全球回报溢出：一种网络方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Return spillovers around the globe: A network approach》
---
作者：
Stefan Lyocsa, Tomas Vyrost, Eduard Baumohl
---
最新提交年份：
2015
---
英文摘要：
  Using a rolling windows analysis of filtered and aligned stock index returns from 40 countries during the period 2006-2014, we construct Granger causality networks and investigate the ensuing structure of the relationships by studying network properties and fitting spatial probit models. We provide evidence that stock market volatility and market size increases, while foreign exchange volatility decreases the probability of return spillover from a given market. We also show that market development and returns on the foreign exchange market and stock market also matter, but they exhibit significant time-varying behaviour with alternating effects. These results suggest that higher market integration periods are alternated with periods where investors appear to be chasing returns. Despite the significance of market characteristics and market conditions, what in reality matters for information propagation is the temporal distance between closing hours, i.e. the temporal proximity effect. This implies that choosing markets which trade in similar hours bears additional costs to investors, as the probability of return spillovers increases. The same effect was observed with regard to the temporal distance to the US market. Finally, we confirm the existence of the preferential attachment effect, i.e. the probability of a given market to propagate return spillovers to a new market depends endogenously and positively on the existing number of return spillovers from that market.
---
中文摘要：
通过对2006-2014年期间40个国家经过过滤和调整的股票指数收益率进行滚动窗口分析，我们构建了格兰杰因果关系网络，并通过研究网络特性和拟合空间概率模型研究了随后的关系结构。我们提供的证据表明，股票市场的波动性和市场规模增加，而外汇市场的波动性降低了特定市场的回报溢出概率。我们还表明，外汇市场和股票市场的市场发展和回报也很重要，但它们表现出显著的时变行为和交替效应。这些结果表明，更高的市场整合期与投资者追求回报的时期交替出现。尽管市场特征和市场条件很重要，但对信息传播来说，实际上重要的是关门时间之间的时间距离，即时间邻近效应。这意味着，随着回报溢出概率的增加，选择在相似时间交易的市场会给投资者带来额外成本。在与美国市场的时间距离方面也观察到了同样的效果。最后，我们确认了优先依附效应的存在，即给定市场向新市场传播收益溢出的概率内生性地、积极地取决于该市场现有的收益溢出数量。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Return_spillovers_around_the_globe:_A_network_approach.pdf (2.67 MB)

2022-5-8 15:06:03 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Applications significance relationship Endogenously

全球回报外溢：网络方法什特凡·利奥加*布拉迪斯拉发经济大学，经济与管理研究所，科希策，斯洛伐克布拉迪斯拉发经济大学，科希策，科希策，科希策，斯洛伐克经济与管理研究所，斯洛伐克摘要通过对2006-2014年期间40个国家经过过滤和调整的股票指数收益进行滚动窗口分析，我们构建了格兰杰因果网络，并通过研究网络特性和拟合空间概率模型来研究随后的关系结构。我们提供的证据表明，股票市场的波动性和市场规模增加，而外汇波动性增加了从给定市场产生收益溢出的可能性。我们还表明，外汇市场和股票市场的市场发展和回报也很重要，但它们表现出显著的时变行为和交替效应。这些结果表明，高市场整合期与投资者追求回报期交替出现。尽管市场特征和市场条件具有重要意义，但对信息传播而言，实际上重要的是营业时间之间的时间距离，即时间邻近效应。这意味着，随着回报溢出概率的增加，选择在相似时间交易的市场会给投资者带来额外成本。在与美国市场的时间距离方面也观察到了同样的效果。最后，我们证实了优先附着效应的存在，即。

一个给定市场向一个新市场传播收益溢出的概率内在地、积极地取决于该市场现有的收益溢出数量。JEL分类：G01，L14关键字：优先依恋，时间接近，网络，非同步交易*通讯作者的电子邮件联系方式：斯特凡。lyocsa@gmail.comIntroductionUnderstanding股票市场收益在国际市场之间“溢出”的传导机制对于投资者和决策者在金融决策中量化风险至关重要。在当前经济和金融自由化的状态下，人们普遍认为，股市回报往往会一起移动，许多研究人员正专注于量化全球股市共同移动的程度。其基本思想是，股票回报之间的高度相关性会增加投资者投资组合的整体风险，因此，如果股票市场高度整合，它们只能提供有限的机会来有效分散特殊风险。自从格鲁贝尔（1968）和索尔尼克（1974）的早期作品以来，许多市场在过去几十年中实施了金融自由化政策，以变得更加一体化；但另一方面，它们也变得更容易受到国际风险和冲击传播的影响。

国际股市一体化带来的好处受到了许多研究人员的挑战，他们使用了多种方法，从简单的格兰杰因果关系测试（Arshanapalli和Doukas，1993年），到相关性（Longin和Solnik，2001年），协整技术（Mylonidis和Kollias，2010年），从各种形式的多变量模型（Cappiello等人，2006年）、copula模型（Aloui等人，2011年）到基于近似模型方差分解的最新方法流（Diebold和Yilmaz，2014年）。尽管到目前为止，研究在使用不同的方法、采样周期、研究不同的市场或使用其他数据采样频率方面有所不同，但普遍的共识倾向于加强世界大多数股票市场之间的股市联系。提到最近几个可以观察到的回报溢出的例子，我们可以提到2015年的希腊危机或中国股市崩盘。我们撰写这篇论文的动机可以用图1a-1c来描述，尤其是1b和1c。后两个数字显示了子网络，如果一个市场的回报影响（格兰杰意义上的）另一个市场的回报，那么市场之间就会产生定向优势。图1b仅显示了美国市场的影响，很明显，美国市场的回报率会影响亚洲的其他回报率，这些回报率在下一个日历交易日首先开放，但欧洲市场的回报率也会在第二天晚些时候开放。然而，图1c更有趣。这里只显示了对美国市场的影响。许多欧洲市场影响美国的回报并不奇怪，因为这些是发达市场，在美国交易日结束之前就结束了交易日。

在这方面，亚洲股市似乎根本没有影响力，尽管它们比南非、巴西甚至阿根廷（一个前沿市场）的新兴股市更大、更发达（韩国、香港、日本），而这些新兴股市仍然影响着美国股市。看来，回报溢出不仅取决于经济基本面。这一发现的一个解释是，在给定的日历日内，亚洲市场的交易日结束时比欧洲、南非（与欧洲市场的时区类似）或南美洲的交易日结束时要严重得多。因此，后期市场回报中隐含的信息可能会对美国市场的发展起到信息作用。图1c显示，情况确实如此。图1a:2008年回报溢出的复杂网络图1b:2008年回报溢出的子网络：美国→注：该网络仅描述了从美国市场到世界其他市场的回报溢出。图1c：2008年回报溢出子网络：→ 注：该网络仅描述了全球其他市场对美国市场的回报溢出。在本文中，我们提出了一种方法，该方法允许我们量化关闭时间对股票市场之间回报溢出存在的影响，即时间近似效应（V'yrost et al.，2015）。我们的第一个也是主要贡献是，我们表明，除了评估市场条件外，时间邻近效应对回报溢出具有统计意义和经济意义。众所周知，美国市场对世界各地股票市场的发展有很大影响。

我们的第二个贡献展示了其他市场对美国市场的时间邻近性如何影响它们向其他市场传播回报的能力。我们的第三个贡献是，我们证明了一个给定市场产生收益溢出的概率内在地、积极地取决于该市场的收益溢出数量。这种效应类似于网络理论中最初描述的众所周知的优先附加效应（例如Barabási和Albert，1999）。第四，我们通过展示大量与市场相关的变量影响世界股票市场的回报溢出概率，为现有文献做出贡献。最后，我们的描述性和计量经济学方法来自网络视角，很少用于金融领域。利用2006年1月2日至2014年12月31日期间40个发达市场、新兴市场和前沿市场的每日收益样本，我们测试收益之间的格兰杰因果关系，同时控制多重格兰杰因果关系测试的规模，并考虑与非同步交易效应相关的收益调整。可能大量的回报溢出产生了一个复杂的关系网络，描述了世界范围内的市场联系。这是通过网络理论中使用的度量来描述的。论文的其余部分组织如下。在第一节中，我们向读者简要介绍了网络及其在金融中的应用。第2节描述了数据，包括用于处理非同步交易效应的回报调整程序。第3节介绍了计量经济学和网络方法。

第4节描述了结果，最后一节总结。1网络和股票市场自从Barabási和Albert（1999）发表了有影响力的论文以来，网络已经渗透到了许多科学领域，例如科学家合作网络或海洋生物食物网（Girvan和Newman，2002），蛋白质-蛋白质相互作用网络，代谢网络，调节网络，RNA网络（Barabási等人，2011），大脑网络（Bullmore和Sporns，2009），或其他生物、社会或技术网络（Dorogovtsev和Mendes，2003）。网络已经“感染”了许多领域，包括金融和经济学（Mantegna，1999；Mantegna和Stanley，1999），成为解决问题的跨学科方法（本身也是科学的一个分支）。基于相关性的网络的经济意义已在许多研究中得到实证证明。例如，Onnela等人（2003年b）、Tumminello等人（2007年）、Tabak等人（2010年）、Lyócsa等人（2012年）证明了来自同一行业的股票集群。博南诺等人（2000年）、科埃略等人（2007年）、吉尔摩等人（2008年）、埃尔伊奥伊特·安德烈奥伊特（2009年）、宋等人（2011年）发现了根据市场地理位置接近程度进行的聚类。在已知的危机期间，如黑色星期一、货币危机、dot Combuble、最近的金融危机、美国债务上限危机或欧盟债务危机，关系结构（即网络拓扑结构）的变化可以在Onnela et al.（2003a）、Song et al.（2011）、Lyócsa et al.（2012）、Trancoso（2014）的著作中找到。不过，主流财经文献中很少使用股票市场。比利奥等人的有影响力的研究是少数几个值得注意的例外。

（2012）世卫组织构建了金融机构之间具有统计意义的格兰杰因果关系图。此外，Diebold和Yilmaz（2014）运用他们的方法构建了美国金融机构的定向时变波动网络。这个想法是构造一个网络G=（V，E），V  N,  在我们的研究中，顶点vc对应于市场，以及一组边E中的每条边（i，j），其中E  V×V，对应于两个顶点i和j之间的相互作用。相互作用可以通过存在从顶点i到顶点j的格兰杰因果关系来表示。这样的网络表示顶点之间关系的结构。使用特定于网络的指标，我们可以回答经验性或理论性的问题，例如关系结构的变化是否先于某些经济事件，网络的密度何时最高，为什么，网络中的关系有多稳定，市场如何聚集？一个简单的例子如下：权益回报的相关矩阵使用一个合适的函数转换为距离矩阵。接下来，使用过滤方法（最小生成树是最常用的工具）选择最重要相关性的子集。基于保留的相关性，使用与距离（相关性）相对应的权重创建无向网络。结果网络结构为收益之间的复杂关系提供了一个简化且通常有意义的视图。创建格兰杰因果关系网络的想法肯定不是什么新鲜事。我们以V'yrost等人（2015）的研究为基础，他们探索了从20个股市指数创建的格兰杰因果网络的统计特性。我们在几个方面有所不同。

最值得注意的是，我们不仅研究了拓扑性质和空间因素作为格兰杰因果关系网络的决定因素，而且对各种市场条件和市场发展特征感兴趣。这使我们能够探索这些因素对彼此的相对重要性。此外，我们通过几个步骤改进了方法，我们的数据集不仅包括更新的数据，还包括额外的20个市场，这将格兰杰因果关系网络中的潜在联系数量从380个增加到1560个。除了V'yrost等人（2015）的研究外，早在2002年，库尔曼等人（2002）就在物理学文献中利用了构建网络的超前-滞后关系，后来在Curmete等人（2014）中使用了这种关系。此外，在上述Billio等人（2012）的研究中，Granger因果关系网络也得到了利用，是执行人脑映射的常用工具，例如Bullmore和Sporns（2009）。2数据描述和收益调整程序我们研究了2006年1月2日至2014年12月31日期间五大洲40个市场指数的样本。根据道琼斯分类体系，21个市场可能被视为发达市场，14个市场被视为新兴市场，5个市场被视为前沿市场。年度市值和市值占GDP的数据来自世界银行的世界发展指标数据库。股票价格和汇率数据来自汤森路透数据流。国家和股市指数清单见附录A。我们的市场样本是根据以下数据选择的：（i）收盘价，（ii）收盘时间，以及（iii）收盘时间的变化。

我们对股票回报溢出效应的分析基于当地货币，因为我们不想模糊外汇市场波动与市场共同运动的程度（Mink，2015）。格兰杰因果关系检验基于一个简单的性质，即过去和现在可能会导致未来，但未来不会导致过去（见格兰杰，1969）。因此，必须考虑到全国股市的收盘时间。对于每个格兰杰因果关系测试，从市场i到市场j（i≠>  j） 我们必须调整收益率，以便空间概率模型中使用的基本数据特征在附录B中给出。与上述原则相对应。我们将此过程称为收益调整而非同步，因为几乎所有市场（除了那些具有相同时间调整的收盘时间的市场）的收益都无法同步（因为它们是不重叠的）。假设我们想要测试收益之间是否存在格兰杰非因果关系，i≠> j、 收益调整按以下三个步骤进行：（i）针对市场i或市场j上的所有缺失（非交易）日执行股票价格列表删除。（ii）接下来，对于两个市场，计算连续收益rt=ln（Pt/Pt–1），式中，Pt表示t日的每日收盘价。收益在所有连续交易日内计算；包括周末的回报，但不包括一周内非交易日的回报。（iii）在这一步中，通过考虑市场i和j的收盘时间来调整收益。一般来说，如果我们想检验假设i≠> j、 我们想计算市场j的回报率和市场i最近但过去的回报率之间的相关性。例如，如果市场i在下午4:00收盘。