歐洲主權(quán)債務(wù)危機(jī)對(duì)中國(guó)股票市場(chǎng)傳染效應(yīng)的實(shí)證研究

歐洲主權(quán)債務(wù)危機(jī)對(duì)中國(guó)股票市場(chǎng)傳染效應(yīng)的實(shí)證研究

歐債危機(jī)的爆發(fā)2009年12月，全球第三大信用評(píng)級(jí)機(jī)構(gòu)分別降低了對(duì)希臘主權(quán)的信用評(píng)級(jí)，開啟了希臘主權(quán)債務(wù)危機(jī)的序幕，并引發(fā)了嚴(yán)重的歐洲經(jīng)濟(jì)形勢(shì)，并威脅到歐洲主權(quán)在歐盟環(huán)境中的生存。以歐元區(qū)國(guó)家為主體的歐盟是中國(guó)最大的出口目的地,也是中國(guó)進(jìn)口先進(jìn)技術(shù)的最大來源地,歐盟經(jīng)濟(jì)與中國(guó)經(jīng)濟(jì)有千絲萬縷的聯(lián)系。歐債危機(jī)爆發(fā)后,中國(guó)股票市場(chǎng)行情低迷不振,持續(xù)走軟。這引起了理論界和實(shí)務(wù)部門的高度關(guān)注。本文通過建立時(shí)變Copula模型,選取2009年12月至2012年3月的樣本數(shù)據(jù),實(shí)證檢驗(yàn)歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng),目的是為相關(guān)決策提供借鑒和依據(jù)。股票市場(chǎng)間的傳染病效應(yīng)研究在PericoliandSbracia1看來,金融危機(jī)傳染效應(yīng)的主要含義是:當(dāng)一國(guó)或一個(gè)地區(qū)發(fā)生金融危機(jī)時(shí),該國(guó)或該地區(qū)的金融市場(chǎng)與其他國(guó)或地區(qū)金融市場(chǎng)之間的互動(dòng)明顯增強(qiáng);或是對(duì)于單個(gè)金融市場(chǎng)的沖擊,可以通過多種渠道傳遞到其他金融市場(chǎng)。DeBandt2指出,傳染效應(yīng)可以通過多種渠道產(chǎn)生,如金融機(jī)構(gòu)之間的債務(wù)關(guān)聯(lián)或金融工具之間的技術(shù)相關(guān)都可能導(dǎo)致傳染。RochetandTirole3認(rèn)為,銀行間的借貸和交易將一個(gè)金融機(jī)構(gòu)出現(xiàn)的償付問題傳染到其他金融機(jī)構(gòu)。AllenandGale4指出,流動(dòng)性偏好沖擊通過銀行間金融工具可以從一個(gè)局部傳染到整個(gè)經(jīng)濟(jì)體。除此之外,市場(chǎng)參與者的預(yù)期變化及其引發(fā)的投資行為改變也可能導(dǎo)致傳染效應(yīng)。Grossman5的研究發(fā)現(xiàn),信息發(fā)布首先會(huì)引發(fā)個(gè)別證券市場(chǎng)上的金融資產(chǎn)價(jià)格調(diào)整,如果市場(chǎng)參與者具有理性預(yù)期,那么與該證券市場(chǎng)相關(guān)的所有其他證券市場(chǎng)上的金融資產(chǎn)價(jià)格也會(huì)出現(xiàn)相應(yīng)調(diào)整,信息發(fā)布與傳播會(huì)使風(fēng)險(xiǎn)在證券市場(chǎng)之間傳染。KodresandPritsker6建立包括“噪音”的理性預(yù)期模型,研究市場(chǎng)之間的傳染效應(yīng),發(fā)現(xiàn)在信息不對(duì)稱或金融市場(chǎng)之間具有共同宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)因子的情形下,傳染效應(yīng)尤其顯著。同時(shí),他認(rèn)為一個(gè)金融市場(chǎng)遭遇的隨機(jī)沖擊也會(huì)通過資產(chǎn)組合調(diào)整傳染到其他金融市場(chǎng)。在傳染效應(yīng)的實(shí)證研究中,最具代表性的研究方法是分析不同證券市場(chǎng)在收益率上的相關(guān)性。KingandWadhwani7最早使用資產(chǎn)收益率之間的相關(guān)系數(shù)(correlationcoefficients)檢驗(yàn)股票市場(chǎng)之間的傳染效應(yīng)。他們對(duì)美、英、日三國(guó)在1987年10月股災(zāi)前后的股票收益率之間的相關(guān)系數(shù)進(jìn)行檢驗(yàn),發(fā)現(xiàn)股市暴跌后一段時(shí)間內(nèi),三國(guó)股票收益率之間的相關(guān)系數(shù)明顯增加,存在傳染效應(yīng)。BaigandGoldfajn8對(duì)1997年亞洲金融危機(jī)期間的股票指數(shù)、匯率和利率等變量進(jìn)行分析,發(fā)現(xiàn)危機(jī)期間股票市場(chǎng)、外匯市場(chǎng)、債券市場(chǎng)之間的相關(guān)系數(shù)均顯著增加。Chiang等9建立動(dòng)態(tài)條件相關(guān)模型(DynamicConditionalCorrelation)對(duì)1990—2003年亞洲9個(gè)國(guó)家的股票指數(shù)收益率進(jìn)行實(shí)證檢驗(yàn),發(fā)現(xiàn)亞洲金融危機(jī)對(duì)9個(gè)亞洲國(guó)家股票市場(chǎng)存在傳染效應(yīng)。Rodriguez10首次用Copula模型實(shí)證檢驗(yàn)了亞洲金融危機(jī)期間亞洲5個(gè)國(guó)家股票指數(shù)、墨西哥金融危機(jī)期間拉美4個(gè)國(guó)家股票指數(shù)之間的相關(guān)性,證實(shí)金融危機(jī)對(duì)這些股票市場(chǎng)存在傳染效應(yīng)。國(guó)外文獻(xiàn)側(cè)重研究亞洲金融危機(jī)、拉美金融危機(jī)對(duì)股票市場(chǎng)的傳染效應(yīng),基本不涉及金融危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng)。近幾年來,國(guó)內(nèi)文獻(xiàn)多集中于研究2008年國(guó)際金融危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng),而研究歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)傳染效應(yīng)的文獻(xiàn)十分少見。龔樸、黃榮兵11運(yùn)用時(shí)變Copula模型對(duì)2005年1月至2008年10月中美股市的相關(guān)性進(jìn)行實(shí)證檢驗(yàn),認(rèn)為美國(guó)次貸危機(jī)對(duì)中國(guó)股票市場(chǎng)的影響并不大。游家興和鄭挺國(guó)12采用非對(duì)稱M-GARCH模型和Engle提出的動(dòng)態(tài)條件相關(guān)模型,對(duì)中國(guó)、美國(guó)、德國(guó)、英國(guó)、法國(guó)、日本、新加坡和中國(guó)香港股票市場(chǎng)的聯(lián)動(dòng)性進(jìn)行實(shí)證分析,發(fā)現(xiàn)中國(guó)股票市場(chǎng)與這些股票市場(chǎng)的聯(lián)動(dòng)性越來越強(qiáng)。張兵等(2010)13用GARCH-DCC模型分析了中美兩國(guó)股市的波動(dòng)溢出效應(yīng),發(fā)現(xiàn)在2008年9月美國(guó)次貸危機(jī)爆發(fā)后兩國(guó)股票市場(chǎng)之間的時(shí)變相關(guān)系數(shù)穩(wěn)定在0.5以上。蔣彧和裴平(2012)14運(yùn)用時(shí)變Copula模型對(duì)2007—2010年間美國(guó)股票市場(chǎng)與中國(guó)股票市場(chǎng)的動(dòng)態(tài)相關(guān)性進(jìn)行實(shí)證檢驗(yàn),發(fā)現(xiàn)在金融危機(jī)期間美國(guó)股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的影響具有動(dòng)態(tài)變化的特征。周舟等(2012)15運(yùn)用向量自回歸方法(VAR)和時(shí)變多元GARCH模型對(duì)歐洲股票市場(chǎng)與中國(guó)股票市場(chǎng)之間的相關(guān)性進(jìn)行研究,認(rèn)為歐債危機(jī)蔓延期間歐洲股票市場(chǎng)與中國(guó)股票市場(chǎng)之間具有一定的聯(lián)動(dòng)性。國(guó)內(nèi)外文獻(xiàn)為本文所做的研究提供了有益的借鑒。為改進(jìn)和深化已有的相關(guān)研究,促進(jìn)中國(guó)股票市場(chǎng)的健康發(fā)展,本文通過構(gòu)建時(shí)變Copula模型,選取2009年12月(希臘主權(quán)債務(wù)危機(jī)爆發(fā))至2012年3月的樣本數(shù)據(jù),實(shí)證檢驗(yàn)歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng)。歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)基金的傳播效應(yīng)根據(jù)金融危機(jī)傳染的理論,與歐債危機(jī)相關(guān)的信息沖擊會(huì)引起歐洲股票市場(chǎng)的資產(chǎn)價(jià)格調(diào)整,在金融全球化的背景下,進(jìn)而會(huì)影響中國(guó)股票市場(chǎng)的資產(chǎn)價(jià)格。因此,歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng)可表現(xiàn)為危機(jī)爆發(fā)后歐洲股票市場(chǎng)與中國(guó)股票市場(chǎng)之間的相關(guān)性變化。由于兩地存在時(shí)差,歐洲股票市場(chǎng)收市時(shí)間為當(dāng)日北京時(shí)間晚上11點(diǎn)。在通常情況下,有關(guān)歐債危機(jī)的信息沖擊會(huì)先到達(dá)歐洲股票市場(chǎng),再傳染到次日的中國(guó)股票市場(chǎng)。因此,傳染效應(yīng)表現(xiàn)為當(dāng)日歐洲股票市場(chǎng)與次日中國(guó)股票市場(chǎng)之間相關(guān)性的變化。歐債危機(jī)自2009年12月在希臘首先爆發(fā),至今陰霾不散,具有持續(xù)時(shí)間長(zhǎng)、涉及國(guó)家廣、信息沖擊來源復(fù)雜等特征,而且整個(gè)危機(jī)爆發(fā)與蔓延的過程呈現(xiàn)出明顯的階段性。經(jīng)過比較,本文認(rèn)為,由Patton16提出的時(shí)變Copula模型可以捕捉變量之間的非對(duì)稱和非線性關(guān)系,能夠更精確地描述相關(guān)性變化的動(dòng)態(tài)過程。因此,本文選擇時(shí)變Copula相關(guān)性模型,實(shí)證檢驗(yàn)歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng),特別是解析歐洲股票市場(chǎng)收益率與中國(guó)股票市場(chǎng)收益率之間的相關(guān)性隨歐債危機(jī)發(fā)展而變化的過程。假設(shè)X表示當(dāng)日歐洲股票市場(chǎng)的收益率,Y表示次日中國(guó)股票市場(chǎng)的收益率。顯然X、Y是兩個(gè)隨機(jī)變量,它們的聯(lián)合分布可表示為F(x,y),邊緣分布函數(shù)可分別表示為FX(x)和FY(y)。根據(jù)Sklar定理(參見Nelson17),一定存在二元函數(shù)C(u,v),使得F(x,y)=C(FX(x),FY(y))(1)其中,C被稱為Copula分布函數(shù)。Copula分布函數(shù)將當(dāng)日歐洲股票市場(chǎng)收益率、次日中國(guó)股票市場(chǎng)收益率各自的邊緣分布函數(shù)連接起來,構(gòu)造出聯(lián)合分布函數(shù)。通過Copula分布函數(shù),可判斷兩個(gè)股票市場(chǎng)收益率之間的相關(guān)性。假設(shè)(X,Y)的概率密度函數(shù)是f(x,y),邊緣概率密度函數(shù)分別是fX(x)和fY(y),則根據(jù)式可得:f(x,y)=fX(x)·fY(y)·c(u,v)(2)其中u=FX(x)?v=FY(y)?c(u,v)=?2C?u?v是Copula分布函數(shù)的密度函數(shù)。由式,當(dāng)日歐洲股票市場(chǎng)收益率和次日中國(guó)股票市場(chǎng)收益率的聯(lián)合密度函數(shù)等于各自的密度函數(shù)與Copula密度函數(shù)的乘積。根據(jù)當(dāng)日歐洲股票市場(chǎng)收益率、次日中國(guó)股票市場(chǎng)收益率兩個(gè)樣本的時(shí)間序列統(tǒng)計(jì)特征選取邊緣分布函數(shù),能夠估計(jì)邊緣分布函數(shù)的參數(shù)α和β,記為?α和?β。?α=argαmaxn∑t=1lnfX(xt;α)(3)?β=argβmaxn∑t=1lnfY(yt;β)(4)估計(jì)出兩個(gè)收益率樣本的邊緣分布函數(shù)后,就可估計(jì)當(dāng)日歐洲股票市場(chǎng)收益率和次日中國(guó)股票市場(chǎng)收益率的時(shí)變Copula函數(shù)的參數(shù)向量λ,記為?λ:?λ=argλmaxn∑t=1lnc(FX(xt;?α),FY(yt;?β);λ)(5)本文采用Patton(2006)提出的時(shí)變正態(tài)Copula密度函數(shù),表達(dá)式如下:c(u,v;ρt)=1√1-ρt2exp{-ρt2(Φ-1(u)2+Φ-1(v)2)-2ρtΦ-1(u)Φ-1(v)2(1-ρt2)}(6)其中,時(shí)變參數(shù)ρt就是當(dāng)日歐洲股票市場(chǎng)收益率與次日中國(guó)股票市場(chǎng)收益率之間的相關(guān)性系數(shù),ρt隨時(shí)間變化,其變化方程為ρt=Δ(ω1+ω2ρt-1+ω31r∑i=1rΦ-1(ut-i)Φ-1(vt-i))(7)其中,Φ-1(x)是標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆函數(shù),Δ(x)=1-e-x1+e-x用于保證相關(guān)系數(shù)ρt始終處于(-1,1)之間,r是滯后階數(shù)18,ω1、ω2、ω3構(gòu)成時(shí)變Copula函數(shù)的待估參數(shù)向量λ=(ω1,ω2,ω3)′。運(yùn)用極大似然估計(jì)法求出式中所有參數(shù)的估計(jì)值后,即可得到當(dāng)日歐洲股票市場(chǎng)收益率與次日中國(guó)股票市場(chǎng)收益率之間相關(guān)性ρt的時(shí)間序列。通過檢查ρt是否顯著增加,就可判斷歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng)。確認(rèn)測(cè)試(一)國(guó)內(nèi)汽車市場(chǎng)股票指數(shù)概率本文選取歐洲股票市場(chǎng)上最具有代表性的三個(gè)股票指數(shù),即英國(guó)FTSE100指數(shù)、德國(guó)DAX指數(shù)和法國(guó)CAC40指數(shù)19,并以它們的收益率代表歐洲股票市場(chǎng)的收益率。同時(shí),考慮到美國(guó)股票市場(chǎng)具有全球性影響,本文還選取美國(guó)股票市場(chǎng)上具有代表性的S&P500指數(shù),并以它的收益率代表美國(guó)股票市場(chǎng)的收益率,作為研究中的參照。本文還選取中國(guó)股票市場(chǎng)最具有代表性的滬深300指數(shù)。滬深300指數(shù)是由上海證券交易所和深圳證券交易所聯(lián)合發(fā)布的反映A股市場(chǎng)整體走勢(shì)的指數(shù),它覆蓋了中國(guó)A股市場(chǎng)約70%左右的市值。因此,滬深300指數(shù)的收益率可較好地代表中國(guó)股票市場(chǎng)的收益率。歐美兩地與中國(guó)存在時(shí)差。歐洲股票市場(chǎng)收市時(shí)間為當(dāng)日北京時(shí)間晚上11點(diǎn),美國(guó)股票市場(chǎng)收市時(shí)間為次日北京時(shí)間清晨4點(diǎn),通常情況下信息沖擊先到達(dá)歐美股票市場(chǎng),再傳染到中國(guó)股票市場(chǎng)。鑒于此,本文研究歐債危機(jī)爆發(fā)后當(dāng)日歐洲股票指數(shù)收益率與次日中國(guó)股票指數(shù)收益率之間的時(shí)變相關(guān)性變化,并以當(dāng)日美國(guó)股票指數(shù)收益率與次日中國(guó)股票指數(shù)收益率之間的時(shí)變相關(guān)性變化作為參照。因?yàn)闅W債危機(jī)始于2009年12月初爆發(fā)的希臘主權(quán)債務(wù)危機(jī),所以選擇歐美股票指數(shù)的樣本區(qū)間為2009年11月30日到2012年3月30日,次日中國(guó)股票指數(shù)的樣本區(qū)間為2009年12月1日到2012年3月31日,并以每日收盤價(jià)為樣本數(shù)據(jù)。在相關(guān)研究中,通常使用指數(shù)對(duì)數(shù)收益率作為股票指數(shù)收益率的替代變量,它具有消除時(shí)間序列不平穩(wěn)性和無下界的優(yōu)點(diǎn)。本文也使用股票指數(shù)對(duì)數(shù)收益率表示股票指數(shù)收益率,根據(jù)英國(guó)FTSE100指數(shù)、德國(guó)DAX指數(shù)、法國(guó)CAC40指數(shù)、美國(guó)S&P500指數(shù)和中國(guó)滬深300指數(shù),分別計(jì)算它們的對(duì)數(shù)收益率。同時(shí),考慮到各國(guó)股票市場(chǎng)的假期安排不盡相同,經(jīng)過篩選后,共得到533組有效樣本數(shù)據(jù)。(二)各種股票指數(shù)轉(zhuǎn)化率的關(guān)系表1給出英國(guó)、德國(guó)、法國(guó)、美國(guó)和中國(guó)股票指數(shù)收益率的基本統(tǒng)計(jì)量。其中,Jarque-Beta是股票指數(shù)收益率序列的正態(tài)性檢驗(yàn)統(tǒng)計(jì)量;LB(20)是滯后至20階的自相關(guān)檢驗(yàn)統(tǒng)計(jì)量,用于判定股票指數(shù)收益率序列是否存在自相關(guān);ARCH(20)是滯后至20階的異方差檢驗(yàn)統(tǒng)計(jì)量,用于判斷股票指數(shù)收益率序列是否存在異方差效應(yīng)。表1顯示:(1)所有股票指數(shù)收益率序列均為左偏,有尖峰厚尾特征,因此它們都不服從正態(tài)分布;(2)英國(guó)FTSE100收益率和德國(guó)DAX收益率在10%顯著水平下拒絕沒有自相關(guān)性的假設(shè),美國(guó)S&P500收益率在5%顯著水平下拒絕沒有自相關(guān)性的假設(shè)。(3)德國(guó)DAX收益率在1%顯著水平下拒絕沒有異方差效應(yīng)的假設(shè),法國(guó)CAC40收益率在5%顯著水平下拒絕沒有異方差效應(yīng)的假設(shè),英國(guó)FTSE100收益率在10%顯著水平下拒絕沒有異方差效應(yīng)的假設(shè),美國(guó)S&P500收益率在1%顯著水平下拒絕沒有異方差效應(yīng)的假設(shè),中國(guó)滬深300收益率沒有拒絕原假設(shè),可認(rèn)為其沒有異方差效應(yīng)和自相關(guān)性。這些特征將為各股票指數(shù)收益率邊緣分布函數(shù)的選取提供依據(jù)。表2列示了英國(guó)、德國(guó)、法國(guó)和美國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間的線性相關(guān)系數(shù)矩陣。從線性相關(guān)系數(shù)矩陣可以看出:中國(guó)股票指數(shù)收益率與歐美股票指數(shù)收益率之間總體上具有正相關(guān)性。其中,中國(guó)滬深300收益率與美國(guó)S&P500收益率的線性相關(guān)系數(shù)最高,與英國(guó)FTSE100收益率的線性相關(guān)系數(shù)次之,與德國(guó)DAX收益率、法國(guó)CAC40收益率的線性相關(guān)系數(shù)較小。線性相關(guān)系數(shù)只能反映樣本區(qū)間股票指數(shù)收益率之間的靜態(tài)相關(guān)性,不能反映樣本區(qū)間股票指數(shù)收益率之間相關(guān)性的變化。為研究歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)的傳染效應(yīng),還需要進(jìn)一步考察樣本區(qū)間歐美股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間的時(shí)變動(dòng)態(tài)相關(guān)性。(三)邊緣分布密度函數(shù)根據(jù)表1的基本統(tǒng)計(jì)量特征,分別對(duì)英國(guó)、德國(guó)、法國(guó)、美國(guó)和中國(guó)股票指數(shù)收益率的邊緣分布密度函數(shù)進(jìn)行估計(jì)。由于英國(guó)、德國(guó)、法國(guó)和美國(guó)股票指數(shù)收益率表現(xiàn)出顯著的自相關(guān)性和異方差效應(yīng),本文采用ARMA(m,n)-GARCH(p,q)模型進(jìn)行參數(shù)估計(jì),模型中的ARMA部分用于刻畫自相關(guān)性,GARCH部分用于刻畫異方差效應(yīng)。ARMA(m,n)-GARCH(p,q)模型的表達(dá)式如下:在實(shí)證檢驗(yàn)中運(yùn)用ARMA(1,1)-GARCH(1,1)能較好地描述金融時(shí)間序列的特征(參見Tsay,201020),因此本文采用此模型對(duì)英國(guó)、德國(guó)、法國(guó)和美國(guó)股票指數(shù)收益率邊緣分布密度函數(shù)進(jìn)行估計(jì)。表3給出了參數(shù)的估計(jì)結(jié)果,其中ARCH和GARCH系數(shù)均在1%置信水平下顯著。中國(guó)股票指數(shù)收益率沒有異方差效應(yīng),但有尖峰厚尾特征,因此采用t分布作為它的邊緣分布密度函數(shù),t分布的密度函數(shù)表達(dá)式如下:f(x|μ,σ,ν)=Γ((ν+1)/2)Γ(ν/2)1πνσ2[1+1ν(x-μσ)2]-(ν+1)/2(9)邊緣分布密度函數(shù)共有三個(gè)參數(shù)μ、σ、ν,表4給出了這三個(gè)參數(shù)的極大似然估計(jì)值。在分別估計(jì)了英國(guó)、德國(guó)、法國(guó)、美國(guó)和中國(guó)股票指數(shù)收益率的邊緣分布密度函數(shù)后,就可得到各股票指數(shù)收益率的累積分布。再根據(jù)式6和式7對(duì)Copula密度函數(shù)進(jìn)行參數(shù)估計(jì),其結(jié)果如表5所示。表5顯示,英國(guó)FTSE100收益率與中國(guó)滬深300收益率之間Copula密度函數(shù)的一個(gè)參數(shù)在1%置信水平下顯著,其余兩個(gè)參數(shù)不顯著;德國(guó)DAX收益率與中國(guó)滬深300收益率之間Copula密度函數(shù)的所有參數(shù)在1%置信水平下顯著;法國(guó)CAC40收益率與中國(guó)滬深300收益率之間Copula密度函數(shù)的兩個(gè)參數(shù)在1%置信水平下顯著,另一個(gè)參數(shù)在5%置信水平下顯著;美國(guó)S&P500收益率與中國(guó)滬深300收益率之間Copula密度函數(shù)的所有參數(shù)在10%置信水平下均不顯著?？梢哉J(rèn)為,在樣本區(qū)間,德國(guó)、法國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間具有較高的動(dòng)態(tài)相關(guān)性,英國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間具有一定的動(dòng)態(tài)相關(guān)性,而美國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間不具有動(dòng)態(tài)相關(guān)性。歐洲股票指數(shù)為當(dāng)日數(shù)據(jù),中國(guó)股票指數(shù)為次日數(shù)據(jù),依據(jù)時(shí)間先后關(guān)系,這種動(dòng)態(tài)相關(guān)性表明,歐債危機(jī)對(duì)中國(guó)股票市場(chǎng)存在傳染效應(yīng)。將表5中的參數(shù)代入式7,可得英國(guó)、德國(guó)、法國(guó)、美國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間時(shí)變相關(guān)性ρt的序列。表6列出了ρt的均值、最大值、最小值和標(biāo)準(zhǔn)差。其中,英、德、法三國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率的ρt最大值均超過美國(guó);美國(guó)、英國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率的ρt始終為正;德、法兩國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率的ρt有正有負(fù),且ρt的標(biāo)準(zhǔn)差高于英、美兩國(guó)ρt的標(biāo)準(zhǔn)差。德、法兩國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率ρt的峰值分別在0.569、0.495,遠(yuǎn)高于表1中的靜態(tài)線性相關(guān)系數(shù)0.166、0.169?？梢耘卸?在樣本區(qū)間,德、法兩國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間的動(dòng)態(tài)相關(guān)性呈現(xiàn)波動(dòng)且短期內(nèi)有爆發(fā)性增加。實(shí)證檢驗(yàn)表明,美國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間不具有動(dòng)態(tài)相關(guān)性,所以本文進(jìn)一步聚焦于英德法三國(guó)股票指數(shù)收益率與中國(guó)股票指數(shù)收益率之間的動(dòng)態(tài)相關(guān)性隨時(shí)間變化的軌跡,如圖1至圖3所示,標(biāo)注了ρt短期內(nèi)爆發(fā)性增加的時(shí)間點(diǎn)。觀察這些時(shí)間點(diǎn)可以發(fā)