波动率溢出、DY溢出效应测度方法的应用和拓展。本文将阐述个人观点。

  溢出效应是金融市场间波动率传导的一种常见现象。波动溢出主要描述了行业或机构间波动的相互影响。从计量方法来看大概能分为以下两类。第一种是广义自回归条件异方差类模型。Asaturovetal.认为金融波动是一种长期的相互联系，而传染则是一种短期现象，因此利用双变量DCC-GARCH模型研究了俄罗斯和波兰两个国家在金融危机期间的长期波动溢出效应与短期传染效应。

  研究根据结果得出，俄罗斯市场的波动具有更显著的长期影响，此外，在2004年银行危机和2008年俄罗斯股市下跌时期，俄罗斯成为了短期传染效应的源头。基于GARCH-BEKK模型，Baldietal.将目光投向标准普尔500指数和商品市场，构建了股票市场与商品市场间波动率传导的脉冲响应函数。结果显示，波动溢出效应具有时变性，在2008年金融危机后显著增加。

  Liuetal.将GARCHBEKK模型与网络方法相结合，考察了G20国家股票市场的波动率溢出效应。根据结果得出，G20国家股票市场形成了一个波动溢出网络，其中，韩国是波动溢出最大的长期输出者，而巴西是最主要的长期接受者。在针对中国金融市场的研究中，李成等聚焦于中国股票市场、货币市场、债券市场与外汇市场，使用VARGARCH(1,1)-BEKK模型测度了均值溢出效应和波动溢出效应在市场之间的传导。

  得到的结论是：从均值溢出效应来看，双向均值溢出是金融市场之间的普遍现象，唯一的例外是外汇市场，它对股市和债市的溢出是单向的；从波动溢出效应来看，金融市场之间普遍表现出双向的波动溢出，说明在汇率改革后，我国政府采取的金融市场改革措施都颇有成效，显著加快了市场一体化的进程。Fengetal.构建了GARCH-BEKK模型下的波动溢出网络来探索行业间的波动溢出效应。

  研究发现，保险和商业银行的波动对别的行业产生较大的溢出效应，属于具有较强影响力的行业。他们建议投资者重视有一定的影响力的行业，在行业波动较大时调整策略以避免损失或获得更多利润。Huang&Wang基于波动溢出的角度，通过BEKK形式的VAR-MGARCH模型构建了中国金融机构的波动溢出网络，并分析了系统重要性机构及其影响因素。他们提出了五个网络中心度指标，并采用主成分分析法得到中心度综合评价。根据结果得出，中心度综合评价值越大，节点具有越高的排名，金融机构也就相应地具有越强的系统重要性，且系统重要性较大的往往是那些规模较大、资产增长率较高的金融机构。

  第二种是Diebold&Yilmaz提出的溢出指数及其一系列拓展。Diebold&Yilmaz方法的核心是对VAR模型中预测误差进行方差分解。国外研究中，Chowdhuryetal.通过Diebold&Yilmaz的方法考察了1995-2016年间全球金融市场的网络结构特征，测度了金融市场之间相互联系数量和强度的变化。结果显示，亚洲金融市场与别的金融市场的联系程度显著加深，许多亚洲市场通过“桥梁”市场与全球市场联系起来，并且跟着时间的推移，逐步与全球市场建立了更为紧密的直接联系。国内研究中，Zhouetal.采用Diebold&Yilmaz的方法来测量我国与全球股票市场之间的波动率溢出效应。

  结果表明，在金融危机时期，美国股票市场波动对其他几个国家股市具有主导作用，而从2005年开始，我国股市的影响力有了明显提升。傅强和张颖选取了银行、证券、保险、房地产和全指金融板块每日的股票指数，用股票在市场上买卖的金额波动性来度量风险。Diebold&Yilmaz溢出指数表明，银行业和房地产业在我国金融体系中具备极其重大作用，银行对其他板块具有单向的风险溢出，房地产对证券业和保险业同样形成了正向的净溢出。Wangetal.利用上市商业银行的日度波动率指标，采用Diebold&Yilmaz波动溢出网络，考察了我国银行体系的波动溢出效应。

  得出的结论是，我国14家商业银行是高度互联的，其中，国有商业银行对系统总溢出的贡献最小，城市商业银行是波动溢出最大的传递者。此外，银行规模与其接受的溢出效应呈正相关，而与其对外溢出和净溢出效应呈负相关，但动态分析进一步发现，这种规律在全球金融危机和2015-2016年中国股市危机时期并不适用。丁慧和沈雨田利用2008-2019年的28家上市金融机构股票在市场上买卖的金额的日频数据，将金融机构的股票在市场上买卖的金额波动率作为风险的度量指标，使用Diebold&Yilmaz溢出指数方法构建了金融机构系统性风险溢出网络，进而测度了系统性风险溢出的强度和方向。根据结果得出，我国金融机构形成了一个高度关联的网络，其中，银行业具有较强的影响力，更容易成为风险传染中心，对别的行业的风险溢出净效应也比较显著，此外，保险业对别的行业的风险溢出也在不断增强。

  Diebold&Yilmaz溢出指数方法能够揭示丰富的信息，比如溢出效应的强度和方向等，也能提供可视化的结果，因此得到了广泛的运用。Zhang研究了全球六大股票市场收益与石油冲击之间的关系。Restrepoetal.以全球前二十大石油公司为研究样本，测度了股票波动溢出效应。Corbetetal.将Diebold&Yilmaz溢出指数和DCC-FIGARCH条件相关框架相结合，评估了能源生产、开采和运输等不同子市场的联动性与波动率溢出，重点考察了新冠病毒期间石油价格和可再次生产的能源公司股票价格之间相互溢出的情况。

  结果发现，在WTI油价下跌至负值的特定时期内，石油价格下降对可再次生产的能源公司和煤炭公司产生了显著的溢出效应。Linetal.调查了澳大利亚不一样的地区电力市场之间的波动溢出效应。根据结果得出，物理上相互联系的市场之间的波动性溢出通常更明显。Gengetal.构建了全球新能源公司的收益率和波动率溢出网络，并运用滚动窗口估计方法进一步探索信息溢出机制的时变特征。Koutmos测度了18种密码货币收益和波动率的溢出效应，发现比特币是收益率和波动率溢出的源头，且收益率和波动率溢出的规模随时间推移而稳定增长。

  随着现代计量技术的发展，学者开始探索频域层面的溢出效应。由于Diebold&Yilmaz模型只关注时域，Baruník&K?ehlík将其拓展至频域，开发了基于广义预测误差方差分解的频谱表示的溢出指数方法。Baruník&K?ehlík方法通过将系统联动性分解为不同的频率，不仅囊括了Diebold&Yilmaz模型中所有的时变信息，也揭示了溢出效应随频率变化的强度和方向，有助于确定对系统联动性贡献最大的特定频率。Baruník&K?ehlík溢出指数方法一经提出就迅速在国外研究中得到应用。

  Ferreretal.将美国清洁能源公司股票价格、原油价格和一些金融变量作为研究对象，使用Baruník&K?ehlík方法考察了这些变量间的联动关系随时间和频率的变化。根据结果得出，这种联动性主要在短期的变动中产生的。Albulescuetal.研究了原油价格和货币市场联动所受到的美国经济政策不确定性的影响。

  格兰杰线性和非线性因果关系检验表明，经济政策不确定性与油价-货币联动之间有因果关系，经济政策不确定性通过油价对货币市场形成显著的溢出效应，并且这种溢出关系主要发生在较高频率内。Ahmadetal.选取了金融、工业、房地产等10个美国行业股票指数，评估了行业收益率受到的石油、黄金和美国股市的隐含波动率的溢出效应。结果显示，股市波动对行业收益率的溢出效应最强，其次是油价波动，金价波动对行业收益率的溢出效应基本为零，这说明黄金可用于对冲样本中10个美国行业的下行风险。

  样本还涵盖了新冠病毒爆发的时期，研究进一步发现，疫情放大了行业收益率对油价和股市的隐含波动率的溢出作用。紧随国际研究趋势，国内学者也开始将目光投向频域视角的研究。Jiangetal.考察了不同频率下中国12个行业股票波动率的联动性，并利用Bai-Perron检验来解释波动率联动性的潜在断点。结果发现，在全球金融危机之前，银行业是中低频风险的主要承担者，而房地产业是高频风险的主要承担者。

  在金融危机和欧洲债务危机期间，银行业和房地产业是所有频率下主要的风险目标，而建筑业、材料业和工业运输业则是重要的风险来源。刘精山等采用Diebold&Yilmaz方法和Baruník&K?ehlík方法，从时域和频域视角分别测度了经济政策不确定性的波动溢出效应，并构建了全球发达经济体和新兴市场经济体的整体关联网络。

  Diebold&Yilmaz溢出指数根据结果得出，18个国家的经济政策不确定性存在波动溢出效应，其中，发达国家是重要的净溢出国，发展中国家则是主要的净溢入国；EPU波动溢出有着非常明显的时变特征，在出现重大不确定性事件和金融危机时表现突出。Baruník&K?ehlík频域分析进一步说明了经济政策不确定性的跨国溢出源于对上述不确定性冲击的持续反应。

  李政等关注了主权债务风险的跨国溢出问题，发现主权债务风险跨国溢出主要发生在短期，并且个体风险水平是决定一国风险输出或风险承担强度的重要的因素。卞志村基于时域和频域视角，评估了外汇市场静态和动态的波动溢出效应。研究表明，全球外汇市场具有广泛的波动溢出效应，且主要由长期因素所驱动。此外，美元和欧元处于全球外汇网络的中心，人民币则更多地扮演了净接受者的角色。