英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 译文
股票价格与汇率之间的价格及波动溢出效应：
基于七国集团的实证研究
- 介绍
自20世纪70年代以来国际贸易迅速扩张，1973年许多工业化国家通过了自由浮动汇率制度，预示着一个存在汇率风险和波动加剧的新时代的产生。不出所料，企业对汇率风险的经济风险增加了。从总体上来看，股市应对超额运动与汇率波动加剧作出回应。汇率之所以也对股市创新和全球证券投资更加敏感，是因为自1980年代以来，国际金融市场的整合和放松管制已经存在，使得跨境资金流动比以往任何时候都更容易和更快些。
在最近的金融文献中，股票价格与汇率之间的动态变化关系已经引起了金融经济学家和实际从业者的广泛关注，因为这两个变量在投资组合决策与经济发展中扮演者重要角色。股票价格和汇率之间的理论联系采取了两种形式。首先，汇率的“流动导向”模型 (例如Dornbusch和Fischer,1980) 关注经常账户或贸易平衡。这些模型认为汇率的变化会影响国际竞争力和贸易平衡，从而影响实际收入和产出。股票价格通常被解释为公司未来现金流量的现值，对汇率变化作出反应并在未来收入、利率、创新、当前的投资和消费决策之间建立联系。另一方面，股市革新通过财富和流动性效应影响总需求，从而影响货币需求和汇率。(Gavin,1989)
第二种方法涉及“股票导向”汇率模型 (例如Branson,1983;Frankel,1983) 。这些模型把汇率视为等同股票和债券等资产的供求关系。这种方法使得资本在确定汇率动态变化中起着重要的作用。自从金融资产的价值取决于其未来现金的现值流量，相对货币价值的预期在其价格中起相当重要的作用，尤其是对于国际持有的金融资产。因此，股票价格创新可能会影响或受到汇率动态的影响。
早期的实证研究集中在股票收益与汇率之间的同时关系。Aggarwal (1981)发现美国股票价格和贸易加权美元正相关。相反，Soenen和Hennigar (1988) 记录了美国股指与美元的十五种货币加权值。Ma和Kao (1990) 提供了一些洞察这些不同关联的可能的原因。它们涵盖了六个工业经济体调查货币价值变化对股价的影响。它们的结果表明对于一个出口主导型经济体来说，货币升值对股市有负面影响，而货币升值推动了进口导向型经济体的股市。
最近，研究集中在主要工业经济体的汇率与股价之间的相互作用或因果关系。Bahmani-Oskooee和Sohrabian (1992) 表明根据标准普尔500指数衡量的股票价格与美元的有效汇率之间存在双向因果关系。Ajayi和Mougoueacute; (1996) 发现在这八个工业经济体的两个变量之间存在重要的短期和长期的反馈关系。具体来说，他们的结果显示股价的上涨对国内货币价值有短期的消极影响和长期的积极影响。Ajayi等人 (1998) 提供证据表明对于发达经济体，从股票市场到货币市场存在单向因果关系，在新兴市场上不存在一致的因果关系。Chiang等人 (2000)表明股票收益和货币价值与九个亚洲市场呈现正相关的关系。Nieh和Lee (2001) 发现对于七国集团国家，股票价格与汇率之间存在重要的短期动态关系，不存在长期的关系。然而，迄今为止，实证调查充其量是不确定的。
除了研究汇率与股价间的联系与影响，只有有限的研究机构试图分析在股票市场与货币市场之间可能存在的波动性传导或波动溢出效应。研究波动溢出效应的过程也增强了对股价与汇率之间信息传递的理解。近期国际金融市场的全球化与一体化是受到信息技术发展的推动，增加了金融市场间的国际回报率与波动率。关于股价和汇率的随机性的检验的经验文献主要采用Engle (1982)的自回归条件异方差 (ARCH) 方法；参见Bollerslev等人 (1992) 对文献进行了详细总结。另外，这些和广义的ARCH (GARCH) 模型已被用于研究不同国家的市场之间和不同资产之间的波动溢出效应。例如，Hamao等人 (1990) 研究了三个主要股票市场 (纽约，东京和伦敦) 的价格和波动溢出效应。Koutmos和Booth (1995) 发现在同一个股市中存在不对称波动溢出效应。Chiang和Yang (2003) 表明在美国与世界主要股市之间不仅表现出集群现象，而且还存在重大的溢出效应。Laopodis (1998) 探讨了波兰汇率波动传播机制的本质。So (2001) 研究了利率与美元的汇率价值之间的动态波动溢出效应。
本文采用双变量EGARCH框架对七个国家的股价与汇率之间的动态价格及波动溢出效应进行研究。该框架不仅可以帮助理解短期动向还可以考察两个市场间的波动传导机制。此外，它考虑到数量 (大小) 和质量 (标志) 的创新会严重影响各市场波动溢出的程度。我们试图通过调查信息的方式来了解这两个金融变量之间的短期价格的相互作用和不对称波动溢出效应，以便填补文献中的空白。因此，更好地了解股票市场与货币市场之间的价格及波动溢出效应和信息的整合程度将会扩大信息集合，有助于国际投资组合经理、跨国公司和决策者的决策。
本文的其余部分安排如下。第二部分讨论研究的数据来源和方法设计，第三部分分析实证结果。第4节总结了这项研究，并总结了一些一般性评论。
2.数据与方法
2.1数据
数据集包括七国集团的每周 (星期五) 收盘汇率和股市指数。七大工业国的股票指数包括来自国际数据流的多伦多300指数、巴黎CAC 40指数、法兰克福DAX指数、米兰股票指数、Nikkei225指数、FT-100指数和标准普尔500指数。
汇率序列来自于WEFA组，并以美元/当地货币计价 (注：美元的贸易加权价值指数是用来代替美元的汇率的)。样本周期从1979年5月1日至1999年1月1日，观测值为1045次。开始日期的基本原理与EMS操作的开始一致的，端点是由数据的可用性决定的。此外，有人指出，欧洲货币联盟 (EMU) 是在1999年1月欧元启动时创立的。在本研究中使用每周数据是合理的，因为高频数据 (例如每日或盘中) 包含太多的噪声，而太宽的时间网格 (例如月度或季度) 不包含股票价格和汇率变动的信息内容。因此，样本周期使我们能够探索在浮动汇率制度和金融市场一体化的时代的股票价格和汇率的短期动态关系。
数据序列的变化速率计算公式为：
(1)
代表市场的价格水平为i (i=1代表股票市场，i=2代表外汇市场) ，时间为t。表2-1代表汇总统计。从统计上来说，样例对于所有的市场来说，它与零的差别并不大。偏度和超额峰度的相关措施表明，大多数回归级数是负偏斜的且与正态分布有关。Kolmogorov-Smirnov统计数据拒绝了在5%的置信水平下每一个系列的正态分布。Ljung-Box统计数据滞后10期，对于返回和平方返回序列，表示存在线性的显著性和非线性的依赖性。线性依赖可能是由于某些形式市场的低效率或市场结构，以及非线性的依赖可能是由于自回归条件异方差性。
2.2 方法
建立股票价格与汇率之间的短期动态关系模型，我们使用以下向量自回归(VAR) 模型：
(2)
在上面的模型中，，和作为估计参数与作为残差。通过建模，新闻消息在市场i上成为在市场j上信息集合的一部分，所以它可以被股票市场和外汇市场所利用。因此，相关系数要求，如果比较显著，则反映出市场上的价格 (平均) 溢出程度；即价格信息化效率。
表1 股市指数与汇率的周变化描述性统计量
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[468903]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
|
加拿大 |
法国 |
德国 |
意大利 |
日本 |
英国 |
美国 |
|
|
A组：股票市场指数 |
|||||||
|
均值(mu;) |
0.1506 |
0.2392 |
0.2052 |
0.3196 |
0.0798 |
0.2374 |
0.2413 |
|
标准偏差(sigma;) |
2.01 |
2.60 |
2.42 |
3.31 |
2.43 |
2.18 |
2.01 |
|
偏度(S) |
-0.63Dagger; |
-0.73Dagger; |
-0.48Dagger; |
-0.07 |
-0.26Dagger; |
-1.44Dagger; |
-0.45Dagger; |
|
超峰度(K) |
4.90Dagger; |
5.65Dagger; |
2.78Dagger; |
6.28Dagger; |
3.66Dagger; |
14,75Dagger; |
3.09Dagger; |
|
柯尔莫可洛夫-斯米洛夫检验(D) |
0.049dagger; |
0.043dagger; |
0.046dagger; |
0.051dagger; |
0.059dagger; |
0.046dagger; |
0.040dagger; |
|
LB(10) |
33.46Dagger; |
39.02Dagger; |
15.09 |
25.12Dagger; |
24.30Dagger; |
39.97Dagger; |
13.68 |
|
LB2(10) |
108.7Dagger; |
126.8Dagger; |
275.0Dagger; |
222.8Dagger; |
253.6Dagger; |
19.53dagger; |
162.4Dagger; |
|
B组：汇率（美元/NCU） |
|||||||
|
均值(mu;) |
|||||||
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
