金融危机对欧洲人长期记忆的影响

每日收益的描述性统计。OE BG FN FR IT LX观测值4203 4203 4203 4203 4203平均值0.000 7 0.0005 0.0003-0.000 1 0.0049 0.0023中值0.0000 0.0000 0.0000 0.0089 0.000min-2.2263-6.2986-6.6244-1.4573-5.8948-5.5124最大值2.1667 12.1781 6.6709 1.3761 6.3251 8.1018Std。偏差0.2095 0.3209 0.2871 0.1931 0.2798 0.3910偏度-0.2001 9.7405-0.0091-0.4428 0.5400 0.0846峰度14.73 52 551。7285 162.4596 6.8790 120.6734 88。0309 Jarque Bera 24145 52797118 4452965 2772 2425167 1266204表3：股票市场指数。每日检索的描述性统计。OE BG FN FR IT LX观测4203 4203 4203 4203 4203 4203平均值0.016 1-0.0005 0.0094 0.0031-0.0139-0.0024中值0.0000 0.0099 0.0000 0.0055 0.0096 0.0111最小值-8.6189-8.3193-1 7.4037-9.4715-8.5981-30.0534最大值10.2799 9 9.3340 14.5631 10.5946 10.8769 33.2180标准。偏差1.2038 1.2673 1.86 40 1.4722 1.5055 1.7081偏度-0.3863 0.0354-0.3385 0.0042-0.0820 0.2241荨麻疹12.95 08 9.0692 10.2167 7.8733 7.4665 63.3921Jarque Bera 17445 6452 9201 4159 3498 63875 2为了检查我们的发现的稳健性，我们还使用了1024 da tapoints滑动窗口，正如【56】之前用于研究拉丁美洲市场中赫斯特指数的动态，以及【4】之前用于分析泰国股市中长记忆的演变。滚动样本法的工作原理如下：我们计算前500个收益的Hurst指数，然后向前移动7个数据点，计算Hurst t指数，并以这种方式继续，直到数据结束。因此，每个Hestimate都是从相同大小的数据样本中计算出来的。最后一次H估计涵盖2013年3月6日至2015年2月12日期间。5结果我们使用滚动样本，通过DFA方法计算赫斯特指数。我们获得了每个时间序列的529个赫斯特指数。

描述性统计数据见表4和表5。表4：使用滑动窗口的赫斯特债券指数估计的描述性统计。OE BG FN FR IT LX观测值529 529 529 529 529 529 529平均值0.5462 0.5446 0.5016 0.5549 0.5573 0.4652中值0.5448 0.5437 0.5040 0.5528 0.5504 0.4671最小值0.3954 0.2616 0.2864 0.4126 0.3623 0.1653最大值0.7306 0.770 2 0.6326 0.7404 0.7672 0.7246Std。偏差0.0659 0.0715 0.0539 0.0638 0.0906 0.0774偏度0.2714-0.2445-0.5095 0.3398 0.2372-0.0323峰度2.658 7 3.8294 3.8137 2.6930 2.2301 3.8263 Jarque Bera 9.0616 20.4317 37.4816 12.2 572 18.0238 15.1405表5：使用滑动窗口对股票指数的赫斯特估计的统计数据。OE BG FN FR IT LX观测值529 529 529 529 529 529 529平均值0.535 8 0.4891 0.5024 0.4552 0.4917 0.5317中值0.5438 0.4869 0.5066 0.4578 0.4989 0.5568最小值0.3105 0.2853 0.3791 0.3026 0.3234 0.2456最大值0.6824 0.6173 0.6716 0.5625 0.6199 0.7383Std。偏差0.0692 0.0689 0.0436 0.0 401 0.0464 0.1022陡度-0.3504-0.2419-0.0217-0.5316-0.5388-0.6774峰度2.5193 2.6021 3.5265 3.5550 3.5099 2.7689Jarque Bera 15.9208 8 8.6495 6.1506 31.7088 31.3288 41.636 2图1显示了六个选定国家股票和债券的赫斯特估值的演变。可以观察到，前者的线条比后者对应的线条更平滑。我们还观察到，从2005年10月开始，在大多数国家，赫斯特指数都在增加。考虑到每个突变指数的估计周期大约为2年（500个数据点），2005年10月开始的估计包括2007年及其后的样本检索。这一发现可能表明赫斯特指数在金融动荡之前和期间的表现有所不同。

在马来西亚市场的亚洲危机期间，类似的结果如[20]所示。为了验证这一假设，我们将样本分为两个子周期。该部门是在2008年9月15日雷曼兄弟破产之日成立的，因为它在文献中经常使用[6、9、10、28、41]。我们进行了两项分析。首先，我们测试两个子样本的参数是否相等。其次，我们测试子样本的记忆范围是否发生了变化。表6显示了Mann-Whitney检验的结果，以评估两个子样本的平均值是否相等。无论是债券还是股票指数，结果都导致所有国家都拒绝了无效假设，芬兰的公司债券除外。根据我们的结果，子样本的平均值在统计学上存在差异，这导致我们假设，在财务危机之前和期间，时间序列信息效率是不同的。表6：危机前后Hurst估计等式的Mann-Whitney检验。OE BG FN FR IT LXBondMean e危机前平均值0.5247 0.5294 0.4986 0.5342 0.5153 0.4552危机后平均值0.5919 0.5769 0.5080 0.59 91 0.6468 0.4865 WilcoxonManwhitney测试11740 19168 278 00 12991 5284 2219 8p值0.0000 0.11 00 0.0000 0.0000 0.000 e危机前平均值0.5546 0.5083 0.5098 0.4604 0.4981 0.5521危机后平均值0.4956 0.4480 0.4868 0.44 41 0.4780 0.4883威尔科克森·曼惠特尼测试47306 45638 413 82 37242 38175 46600 P值0.0000 0.0000 0.0000 0.0000 0.0000 0.000表7显示了赫斯特估计方差同质性的L e vene测试结果。

关于债券指数的赫斯特指数，我们拒绝了比利时和卢森堡方差同质性的零假设。关于股票指数的赫斯特指数，时间序列中的方差相等，意大利除外。随后，我们建议通过比较Hurst指数等方差的记忆表7：Levene检验来扩展分析。OE BG FN FR IT LXBondStd。危机前偏差0.0598 0.0613 0.0528 0.0548 0.0666 0.0846标准。危机后偏差0.0539 0.0806 0.0557 0.0592 0.0669 0.0532Levene测试1.5071 26.4315 2.9708 1.1316 0.1499 25.0381p值0.2201 0.0000 0.0854 0.287 9 0.6988 0.0000StockStd。危机前偏差0.0702 0.0660 0.0463 0.0371 0.0453 0.1135Std。危机后偏差0.0461 0.0557 0.0322 0.0439 0.0460 0.0501均衡测试26.1964 12.3452 16.9 376 4.1442 0.0035 68.9006p值0.0000 0.0005 0.0000 0.0423 0.9528 0.000两个子周期中的含量。考虑到我们使用滑动窗口估计Hurs t指数，我们有一组H估计，每个都来自500个样本。因此，我们可以使用t分布计算估计的置信区间。我们在表8和表9中给出了0.999的上限和下限。公司债券市场的结果如表8所示。如果我们考虑一下世界卫生组织的平均寿命，我们会发现赫斯特指数高于0。5使用0.999 c的置信区间，芬兰和卢森堡除外。这些结果表明，时间序列不遵循随机游走。当我们将时间序列分成两个子周期时，我们会发现不同的记忆动态。在第一个时期，结论与整个时期相同。然而，在第二阶段，我们发现赫斯特指数的平均值显著增加。这表明在金融危机期间，时间序列变得更加持久（H>0.5），即使在芬兰也是如此。

卢森堡是唯一一个H<0.5的市场。股票指数的结果如表9所示。纵观整个时期，赫斯特估计的平均值比债券指数更接近0.5。因此，市场或多或少与arandom walk保持一致。危机前，时间序列略有持续性（H>0.5），而危机后，时间序列变为反持续性（H<0.5）。根据我们的研究结果，金融危机似乎并没有对股票和债券市场的信息效率产生同等的影响。考虑到赫斯特指数，股票指数的记忆内容乍一看从持久性变为反持久性。这一结果可能预示着欧洲股市的普遍萎缩，也可能是一条走向更为高效行为的道路。然而，就公司债券指数而言，所有这些指数的信息效率都发生了变化，达到了一个更持久的系列。这种变化可能是由2008年发生的一场全国性动荡引起的。这场危机对固定收入和股市的影响是不同的。特别是，公司债券市场更受新金融情景的影响，因为在公司债券市场中，H=0.5基准的偏差更大。特别提到比利时债券市场。与本报告所分析的其他市场相比，该市场规模较小。尤其是，比利时的金融体系是以银行为基础的，这阻碍了其他金融工具的发展，如公司债券或其他固定收入工具。另一方面，小型企业债券市场由少数参与者主导，包括所谓的全能银行（即。

同时充当投资银行和商业银行的大型银行），这导致发行的公司债券非常少，交易集中在少数几家大型银行。赫斯特指数衡量时间序列中的长期相关性。如果一个市场的规模缩小，或者如果它的经营主体很少，个人行为可能会扩大。以前的研究将信息效率与市场规模相关，例如[8]。因此，羊群行为或市场的突然波动可能会用显著的噪音污染价格信号。因此，DFA方法在过滤长期e相关性方面可能存在问题。这可能是比利时债券市场赫斯特指数时间序列中错误行为的预测。表8：债券指数赫斯特估计的效率检验。OE BG FN FR IT LX整个周期观测值529 529 529 529 529 529平均值0.5462 0.5446 0.5016 0.5549 0.5573 0.4652Std。偏差0.0659 0.0715 0.0539 0.0638 0.0906 0.0774标准。误差0.0029 0.0032 0.0024 0.002 9 0.0041 0.00350.999形态上限0.5553 0.5545 0.5091 0.5638 0.5699 0.47590.999形态下限0.5370 0.5 346 0.4941 0.5461 0.5447 0.4544危机前360 360 360 360 360 360平均值0.5247 0.5294 0.4986 0.5342 0.5153 0.4552Std。偏差0.0598 0.0613 0.0528 0.0548 0.0666 0.0846标准。错误0.0027 0.0027 0.0024 0.002 4 0.0030 0.00380.999配置。上限0.5330 0.5379 0.5059 0.5418 0.5245 0.46690.999配置。下限0.5164 0.5 209 0.4913 0.5266 0.5060 0.4434危机后观察169 169 169 169平均0.5919 0.5769 0.5080 0.5991 0.6468 0.4865Std。偏差0.0539 0.0806 0.0557 0.0592 0.0669 0.0532标准。错误0.0024 0.0036 0.0025 0.002 6 0.0030 0.00240.999配置。上限0.5994 0.5881 0.5158 0.6073 0.6561 0.49390.999配置。

下限0.5844 0.5 657 0.5003 0.5909 0.6375 0.4791表9：赫斯特股票指数估计的效率检验。OE BG FN FR IT LX全周期观测529 529 529 529 529 529 529平均值0.5358 0.4891 0.5024 0.4552 0.4917 0.5317Std。偏差0.0692 0.0689 0.0436 0.0401 0.0464 0.1022Std。错误0.0031 0.0031 0.0020 0.001 8 0.0021 0.00460.999配置。上限0.5454 0.4986 0.5085 0.4607 0.4981 0.54590.999配置。下限0.5261 0.4 795 0.4964 0.4496 0.4852 0.5175危机前360 360 360 360 360 360平均值0.5546 0.5083 0.5098 0.4604 0.4981 0.5521Std。偏差0.0702 0.0660 0.0463 0.0371 0.0453 0.1135Std。错误0.0031 0.0030 0.0021 0.001 7 0.0020 0.00510.999配置。上限0.5644 0.5175 0.5162 0.4655 0.5044 0.56790.999配置。下限0.5449 0.492 0.5034 0.4552 0.4918 0.5364危机后观察169 169 169 169平均0.4956 0.4480 0.4868 0.4441 0.4780 0.4883Std。偏差0.0461 0.0557 0.0322 0.0439 0.0460 0.0501Std。误差0.0021 0.0025 0.0014 0.002 0 0.0021 0.00220.999 conf.上限0.5020 0.4557 0.4912 0.4502 0.4844 0.49530.999 conf.下限0.4892 0.4 402 0.4823 0.4380 0.4717 0.48136结论揭示了六个欧盟国家公司债券和股票市场的信息效率。特别是，我们使用theDFA方法研究了赫斯特指数作为长程e记忆测量指标随时间的演化。我们在股票和二级市场中检测到不同的记忆动态。首先，股票指数中的赫斯特指数序列比债券指数中的更平滑。其次，金融危机的影响对固定收益市场的影响比股票市场的影响更大。这一结果可能是金融动荡期间市场参与者行为的后果。特别是，投资者增加了他们的风险厌恶，改变了他们的资产配置。

这一效应通常被称为对质量的影响和对流动性的影响，即投资者使用更安全、更具流动性的金融工具。在这种情况下，股票比公司债券更具流动性，主权债券比公司债券和股票都更安全。这种反应可能会产生群体效应，这种效应可以反映在更持久的时间序列中（H>0.5）。尽管我们的结果无法外推到其他市场，但它们对金融和股票市场的审慎监管具有重要意义。我们了解到，应针对不同的市场开展更多关于这一主题的研究，以验证长期依赖的可能原因。参考文献【1】Bachelier，L.（1900）。这是一个很好的例子。巴黎高等专科学校科学年鉴。[2] Bariviera，A.、Guercio，M.、Martinez，L.和Rosso，O.（2015a）。伦敦银行同业拆借利率市场中看得见的手：信息论方法。欧洲物理杂志B，88（8）：208。[3] Bariviera，A.、Guercio，M.、Martinez，L.和Rosso，O.（2015b）。不同利率期限的排列信息理论之旅：伦敦银行同业拆借利率案例。伦敦皇家学会哲学学报A：数学、物理和工程科学，373:20150119。[4] Bariviera，A.F.（2011年）。流动性对信息效率的影响：泰国股市的案例。物理学A：统计力学及其应用，390（23-24）：4426–4432。[5] Bariviera，A.F.、Bel’en Guercio，M.和Martinez，L.B.（2012年）。对欧元区国家固定收益市场的信息效率进行了比较分析。《经济学快报》，116（3）：426–428。[6] Bariviera，A.F.、Guercio，M.B.和Martinez，L.B.（2014）。分散市场中的信息效率：以欧洲公司债券为例。

《经济和社会评论》，45（3）：349-369。[7] Barkoulas，J.T.和Baum，C.F.（1996年）。股票回报的长期依赖性。《经济学快报》，53（3）：253–259。[8] Barkoulas，J.T.，Baum，C.F.，和Travlos，N.（2000年）。希腊股市的长期记忆。《应用金融经济学》，10（2）：177–184。[9] Barrios，S.、Iversen，P.、Lewandowska，M.和Setzer，R.（2009）。金融危机期间欧元区内部政府债券利差的决定因素。欧洲经济-经济论文，欧洲委员会经济和货币事务总局。[10] Bernoth，K.和Erdogan，B.（2012年）。主权债券收益率利差：一种时变系数方法。《国际货币与金融杂志》，31（3）：639-656。[11] Blasco，N.和Santamar'ia，R.（1996年）。在西班牙股市测试记忆模式。应用金融经济学，6（5）：401–411。[12] Cajueiro，D.和Tabak，B.（2010年）。《美国利率波动动态与货币政策的作用》，《金融研究快报》，7（3）：163–169。[13] Cajueiro，D.O.和Tabak，B.M.（2004a）。亚洲股市长期依赖的证据：流动性和市场限制的作用。Physica A：统计力学及其应用，342（3-4）：656–664。[14] Cajueiro，D.O.和Tabak，B.M.（200 4b）。随着时间的推移，赫斯特指数：检验新兴市场正在变得更加高效的说法。物理学A：统计与理论物理学，336（3-4）：521-537。[15] Cajueiro，D.O.和Tabak，B.M.（2004c）。新兴市场的排名效率。混沌、孤子和分形，22（2）：34 9–352。[16] Cajueiro，D.O.和Tabak，B.M.（2005）。巴西股市长期依赖性的可能原因。Physica A：统计力学及其应用，345（3-4）：635–645。[17] Cajueiro，D.O.和Tabak，B.M.（2007）。美国利率的时变长期相关性。

《混沌、孤子与分形》，3 4（2）：360–367。[18] Cajueiro，D.O.和Tabak，B.M.（2009）。测试巴西利率期限结构的长期依赖性。混沌、孤子与分形，40（4）：1559–1573。[19] Carbone，A.、Castelli，G.和Stanley，H.E.（2004）。财务时间序列中的时间依赖性突变指数。物理学A：统计力学及其应用，344（1-2）：267-271。[20] Cheong，C.（2010年）。通过启发式方法估算中央时间序列中的赫斯特参数。《应用统计学杂志》，37（2）：201–214。[21]张，Y。和Lai，K.S.（1995年）。在国际股市回报中寻找长期记忆。《国际货币与金融杂志》，14（4）：597–615。[22]Cont，R.（2001年）。资产回报的经验特性：程式化事实和统计问题。定量金融，1（2）：223–236。[23]Fama，E.F.（1970）。有效资本市场：理论和实证工作回顾。《金融杂志》，25（2，《美国金融协会第二十八届年会论文和会议记录》，纽约，1969年12月28-30日）：第383-417页。[24]Fama，E.F.（1976）。金融基础：投资组合决策和证券价格。基本书籍，纽约。[25]Fama，E.F.和French，K.R.（1988年）。股息收益率和预期股票回报率。《金融经济学杂志》，22（1）：3–25。[26]Geweke，J.和Porter Hudak，S.（1983）。长记忆时间序列模型的估计和应用。时间序列分析杂志，4:221–238。【27】Gibson，G.R.（1889）。伦敦、巴黎和纽约的证券交易所：比较。G、 P.Putnam，纽约。[28]Grammatikos，T.和Vermeulen，R.（2012）。金融和主权债务危机向欧洲货币联盟的传递：股票价格、cds价格和汇率。《国际货币与金融杂志》，31（3）：51 7–533。[29]Grau Carles，P.（2000年）。