0.000004). y. φ3. al. n. α2 γ1. Skewness Kurtosis LB(12) LB(24). 加拿大. sit. φ2. 義大利. er. φ1. 英國. ‧ 國. φ0. 法國. Ch. engchi. i n U. v. 0.164885932 -0.01434282 -0.14562451 -0.010248959 -0.519994181 2.359786356 2.00052139 2.031639066 1.876604062 1.835067103 22.9312* 46.2751* 45.4382* 62.4963* 86.5761* 34.7214 64.7814* 68.7154* 94.4862* 111.4004*. Squared standardized residuals LB(12) 5.8231 4.8187 LB(24) 14.0551 13.7597. 4.9428 14.1639. 註:1.*表示 5%的顯著水準,而括號內數值代表該係數之標準差。. 27. 4.9825 12.3167. 10.4277 19.7986.

(34) 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + λ1 et−1,US + εt , vt = α0 + α1 vt−1 + α2 ε2t−1 +. γ1 e2t−1,US. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 28. i n U. v.

(35) 續表六、ARMA(1,1)-GARCH(1,1)-M 模型估計的國際股市外溢效果,期間為 2008-2010. 俄羅斯. d1 d2 d3. io. α1. Nat. α0. ‧. λ1. 學. d4. 立. 政 治 大. y. φ3. 0.000727 0.003686 -0.001574 -0.003358 (0.004213) (0.003416) (0.003041) (0.003092) 0.392100* 0.049950 0.41341628* 0.266600 (0.165450) (0.064080) (0.192200) (0.215900) -0.066230 0.020190 -0.046191 0.051800 (0.150093) (0.096440) (0.066680) (0.072290) -0.4387* -0.132600 -0.469457* -0.243300 (0.180189) (0.079240) (0.198900) (0.238800) -0.000888 -0.003873 0.005825 0.006259 (0.005780) (0.003354) (0.004560) (0.004009) 0.002233 -0.001763 0.000470 0.002327 (0.004922) (0.002770) (0.003807) (0.003521) 0.000294 -0.003621 0.002947 0.004980 (0.005984) (0.002859) (0.004224) (0.003446) 0.006577 -0.001213 0.004356 0.005764 (0.005073) (0.003226) (0.004431) (0.003609) 0.007655* 0.01817* 0.00477427* 0.004291* (0.001779) (0.000906) (0.001360) (0.001064) 0.0000036 -0.0000071 -0.0000095 0.00002249* (0.0000119) (0.0000062) (0.0000066) (0.00000922) 0.928100* 0.9094* 0.91072794* 0.8314* (0.017805) (0.023720) (0.020080) (0.0414) 0.057650* 0.06868* 0.09019212* 0.1179* (0.016728) (0.023120) (0.022940) (0.0364) 0.000006004 0.00001468* 0.000013930 -0.00000167 (0.000017) (0.0000071) (0.000008) (0.00000737). sit. φ2. al. n. α2 γ1. 中國. er. φ1. 印度. ‧ 國. φ0. 巴西. Ch. engchi. i n U. v. 日本 0.0012160 (0.002552) 0.02037 (0.0811) 0.04200 (0.0863) -0.354* (0.08523) -0.000720 (0.002965) -0.001297 (0.002518) -0.002835 (0.002329) -0.002205 (0.002953) 0.008345* (0.00068430) 0.00001365* (0.00000659) 0.7847* (0.05335) 0.1864* (0.04679) -0.00000368 (0.00000455). Skewness -0.025469027 -0.21588982 0.664340279 -0.197256467 0.452564018 Kurtosis 5.12454388 3.81461224 7.125531638 2.379963309 3.394439088 LB(12) 31.4749* 35.4182* 23.5125* 9.2283 25.301* LB(24) 71.9153* 67.4725* 38.0705* 20.1402 36.4488 Squared standardized residuals LB(12) 17.0744 17.141 LB(24) 28.5439 29.2714. 5.4088 7.5331. 註:1.*表示 5%的顯著水準,而括號內數值代表該係數之標準差。. 29. 15.006 22.9323. 13.2832 18.8298.

(36) 2.LB(12)與 LB(24)分別為序列落後 12 期與 24 期的 Ljung-Box 檢定統計量 3.實證的模型可表示如右:rt = φ0 + φ1 rt−1 + φ2 vt + φ3 εt−1 + ∑ di DMt,i + λ1 et−1,US + εt , vt = α0 + α1 vt−1 + α2 ε2t−1 +. γ1 e2t−1,US. 圖四、各國金融海嘯前與後之報酬外溢效果的變化 金融海嘯前之報酬外溢效果. 金融海嘯後之報酬外溢效果 0.018170. 0.015550. 0.014160 0.013330. 0.012950. 0.010950. 0.01071 0.008345 0.007667. 政 治 大. 0.005193 0.0048 0.0051730.004795 0.003680.003703 0.00337. 法國. 學. 德國. 英國 義大利 加拿大 日本 俄羅斯 巴西. 印度. 中國. ‧. ‧ 國. 立. 0.0047740.004291 0.00338 0.00211. 圖五、各國金融海嘯前與後之波動性外溢效果的變化. sit. y. Nat. io 0.000015000. al. n. 0.000020000. er. 0.000025000. Ch. engchi. i n U. v. 0.000010000 0.000005000 0.000000000 (0.000005000) 金融海嘯前之波動外溢效果. 30. 金融海嘯前之波動外溢效果.

(37) 在報酬外溢效果方面,由均數方程式的λ1 係數可作為觀察之重要指標,在表. 五、表六中各國股市之λ1 係數皆呈現顯著,可充分解釋美國的確對其他國家股市. 條件下的平均股價報酬有相當程度之影響,且美國對 G7 及金磚四國的平均股市 報酬皆為正向影響,不論事件前後皆然。由圖四可看出在次貸風暴前,美國對巴 西(0.01817)的報酬外溢效果最強烈,其次為加(0.005193)、德(0.005173)、日 (0.004808)、法(0.004795)、義大利(0.003703)、英(0.003678),最後則是印(0.003376)、 俄(0.003368)及中國(0.00211),這說明著在金融危機發生以前,除了美國對巴西 特別突出的報酬外溢效果外,由其他六大工業國家較容易受美國股市的連動性影. 政 治 大 雖美對所有國家股市之報酬外溢效果皆大為增長,卻同樣對巴西之報酬外溢效果 立. 響,而代表新興國家市場的其餘金磚三國則較不受其影響。而在次貸風暴發生後,. 為最大,美相對於另外金磚三國之報酬外溢效果仍較六大工業國來的少。惟日本. ‧ 國. 學. 在六大工業國中受美國之報酬外溢效果為最小,根據 Ghosh(1999)利用共整合研. ‧. 究發現印度、菲律賓、新加坡與日本股市具有長期均衡關係,推測可能因日本股. y. sit. io. er. 響至深。. Nat. 市與亞太區域國家之股市有相當程度之連動性,故相對於其他工業國家未受其影. 外溢效果可分為報酬外溢效果與波動性外溢效果,波動性外溢效果即指不同. al. n. v i n 國家過去的衝擊,對本身以外國家的條件變異數方程式有影響,此處將美國落後 Ch engchi U. 一期的衝擊以外生變數的形式加入各國的條件變異數當中,觀察美國過去衝擊變 數是否顯著,來討論彼此之間波動性外溢效果是否存在。 在金融海嘯事件發生之前,由各國股市之波動性外溢係數γ1 皆為顯著,可說. 明各國股市報酬率的波動會被美國所干擾,然而在次貸風暴發生後,僅剩法國與 巴西兩國仍為顯著情形,由於本研究樣本期間為西元 2002 年底至 2010 年 2 月, 而金融海嘯爆發迄今僅只兩年,推測可能是由於波動性外溢係數在樣本數較小下 較不顯著所致。由圖五可看出,巴西股市受到美國較多的波動性外溢效果,而其 它國家受到的報酬率波動可說是微乎其微,其中跨市場波動的程度最小者為日本 31.

(38) 股市。其中美國對於加拿大、日本及中國的波動外溢效果更轉為負向關係,日本 股市仍為其中波動程度最小者,此現象說明當美國股市產生一非預期衝擊時,日 本股市對於美國股市的報酬率波動具有相當程度的避險關係。. 第五章. 結論. 本研究以 ARMA(1,1)-GARCH(1,1)探討 2008 年金融海嘯對於世界各國股市 的影響、以及美國對於七大工業國及金磚四國所引起的報酬外溢效果與波動性外 溢效果,並作各國間的比較,最後利用事件前後美國對其他各國的迴歸係數,來 與前揭模型研究結果作國際股市連動性的關係之比較。. 政 治 大. 實證結果大致可歸納成以下諸點:1. 發現 ARMA(1,1)-GARCH(1,1)模型確. 立. 實可捕捉股市報酬分配的厚尾現象及條件變異數隨時間變動的特性,此模型確實. ‧ 國. 學. 可以將股價報酬資料配適的不錯;2. 確實存在市場互相感染的現象,由 ARMA(1,1)-GARCH(1,1)-M 模型的估計結果顯示各國股價指數報酬率皆存在著. ‧. 從美國引起的報酬外溢效果,並且在 2008 的金融海嘯後顯著增加,其增加幅度. y. Nat. sit. 從最少的 57.52%到最大 349.72%;3. G7 及金磚四國中(除加拿大、巴西之外). n. al. er. io. 於受到國際間金融危機之後,股市報酬單獨被國內金融市場解釋的程度大為減少;. i n U. v. 4. G7 及金磚四國股市皆具有自我波動性外溢效果。而印度、俄國、中國等國之. Ch. engchi. 股市較英國來的不健全,因其對自己過去波動的衝擊產生較不理性、不穩定的反 應;5. 金融危機後,各國股市之股價報酬對於衝擊的影響具有更強烈的持續性; . 金融海嘯事件之前,各國股市報酬率的波動會被美國所干擾,次貸風暴發生後, 僅剩法國與巴西兩國仍為顯著情形,推測可能是由於波動性外溢係數在樣本數較 小下較不顯著所致。且事發後美國對於加拿大、日本及中國的波動性外溢效果更 轉為負向關係,日本股市仍為其中波動程度最小者,此現象說明當美國股市產生 一非預期衝擊時,日本股市對於美國股市的報酬率波動具有相當程度的避險關係; 近年來國際金融市場加速整合,資金全球化的趨勢與金融風暴的連鎖效應,更加 深了股市巨幅震盪下的連動關係。在此次金融危機之事件下,本文雖對於國際市 32.

(39) 場的報酬與波動性外溢效果提供相關的實證結果,但如何進一步探討外溢效果能 存續於各國股市的時間長短,以及實證分析此外溢效果對於未來股市波動的實質 影響,也是未來研究可以繼續努力的方向之一。. 第六章 參考文獻 英文部分: Angeles Fernandez-Izquierdo, Juan Angel Lafuente(2004), “International transmission of stock exchange volatility: Empirical evidence from the Asian crisis,” Global Finance Journal, Vol.15, 125-137. Apanard Penny Angkinand, James R. Barth, Hyeongwoo Kim(2009), “Spillover effects from the U.S. financial crisis: Some time-series evidence from national stock returns,” Working Paper. 立. 政 治 大. Christiansen, C.,(2003), “Volatiliy-Spillover Effects in European Bond Markets,”. ‧. ‧ 國. 學. Working Paper, Aarhus School of Business. In, F., S. Kim, J. H. Yoon and C. Viney (2001), “Dynamic interdependence and volatility transmission of Asian stock markets: evidence from the Asian crisis,” International Review of Financial Analysis, 10, 87-96. John M. Griffin, Rene M. Stulz(2001), “International Competition and Exchange Rate Shocks: A Cross-Country Industry,” The Review of Financial Studies, Vol. 14, No. 1, pp. 215-241. M. Billio, L. Pelizzon(2002), “Volatility and Shocks Spillover before and after EMU in European Stock Markets,” Working Paper, n. 07. 02 Mervyn A. King, Sushil Wadhwani(1990),“Transmission of Volatility between Stock Markets,” The Review of Financial Studies, Vol. 3, No. 1. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. Nathaniel Frank and Heiko Hesse(2009), “Financial Spillovers to Emerging Markets During the Global Financial Crisis,” IMF Working Paper. Y. Angela Liu, Ming-Shiun Pan(1997),“Mean and Volatility Spillover Effects in the U.S. and Pacific-Basin Stock Markets,” Multinational Finance Journal, Vol.1, No. 1, pp. 47-62. 中文部分: 姜淑美、陳明麗、蔡佩珊(2005),國際股價指數現貨與期貨報酬外溢性及不對稱 性效果之研究,經營管理論叢,vol. 1,No.2,23-39. 郭彥菁(2009), 「美國次級房貸風暴對台灣股匯市相關性之影響」 ,真理大學管理 科學研究所碩士論文,1-79. 33.

(40) 黎明淵、林修葳、郭憲章與楊聲勇(2003),美、日股市巨幅波動下的股市連動效 果–美國、日本與亞洲四小龍股市實證結果,證券市場發展,第十五期, 117-145. 黎明淵(2002),高、低股市波動狀態下之雙重貝他係數檢測–美國、日本與亞洲 四小龍股市實證研究,台灣管理學刊,第二卷第二期,99-118. 邱建良、李彥賢、鄒易恁(2005),金融風暴對股市間波動性的連動性影響–ARJI 模型,真理財金學報,第 13 期,1-22. 徐清俊、林柏宇(2003),金融控股公司股價波動性之實證研究,遠東學報,第二 十卷第四期,1-18. 徐清俊、吳明恆(2003),美國、日本與台灣股票市場動態關係,遠東學報,第二 十卷第二期,265-282. 王凱立、陳美玲(2003),亞洲金融風暴發生前後美國與台灣股市動態關聯之進一 步研究,經濟論文叢刊 ,31:2,191-252. 賴彥君(2007),美國次級房貸風暴對全球股價走勢的衝擊與影響-以 DCC 模型分 析,國立政治大學經濟研究所學位論文. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 34. i n U. v.

(41) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 34. i n U. v.

(42)

參考文獻

相關文件

Lemma 3 An American call or a European call on a non-dividend-paying stock is never worth less than its intrinsic value.. • An American call cannot be worth less than its

15 Framework Agreement on Comprehensive Economic Cooperation Among the Governments of the Member Countries of the Association of Southeast Asian Nations and the Republic of

: joint hearing before the Subcommittee on International Economic Policy, Export and Trade Promotion and the Subcommittee on East Asian and Pacific Affairs of the Committee

(1988a).”Does futures Trading increase stock market volatility?” Financial Analysts Journal, 63-69. “Futures Trading and Cash Market Volatility:Stock Index and Interest

¾ For investment and holding companies, stock, commodity and bullion brokers, and miscellaneous financial services, manpower requirement is projected to increase from 62 500 in 2001

Based on historical documents and archeological evidence, this thesis provides an analysis of, raises some worth-noting questions on, the development of Western Qin Buddhism

The Future of Asian & Pacific Cities: Transformative Pathways Towards Sustainable Urban Development.

香光莊嚴門第六十一期】民國八十九年三月 VO 九.. Boston and London: Shambala. University of Michigan. Asian Terra-cottas from the wl 立 lter-Grounds