2025《中国与东盟主要国家股市一体化实证研究》10000字.docxVIP

PAGE9

中国与东盟主要国家股市一体化实证研究

目录

TOC\o1-3\h\u8015中国与东盟主要国家股市一体化实证研究 1

314801.1数据描述 1

57441.1.1样本选取 1

222421.1.2描述性统计 2

170051.1.3平稳性检验 5

22661.1.4相关性检验 6

110941.2边际分布模型结果 7

286211.3中国与东盟主要国家股市一体化进程 11

141001.3.1静态Copula模型 11

66291.3.2动态Copula模型 14

90721.4基于藤Copula的中国及东盟主要国家股市一体化结构研究 18

74321.1.1C、D和R藤模型比较 18

105031.1.2R藤一体化结构研究 20

103401.1.3一体化结构中风险传染效应研究 21

2015年6月中旬开始，中国股市出现了历史上少有的大范围动荡，2015年6月15日-2015年8月26日中有21个交易日股指发生大幅暴跌，并伴有17次千股跌停现象。为了探究此次中国股市出现的大规模股灾会对中国与东盟股市间的一体化结构及一体化进程产生怎样的影响，基于此，本文以2015年中国爆发的股灾代表股市的负面冲击，以中国与东盟主要国家股票市场为研究对象，采用ARMA-GJRGARCH模型对收益率进行边际分布的拟合，再选取最优Copula模型对2015年中国股灾发生前和发生后的股市两两间的相依参数及动态相依图进行股市间风险传染分析，以了解不同国家股市间的相依性，再分别使用C、D和R藤Copula建模，随后根据拟合优度选取最优藤Copula模型刻画股灾发生前后股市间的一体化结构，再探究区域一体化结构中存在的风险传染效应。

1.1数据描述

1.1.1样本选取

本文以中国与东盟主要国家的股市为研究对象，研究“一带一路”战略后这些国家金融市场间的一体化程度。在选取对象方面，考虑到印度尼西亚、菲律宾、马来西亚、泰国和新加坡等东盟主要国家与我国对外贸易总额相对较大，且股票市场起始时间较早且规模较大，具有一定的代表性。故本文将中国和东盟主要国家股市代表指数日收益率指数作为研究对象：沪深300指数、雅加达综指（JKSE）、马尼拉综指（PSI）、富时吉隆坡指数（KLSE）、泰国综指（SET）和富时新加坡（FTSE）。其中，沪深300指数是由上海和深圳证券市场中选取300只A股作为样本编制而成的成份股指数，指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。其中以一带一路战略实施时间为起点，本文选取2013年1月4日到2020年4月9日中六个国家股票市场共同交易日，其中包含了2015年股灾前后时期的所有数据，并且规避了2020年受疫情影响的股票市场数据，可以更好地探究2015年中国股灾发生前后中国与东盟主要国家股市间一体化水平的变化及一体化结构的演化。中国上证综指收盘价在2015年6月12日达到最高点5166点，随后出现持续的暴跌现象，印度尼西亚、泰国、马来西亚、新加坡、菲律宾股票市场的收盘价自2015年6月12日后也有类似的持续下跌趋势。为了更好地研究中国股票此次的暴跌对中国及东盟股市间一体化结构产生的影响，以2015年6月12日作为节点，将整个样本划分为两个样本区间，即2013年1月1日-2015年6月12日为股灾前样本区间，2015年6月16日-2020年4月9日为股灾后样本区间。删除因节假日不同等导致交易日指数缺失的数据，共计1766个交易日数据。本文股票日收益率的计算公式为：

(21)

其中，和分别为经济体日和日的收盘价。

本文所涉及的所有股票价格指数数据均来源于Wind数据库，使用开源软件R语言（版本1.0.3）进行数据处理和模型估计。

1.1.2描述性统计

图1.1.1中国及东盟各国股指收益序列图

图1.1.1显示了样本期间中国与东盟主要国家股指收益率序列r的变动趋势，观察可知6个国家股指收益率序列存在显著的波动聚集性，即在股指收益大的波动后面往往紧接着大的波动，小波动之后再出现小波动，同时中国与东盟主要国家的收益率存在着相似之处，2015年中国与东盟主要国家的收益率有大幅下降和上升的波动，认为在此期间金融危机的风险爆发达到高峰期，由此可知中国与东盟主要国家的收益率序列具有显著的异方差性以及波动聚集性。因此在本文进行Copula函数相关研究前，通过拟合ARMA-GJRGARCH模型来消除收益率序列的异方差性和波动聚集性。

表1.1.1指数收益率描述性统计

均值

最大值

最小值

标准差

偏度

峰度

Jarque-Bera

Q（20）

股灾前

中国

0.137

1.861

-7.702

1.435

-