金融市场波动溢出研究
2008-3
中国社会科学出版社
张瑞锋
242
多年来，为揭示经济及金融波动的本质，国际学术界对经济及金融系统的运行规律进行了不懈的探索。在金融计量的发展过程中，影响最大、具有里程碑意义的工作是刻画时变波动的金融波动模型：一是1982年恩格尔（Engle）创造性提出的ARCH模型，并用该模型分析了英国通货膨胀指数波动聚集性；另外就是1986年泰·勒（Taylor）提出的SV模型。随后的20年中，有关这两方面的各种变化形式和各种应用研究成果不断涌现，这两类模型广泛地应用于金融分析、金融预测等方面。但是，由于国际问信息流、技术流、资金流等的流动性，世界各国经济、金融系统从最初孤立分散系统整合为在子系统间存在较强耦合作用的世界经济大系统。这既增加了各国经济之间的联系，促进了经济发展，也为风险在世界范围内的传播创造了机会，加大了全球金融市场之间的相互影响，导致了各个市场之间波动的溢出效应，金融风险在不同市场之间传导、放大，使得全球金融市场的波动性和风险不断加大。因此，在金融决策中，为了提高决策的准确性，降低决策风险，研究分析金融市场之间的波动溢出效应是非常必要的。 《金融市场波动溢出研究》在充分吸收国内外相关研究成果的基础上，对金融市场波动溢出问题做了全面、系统的方法讨论和实证研究。一方面，从不同角度研究了波动溢出效应及协同波动溢出效应的分析方法，提出了更实用的理论分析方法；另一方面，以金融市场数据深入讨论了中国金融市场与国际金融市场之间的波动溢出效应关系，为金融市场决策提供依据。
张瑞锋，男，1972年出生，河北永清人，管理学博士，现为河北经贸大学副教授。1995年7月于河北工业大学技术经济专业毕业后，进入河北经贸大学从事信息技术的教学工作，2002年获得北京科技大学计算机应用专业硕士学位，2004年初考入天津大学管理学院，师从张世英教授从事金融计量方向的研究，2007年初获得管理学博士学位。
主要研究领域为金融计量、金融市场波动溢出、计量经济、技术经济。主持、参加国家级、省部科研项目5项；在《中国管理科学》、《数量经济技术经济》、《自然辩证法研究》、《系统工程理论与实践》、《系统工程学报》等杂志发表学术论文30余篇，其中多篇被EI、ISTP检索，代表性论文有“金融市场波动溢出分析及实证研究”、“金融市场协同波动溢出分析及实证研究”、“基于高频方差持续的资本资产定价模型研究”等。近两年，参加了“第14届面板数据计量经济学国际会议”、“Proceedings of 2007 International Conference on Management ScienCe & Engineering（14th）”等国际高水平学术会议，广泛地进行了学术交流。
第一章 绪论 1.1 金融市场波动溢出研究的背景与现状 1.1.1 金融市场波动溢出研究背景 1.1.2 金融市场波动溢出研究现状 1.2 问题的提出与金融市场波动溢出研究的意义 1.2.1 问题的提出 1.2.2 金融市场波动溢出的研究意义 1.3 金融市场波动溢出的研究结构与主要创新 1.3.1 金融市场波动溢出的研究结构 1.3.2 金融市场波动溢出研究的主要创新第二章 基于GARCH模型的金融市场协同波动溢出分析 2.1 ARCH类模型及参数估计 2.1.1 问题的提出 2.1.2 ARCH模型 2.1.3 GARCH模型 2.1.4 ABSGARCH/ARCH模型 2.1.5 非对称的ARCH模型 2.1.6 共积GARCH模型（IGARCH） 2.1.7 FIGARCH模型和PIEGARCH模型 2.1.8 ARCH-M模型、CARCH-M模型、ABSGARCH-M模型和EGARCH-M模型 2.1.9 ARCH效应检验与模型参数估计 2.1.10 GARCH模型的矩特性 2.2 基于GARCH模型的金融市场波动溢出分析及缺陷 2.2.1 波动溢出分析 2.2.2 GARCH方法的缺陷 2.3 主成分分析（PCA） 2.3.1 建立矩阵 2.3.2 计算协方差矩阵的特征根与特征值 2.3.3 确定主成分 2.4 独立成分分析（ICA） 2.4.1 ICA的起源 2.4.2 ICA模型 2.4.3 独立成分分析的假设条件 2.4.4 数据的中心化 2.4.5 不相关和白化（Whitening） 2.4.6 ICA估计方法 2.5 金融市场协同波动溢出分析 2.5.1 基于PCA-GARCH模型的金融市场协同波动溢出分析 2.5.2 某于ICA-CARCH模型的金融市场协同波动溢出分析 2.6 股票市场协同波动溢出的实证研究 2.6.1 数据描述 2.6.2 股市指数日收益率波动计算 2.6.3 股票市场波动的主成分分析 2.6.4 股票市场波动的独立成分分析 2.6.5 基于CARCH模型的股票市场波动溢出分析 2.6.6 基于PCA-GARCH模型的股票市场协同波动溢出分析 2.6.7 基于ICA-GARCH模型的股票市场协同波动溢出分析 2.7 本章小结第三章 基于SV模型的金融市场波动溢出分析 3.1 SV模型类型及参数估计 3.1.1 SV模型的起源 3.1.2 SV模型 3.1.3 扩展的SV模型 3.1.4 SV模型估计方法 3.1.5 其他估计方法 3.2 基于SV模型的金融市场波动溢出分析及缺陷 3.2.1 波动溢出分析 3.2.2 SV方法的缺陷 3.3 基于SV模型的金融市场协同波动溢出研究 3.3.1 基于PCA.SV模型的金融市场协同波动溢出分析 3.3.2 基于ICA-SV模型的金融市场协同波动溢出分析 3.4 基于VS—MSV模型的金融市场波动溢出研究 3.4.1 多元SV模型（MSV） 3.4.2 VS-MSV模型 3.4.3 VS-MSV模型的估计 3.4.4 波动溢出判断分析 3.5 股票市场波动溢出实证研究 3.5.1 数据描述 3.5.2 股市日收益率波动计算 3.5.3 股票市场日收益率波动的独立成分分析 3.5.4 股市协同波动溢出分析 3.5.5 基于VS-MSV模型的股票市场波动溢出分析 3.6 本章小结第四章 基于Copula的金融市场波动溢出研究 4.1 Copula理论 4.1.1 Copula函数定义及定理 4.1.2 条件Copula函数定义及定理 4.1.3 一致性和相关性测度 4.1.4 尾部相关测度 4.1.5 二元Copula函数与相关性分析 4.1.6 Copula函数的基本性质 4.2 基于Copula函数的金融市场波动溢出研究 4.2.1 金融时间序列的边缘分布模型 4.2.2 金融市场波动变结构点的诊断 4.2.3 分阶段构建Copula模型 4.2.4 金融市场波动溢出分析 4.3 股票市场波动溢出实证分析 4.3.1 数据描述 4.3.2 边缘分布模型参数估计及检验结果 4.3.3 Copula模型的选取及估计结果 4.3.4 股票市场波动溢出分析 4.4 本章小结第五章 金融市场波动溢出概率研究 5.1 金融市场波动溢出的新定义 5.1.1 金融市场之间的影响概率 5.1.2 金融市场波动溢出的新定义 5.2 金融市场波动溢出概率模型的构建 5.2.1 分位数 5.2.2 构建回归模型 5.3 股票市场波动溢出实证研究 5.3.1 数据描述 5.3.2 股市日收益率波动溢出模型估计 5.3.3 股市日收益率波动溢出分析 5.4 本章小结第六章 基于高频数据的金融市场波动溢出研究 6.1 高频时间序列的“已实现”波动率 6.1.1 “已实现”波动率综述 6.1.2 高频数据的统计特性 6.1.3 “已实现”波动率 6.1.4 国外成熟市场“已实现”波动特性 6.2 多维高频时间序列的“已实现”协方差 6.2.1 “已实现”协方差矩阵 6.2.2 “已实现”协方差与低频协方差的区别 6.3 基于高频数据的金融市场波动溢出分析 6.3.1 “已实现”波动变结构点的诊断 6.3.2 金融市场间相关系数计算 6.3.3 金融市场波动溢出判断分析 6.4 高频数据的股票市场波动溢出实证分析 6.4.1 数据描述 6.4.2 “已实现”波动变结构点的诊断及相关系数计算、检验 6.4.3 股票市场波动溢出分析 6.5 本章小结第七章 总结与展望 7.1 本书工作总结 7.1.1 金融市场波动溢出问题研究综述 7.1.2 基于CARCH模型的金融市场协同波动溢出研究 7.1.3 基于SV模型的金融市场波动溢出研究 7.1.4 基于Copula的金融市场波动溢出研究 7.1.5 金融市场波动溢出概率研究 7.1.6 基于高频数据的金融市场波动溢出研究 7.2 研究与展望 7.2.1 基于非参数的金融市场波动溢出研究 7.2.2 基于模糊理论的金融市场波动溢出研究 7.2.3 金融市场波动溢出强度的研究 7.2.4 金融市场波动溢出复杂性研究 7.3 结束语后记
很深奥 一般看不懂