文摘

同步在金融市场增加了全球市场的崛起。然而,全球冲击引发高水平的收益同步,危及市场稳定。使用correlation-based网络、回归和VAR模型,我们测量和估计的影响全球同步世界股票市场北美,拉丁美洲,欧洲,亚洲和大洋洲2001年7月至2020年4月。我们发现我们的全球股市同步是动态的随着时间的推移,其极限配合重大的金融冲击,它收缩的最低水平,这表明全球市场的回报是朝着一个同步方法。此外,它是一个重要的和积极的因素区域同步。区域市场反应不同类地全球同步冲击显示本地和全球因素的同步源。我们的工作可以帮助市场参与者需要测量,监测,和管理同步的回报在一个吝啬的,动态的,经验容易处理的方式。我们强调证据的必要性包括同步作为风险因素评估范围广泛的市场参与者的决策标准,从监管机构投资者。决策者、政府和中央银行,我们的工作是一个电话将全球同步的雷达的事件的危害整个市场的稳定。

1。介绍

在最近的几十年里,我们见证了全球金融市场的出现。更大的经济开放和加快城乡一体化进程促进了金融一体化,在资本市场更高的互联性,更大的规模和复杂性的金融系统。因此,全球金融市场变成了一个“复杂系统”牵一发而动全身的跨境联系和相互依赖关系,冲击容易放大和迅速变成全球性事件。互联性研究显示其双重对系统性风险的影响;它可以改善金融稳健性有助于吸收冲击,但它也可能产生蔓延传播冲击的金融系统[1- - - - - -3]。

在金融动荡,风险偏好逐渐引发的流动性风险资产几乎消失,转变成一个通用的羊群行为,投资者迫切寻求避难的无风险资产。(例如,2月15日至2020年3月23日,世界目睹了暴力落在金融市场;标准普尔指数累计下跌35.33%;WTI原油的参考价格下降了58.13%,延长其在4月跌至17.27美元。同样,在同一时期,美国10年期国债的利率国债下降了80.60%,达到每年0.3137%的历史最低)。这些行为是相似的在全球金融市场中,反映出不确定性和波动性是无处不在的特点在全球资本市场的冲击。此外,这种不确定性关于金融市场的未来表现对市场不是小说。过去的事件表明,金融资产收益的波动性变化,风险管理、资产定价、影响消费、储蓄、投资决策经济(4]。例如,COVID-19疫情演变成一场全球冲击,同时影响了世界上大多数国家。从金融稳定的角度看,这冲击的负面影响估值的股票和债券等金融资产。此外,它生成的著名的飞行质量和流动性囤积效果通常观察到在全球资本市场在过去的金融危机(3,5]。

金融市场和选民之间的复杂关系及其连通性模式和结构引起了学者的注意,监管机构和市场从业人员对市场风险的影响,系统性风险,商业周期的风险。在2007年8月金融危机后,金融市场通过网络模型,研究了最初关注的研究级联对金融业的影响(2,5,6]。最初的模型描述金融网络的结构如何导致瀑布下的违约传染和有能力估计其发生的概率和影响。然而,更深入地理解和衡量如何通过金融冲击放大和传播网络的资产仍然是必需的。在这项工作中,我们研究股票市场回报的现象的同步,特别是当股市出现面对急剧回到下跌趋势,导致大量的参与者在市场上遭受严重损失同时,迅速传播到整个市场的行为(7]。这种现象尤其在2008年次贷危机期间和2020年COVID-19爆发的最初阶段。

同步或co-movement返回是一个特别有关现象的蔓延以来,股票市场产生显著改变市场波动和股票的相关系数8]。对一个更广泛的观点1),同步的股本回报率是金融体系的关键。从这个意义上讲,经济结构相似的国家和地区,再加上全球因素,解释金融市场的co-movement并生成大规模金融传染(9]。此外,证据表明,金融市场之间的联系变化随着时间的推移,作为一个国家和地区之间的不平衡现象(10]。

次贷危机显示网络的义务,例如,银行(11),或资产之间的金融代理,例如,共同基金(12),是可能的元素co-movement背后的金融资产和金融市场的稳定。这种现象是至关重要的条件下,如资产的一个重要集中在一些金融机构和金融冲击。例如,拉文、山谷和无功功率(13]发现相似之处共同基金的投资组合策略成为一个潜在的因素的干扰与影响网络的稳定性符合由股票和基金。这个证据表明同步返回是一种高度复杂的现象,没有单一的原因;相反,当我们见证过去大流行爆发的金融危机,其发生与多种因素有关(9,14,15]。

我们分析的同步返回从一个区域和全球市场的观点。我们研究co-movement而不是集成,因为我们专注于揭示股市相关性如何动态变化在金融稳定和不稳定的时期。金融动荡历史事件表明,所有这些事件分享一些结构属性,并不是所有的市场反应同样当全球回报co-movement飙升的全球股市之间的同步演化和扩散现象。以下研究问题没有完全覆盖着如何同步全球股市之间的演化和扩散现象。首先,有可能衡量市场回报的总水平的同步?第二,全球股市同步如何影响区域市场吗?第三,做全球股票市场的变化同步一致影响区域市场?最后,地区性股票市场通常的同步移动,或对全球股市的同步?

我们为文学研究这一现象在一个适当的吝啬的,动态的,经验容易处理的方式使用correlation-based网络加上时序分析和VAR模型的方法。首先,我们解决先前的研究问题衡量股票回报率的全球同步的27个世界股票市场指数从2001年7月到2020年4月。第二,我们构建资产相关性的树木全球和区域股本网络使用平面过滤方法,如最小生成树和平面最大过滤图(16]。第三,我们研究全球同步影响区域市场应用结构VAR和脉冲响应函数分析。第四,探索的动态量化同步的回报在一个广阔的市场,我们帮助监控这一现象,估计全球同步测量有助于解释的地区co-movement地区股票市场。最后,我们便于监测的任务同步通过提供一个风险敏感度测量每个区域市场的变化在全球市场同步。

具体来说,我们运用最小生成树的长度(MSTL)作为衡量同步区域市场的回报(MSTLR)的北美和拉丁美洲,欧洲,亚洲和大洋洲。同样,我们估计的MSTL全球股票市场网络(MSTLG)由27个股市符合后者区域市场。在这之后,我们组织我们的实证策略三个步骤:(1)我们动态测量与MSTL同步的程度在两个地区(MSTLR)和全球(MSTLG)水平。(2)我们计量经济学的测试是否全球同步测量(MSTLG)相关同步区域市场(MSTLR)的北美和拉丁美洲,欧洲,亚洲和大洋洲。(3)我们实证分析全球同步(MSTLG)水平是否影响股票市场的同步的区域市场,为未来产生不平等的同步。

我们的主要结果表明,股市回报的全球同步测量MSTLG动态捕捉全球股票相关网络结构的变化,尤其是在平静和危机时期。例如,金融动荡期间MSTLG达到最小值,证明最重要的水平同步的全球股票市场的回报。另一方面,在轻微的波动时期,MSTLG达到最大值,说明低水平的co-movement在全球股票回报。

同样地,我们发现不同层次的区域市场之间同步的敏感性。每个区域的co-movement灵敏度股市将在全球变化同步措施是不平等的。这证据建议区域因素的存在也影响区域股本回报率的同步。这些发现当应用鲁棒性测试。结果保持不变,当我们应用特定的控制和使用平面最大过滤图长度(PMFGL)作为另一个全球同步测量的回报而不是MSTL。

最后,我们研究全球或世界同步的同步影响全球区域市场的行为。使用结构VAR和脉冲响应函数分析中,我们发现证据表明存在格兰杰因果关系。此外,这种可预测性似乎从回报的全球网络向区域返回网络。这些结果表明,股票市场的全球同步生成一个当代和未来区域股本回报的同步。换句话说,全球同步的股本回报率作为相关因素解释的变异co-movement地区市场的回报水平。

我们的证据对从业者和管理者的实践意义。这项工作表明,增加的全球同步的前身是股票收益未来上升同步区域市场的回报。此外,这个结果将意味着更大的系统性风险和降低投资组合多样化的好处(17]。同样,我们衡量全球同步将服务设置临界值的限制,允许市场参与者预期未来的区域和全球市场的同步热刺。最后,我们的研究结果强调全局和本地因素的相关性,将燃料同步事件(9)和适当的金融市场监管的重要性,缓解高同步时间的潜在危险。

本文结构如下:部分2描述了文学和连接的主要假设。部分3回顾了方法。部分4讨论了应用和显示数据的主要方法。部分5介绍了实证研究结果。最后,部分6总结和扩展我们的发现。

2。文学和假设

2.1。文献综述

系统性风险危害资本市场的稳定和正常运行,降低市场信心和承担风险的意愿。不同的方法已应用于监控和量化。最equity-correlation-based措施[应用方法18),有条件风险价值(柯伐合金)的方法(19),连系动词的功能(20.[],边际期望损失分析21,22[],互关联系数分析23]。这些方法主要集中在金融机构和金融体系之间的关系。

随着互联在资本市场上涨,考虑到互联性的必要性和交互是金融体系作为一个整体的角度出现。互联的复杂性和金融市场的规模促进充分的利用网络的方法来量化风险,识别风险的传播领域中,国家和市场。此外,理解复杂系统的行为是通过网络增强方法,因为他们允许建模的间接影响的互联组件或实体(24]。

网络文学最初集中在网络属性的含义及其关系与金融系统的稳定性和脆弱性25,26]。同样,许多研究探索链接的分布是如何影响的系统性反应冲击和关键节点或枢纽节点的连通性如何破坏,甚至导致整个网络的崩溃(3,27,28]。其他相关议题包括事务的网络金融资产,投资组合选择、风险管理、重叠组合,金融市场一体化和金融危机(29日- - - - - -32]。

网络方法最初采用correlation-based网络。最小生成树(MST) [30.),平面最大过滤图(PMFG) [33),网络相关阈值(34),和部分correlation-based网络(35)是最广泛的方法。MST和PMFG皮尔逊相关系数应用于构建资产网络考虑到价格变化的相似性水平对于一个给定的资产。相比之下,部分correlation-based网络估计局部相关性来衡量其他资产是否影响这条资产之间的关系。皮尔逊correlation-based网络方法应用于研究金融市场,MST被最频繁的方法用于它的简单性、健壮性和清晰的可视化树资产属性和他们的联系35]。

金融市场资产的结构网络显示有用的分类分析金融市场作为一个复杂的系统。曼特尼亚(29日)美国股票市场结构模型利用MST和PMFG,道琼斯指数组件之间找到集群。Onnela et al。31日),分析了相关的网络股票属于标准普尔指数,显示动态集群的存在不是独家由于工业领域但由于心理和经济因素通过资产网络捕获。他们发现MST的规范化树长度(MSTL)是动态的随着时间的推移,金融危机时达到最低,显示市场多元化的力量与MSTL资产网络随时间的演化。李等人。36)发现,在危机期间,资产树的拓扑变化,MST越来越星形的紧凑和这个网络越来越不适应冲击和更容易系统性风险。尽管这些方法作为研究工具的广泛使用在金融市场关系和相互作用,其主要缺点是构造这些网络的拓扑约束并不总是具有明显经济或统计理由(37,38]。

随着金融市场联系的现象的兴趣增加,深入研究新方法开发了溢出的机制和蔓延。溢出分析方法建立在飙升econometric-based网络分为以下组:(a)格兰杰因果网络或mean-spillover网络(1];(b)方差分解框架网络或波动溢出网络(39)和GARCH模型族网络(40];和(c)的风险溢出网络,包括尾部风险驱动的网络(41- - - - - -43)和极端风险网络(38]。概括地说,这些方法可以模拟复杂的互联性现象存在于资本市场和确定其可能的溢出路径相关联。

复杂系统的网络方法改善传统统计分析。例如,计量经济学方法研究直接作用于系统的实体的关系。然而,当加上网络,丰富的动态建模是可行的金融市场估计,例如,两个实体之间的距离或节点以及它们之间可能的间接影响是(39]。主要通过网络方法,可以研究同步在金融市场上的回报。

同步的回报是一个现象的普遍性与多个起源和含义。Glasserman和年轻5)发现,目前,返回同步观察金融市场比以前更多的复发,因为世界金融体系的日益增长的互联性。这个问题在风险管理中至关重要,因为多元化不妥善保护投资组合免受风险在高同步事件。充足的证据显示,在次贷危机期间,项目组合管理的多元化优势消失由于同步增加的资产的回报率(17,44,45]。埋葬(46),赵et al。47高,和梅48)发现,相关性是回报上升危机期间的时变和同步。更高的同步时间往往能发生,当投资者大多需要多样化的工具的帮助下,减少金融危机的负面影响在他们的投资组合31日]。

我们的论文的重点是在全球股市同步的研究,我们使用MST方法。正如前面提到的,这是一个极好的技术,研究金融时间序列关联网络的结构和非常有用的识别金融时间序列关联网络的结构(31日,49,50]。此外,即使有更复杂的技术来测量同步基于振荡器(51,52)或相位同步(53,54),互相关矩阵的回报,从本质上讲,信息之间的co-movement信号,容易计算,从哪一个可以提取不仅关联网络的拓扑属性,而且时变信号的耦合行为。

从经济和金融的观点,不同的理论可以解释同步的回报。金融风险和经济有关的因素和商业联系,再加上动态复杂的网络结构,研究了(46,51,55]。例如,利率平价模型链接返回汇率的同步;贸易流模型将它们连接到汇率和资产定价模型将他们与汇率变化影响金融资产的供应/需求。卷(56和食物等。57)发现了一个积极的美元和股票收益之间的关系。Phylaktis和Ravazzolo58观察到股票价格和汇率是正相关的。同样,但连接不同的金融市场,电影等。59)表明,石油危机对股票收益产生负面影响,危机期间,黄金变成避险资产。最近,Raddant和凯尼特(9)有关金融市场的co-movement国家的经济结构相似和全球行业因素一样。

2.2。假设

网络方法补充传统的计量经济学分析,因为他们允许包含二阶效应和非线性相互作用出现在复杂的系统。例如,同步建模的回报是至关重要的对于理解金融市场的行为和对干扰的反应总是出现在资本市场。

反对线性系统,复杂系统特征等因素,通过非线性输出的变化因为非比例输入的变化,导致系统出现混乱,不可预测的,甚至是矛盾的。准确地说,我们见证了这种行为的爆发大流行期间在股票市场,部分原因在于中央银行和政府采取的非常措施,在一定程度上也是投资者的一个自然反应对飞行质量投资作为风险偏好下降的结果。缓解市场动荡,注入流动性,风险资产的回购,爆炸式增长的财政支出已经在全球范围内应用。不幸的是,这些措施都伴随着不必要的更高的全球股票市场同步。

资本市场的特点是众多实体和各种交互规则,在几个与非线性度,产生集体行为和co-movements刺激资产和市场互动,最后影响成对返回相关性在一个特定的催化剂。这广义现象阻碍了整个系统的理解和建模,尤其是在全球金融市场冲击产生状态改变,飞涨的回报的同步(46,51]。

从市场参与者和监管机构的角度,今天比以往任何时候都更需要去测量、监控、和预测全球同步的金融资产的回报,特别是等最不稳定的股票。因此,中央银行、监管机构、投资组合经理和投资者需要同步估计全球,区域和地方为了使用这项措施作为“地动仪”,可以帮助他们评估运动不同的冲击引发金融体系,同时能够预见未来的水平同步。

我们认为金融网络的贡献作为一种工具来监视全球股市同步的回报水平。基于上述目的,考虑到研究问题中提到的介绍和考虑到股票市场的全球同步的水平作为一个外生变量,相应地发展金融市场面临的正面和负面的冲击,我们建立如下假设:假设1 (H1):全球同步的回报(MSTLG)是一个统计上的显著因素解释区域市场的同步的回报(MSTLR)的北美和拉丁美洲,欧洲,亚洲和大洋洲。我们预计,全球同步的回报估计全球股票市场网络相关解释的地区同步的回报。这个全球网络捕获成对市场的总体层面集体行为的相互关系。我们的第二个假设如下:假设2 (H2):有统计上显著的差异在每个区域市场的敏感性程度´同步变化(MSTLR)在全球同步的回报(MSTLG)。我们预计,全球同步的变化水平以来的每个区域市场不平等的影响市场的同步多个本地和全球因素加上影响股市的co-movements经济和商业联系。

3所示。网络方法

我们运用网络方法股指的相关性估计市场回报和建立相关的网络31日,60]。为此,我们认为该指数的收盘价我那天作为和它的回报 一系列连续的交易天。进化计算指标的同步,我们使用一个向量定义的返回一段时间窗口天月的事务数量t。这个向量对应的回报 ,这样指数之间的相关性我和索引j月t是 在哪里表明天的月平均总体事务t。每一对索引的结果是一个矩阵的 与价值观 。这个矩阵等价于一个完全连接网络的邻接矩阵和权重,每个指数代表的互连和的权重对应于每一对指标之间的相关性。

获取该指数的相关关系网络,我们过滤整个网络的权重,防止网络节点断开连接。这种方法对应于MST [29日),它提供了一个subgraph-type树结构,从整个网络连接,节点N和N - 1链接,连接所有节点的路径是最小的。MST降低整个网络的N (N−1) / 2与N−1链接(链接到树61年]。

MST用呆板的算法(62年连接网络资产的N个节点的距离最小化。之前的这个网络,我们改变了使用非线性变换,这样的相关性 代表指数之间的距离。一个相关 表示的最大距离 ,而 显示的最低 。因此,我们得到一个矩阵 ,总结了指标之间的距离,描述资产的分类超度量属性的网络(29日,63年,64年]。

我们估计MST ,描述资产网络的邻接矩阵 ,链接的总和最小。每个月联系的总和计算t形成一个时间序列。这样,网络的节点和N−1链接、规范化树长度(MSTL)被定义为

我们生成的一个时间序列每个月t和市场我,其变化

最后,本系列正确模型,我们研究时间序列的平稳性条件应用标准程序包括在计量经济模型(65年,66年]。

4所示。实证的方法

4.1。计量经济学模型

我们分析了相关假设全球27个股市和同步的同步观测的区域市场北美和拉丁美洲,欧洲,亚洲和大洋洲。根据这个,我们建立了以下时间序列模型来测试本研究的假设:

因变量MSTLR变化的区域我(我= 1:美国;2:北美;我= 3:拉丁美洲;我= 4:欧洲,我= 5:Asia-Oceania)t(t= 1…216);是常数;是一个虚拟的月变量捕获未被注意的临时效应(米1 = 1,、…米= 12、12月);代表相关的独立变量的系数的假设;对应于控制变量的估计系数;是全球MSTL变异(MSTLG);是控制变量;和对应的误差项。此外,我们包括滞后和控制相关的可能的影响。最后,我们作为一个独立的变量,包括每月的变化(varmstl_global)的全球最小生成树的长度(MSTLG)作为变量捕获全球同步的股票回报。

通过这种方式,使用的模型方程(4),我们评估以下假设先前描述的部分2:假设1 (H1):全球同步的回报(MSTLG)是一个统计上的显著因素解释区域市场的同步的回报(MSTLR)的北美和拉丁美洲,欧洲,亚洲和大洋洲。 : 和 : ≠0,我= 1,2,3,4,5。假设2 (H2):在统计上有显著差异的敏感性程度每个地区市场的同步变化(MSTLR)在全球同步的回报(MSTLG)。 : = = 和 : 。

我们应用异方差性和自相关一致(HAC)估计来评估我们的计量经济模型。此外,我们实现鲁棒性测试,以确认计量经济分析的结果是一致的,包括不同的鲁棒性检查(见部分5.3)。最后,我们应用结构VAR、脉冲响应函数分析和预测误差方差分解方法来测试我们的核心模型的存在格兰杰因果关系在全球和区域的同步股本回报率(见部分5.3)。

4.2。控制变量

在本节中,我们解释了计量经济学模型中的控制变量包括的部分4.1。根据文献,经济增长与股市回报金融冲击的影响。阮et al。67年]发现商品影响股票收益由于他们利用投资组合多样化和套期保值策略。他们也表明这个因素可以解释的co-movement铜与全球股市。同样,利率对股票市场产生影响。例如,希勒和Beltratti [68年)发现消极的长期利率与股票收益之间的关系在美国市场。同样,有证据表明股票收益和汇率之间的一个链接。卷(56和食物等。57]显示美元价值之间的正相关测量由一篮子货币和美国股市的回报。

大宗商品也影响股票收益的行为,尤其是高油价和股市回报之间的相关性。公园和Ratti [69年和Apergis和米勒70年记录一个跨时期的石油和股票之间的关系,积极或消极的影响在股票市场依赖石油危机的类型。同时,有证据表明黄金价格和股票的行为之间的关系。电影等。59)指出,黄金具有遮蔽状态,因为投资者使用它作为一个还在冲击和高水平的不确定性。

的不确定性也影响证券收益的行为。文献证据股票收益之间的关系,市场波动和经济不确定性。芝加哥期权交易所(CBOE)波动率指数(芝加哥期权交易所波动率指数)是最好的衡量预测股市的波动,这是投资者高度重视的一个指标来衡量暗示股市的不确定性。Banerjee et al。71年)发现消极的标普500指数表现和波动率指数演化之间的关系。他们还观察到,VIX指数有一个健壮的预测未来股票收益的能力。同样,Antonakakis et al。4)发现了一个股票的表现,VIX指数负相关关系。他们还表明,增加的收益波动减少未来收益和促进经济的不确定性。

考虑上述文献,我们将控制变量的计量经济模型部分4.1控制可能影响前面的变量对股票市场的市场回报我们的研究中,这可能会影响我们的因变量的行为。因此,在埃伯哈德et al。32和拉文等。13),我们考虑的变量如下:控制考虑可能的波动的影响,我们添加了每个区域的月度波动(σ);将波动率指数的影响,我们添加了VIX指数的月变化(varvix);控制对美元的影响,我们增加了美元的月度变化(10全球主要货币兑一篮子)(varbdxy);考虑的可能影响利率,我们添加了每月的10年期美国国债利率的变化(vart10us);将可能影响的黄金,我们包括黄金价格的月度变化(varau);最后,控制原材料的影响,我们添加了每月的铜价的变化(varhg1)和石油价格的月度变化(varcl1)。

4.3。的数据

我们每天使用彭博社收集的数据从2001年7月到2020年4月,共计226个月,27股指从北美,拉丁美洲,欧洲,亚洲和大洋洲。这些指数是彭博社最大的基准为每个股票市场在国家和地区层面。表1每个地区的股票指数。表2显示每月的变化和全球MSTL描述主要的描述性统计(MSTLG)和地区MSTL (MSTLR)。

当比较不同的估计,北美和欧洲市场有一个变异系数(CV)高于全球平均水平。相反,拉丁美洲、亚洲和大洋洲有更低的。而言,这些结果表明,MST长度的变化,北美和欧洲市场显示较高的波动性(相对于平均)的同步程度比其他地区市场的回报。图1也展现了时间序列的MSTLG从2001年7月到2020年4月。可以看到,有大波动期间,清晰的最大值和极限,倾向于重复整个期间。

5。实证研究结果

5.1。描述性的结果

考虑我们的全球同步的测量,在本节中,我们执行一个简短的比较的演变MSTLG充分样本期间和两个高的金融市场的动荡时期,即COVID-19爆发的次贷危机和初始阶段。这个想法是为了观察我们的全球同步测量的行为。

图1显示了每月的进化和最小生成树的月度变化长度总共27日股指在北美和拉丁美洲,欧洲,亚洲和大洋洲的2001年7月- 2020年4月。如前所述,这个衡量标准是全球长度MST资产符合整个股票市场的样本。MSTLG的行为而言,我们观察到时间序列动态随着时间的推移,有明确的周期和途径,2018年2月达到最高水平附近,接近2017年9月和2020年3月最低水平。MSTLG的月度变化而言,我们感谢轻微的变化结合高周期的波动期,大致从+ 40%每月−40%。

补充上述证据,图2描绘了一个热图的动态演化MSTLG为2001年7月- 2020年4月。黑色(卡其色)颜色代表最小(最大)的值。我们可以观察到以下几点:(1)全球同步的股票市场会随着时间而改变。(2)热图说明最低水平的与次贷危机相关的MSTLG配合冲击和COVID-19爆发的最初阶段。这些证据表明,两种不同的冲击产生类似的影响在全球同步的股本回报率的样本股票市场广阔。(3)MSTLG收缩的最低水平,表明全球股市的回报正在同步的方式。不幸的是,这种聚合行为的同时,最糟糕的时期在性能方面,全球股市的波动性。

除了前面的分析,我们进行网络分析理解资产树内的结构性变化背后的时期MSTLG高同步。图3(一个)显示节点分组根据地理区域的次贷危机期间2008 - 9。另外,我们观察一个持久行为节点在同一地理部门剩余接近彼此危机期间和之后(危机前:1月、2月和3月2008;危机:9月、10月和11月2008;和postcrisis: 3月、4月和2009年5月)。的缩短和延长MSTL不失地理节点集群,但现在根据分析阶段。

我们注意到次贷危机导致股票市场重要的变化同步。树的长度缩短从10.87到10.24,而在从危机中复苏,长度从10.24增加到11.68。同样的,我们观察到树的结构是动态的。在危机之前,树有很长的树枝从几个节点加入顺序,只留下l= 9终端节点和叶子,虽然postcrisis时期,树有更多的恒星的形成。因此,更多的节点显示为终端节点和枢纽节点;在这种情况下,l= 16。我们相信,这是与整个金融网络的信息传播方式。信息的流动与更多的恒星的形成和网络中心节点顺序是不同的从一个网络连接节点。树的平均直径D(任何两个节点之间的最大距离)也表示时期的变化。正如所料,直径减少(从5.72到5.10),但是它继续这样做甚至postcrisis时期。然而,这种减少是由于改变树的结构中我们看到,连接节点的长排给方式支持更多大量的终端节点。

以同样的方式,我们分析网络拓扑结构反应在最初几个月的大流行。图3 (b)显示MST之前(2019年11月到2020年1月)和COVID-19暴发期间(2020年2月至4月)。像次贷危机,这冲击似乎并没有“障碍”的节点,网络维持在某一分组级别根据它们所属的地区。在任何情况下,我们观察到显著收缩的距离(从14.40到9.30)。与次贷危机不同的是,树的形状似乎并没有大的改变:终端节点的数量之前和期间COVID-19爆发l= 12l= 13,分别。然而,直径也大大减少从6.64到3.81。这是由于冲击对金融市场的影响,而不是激进的网络拓扑结构的变化。

此外,我们比较两种冲击的影响在网络资产的结构。对于这个目标,我们分析的价值和两国资产树。第一个措施是叶子的数量除以最大数量的潜在叶子(星形的树)。第二个措施是直径除以总数量的边缘。表3总结了这些估计。我们可以欣赏的增加这两集之前和期间,8.7%和30%的次贷危机和COVID-19爆发,分别。然而,减少分别为9.1%和42.3%。换句话说,一方面,COVID-19冲击产生的一个重要的拓扑变化基于相对增加数量的叶子,而次贷危机产生的一个重要的拓扑变化基于直径。虽然机制,解释如何以及为什么都冲击影响的结构关联网络不同的不精确,我们知道两个事件的起源和基础是完全不同的,都有不同的含义在全球金融和证券市场。尽管前面的结果,从同步现象的角度,前面的结果表明,这两段经历相似,随着全球同步增加在这两个时期。

5.2。计量结果

在本节中,我们的简历中提供的计量经济学模型的主要结果部分4研究我们的主要假设。如前所述,H1评估是否全球同步的回报(MSTLG)是一个统计上的显著因素解释区域市场的同步的回报(MSTLR),而H2测试是否有在统计上有显著差异的每个地区市场的敏感性(MSTLR)变化在全球同步的股本回报率(MSTLG)。

表4简历的主要计量估计的结果。首先,我们观察到MSTLG是解释的同步行为的相关因素下的区域市场研究(列1,3,5,7,9)。第二,所显示的相关系数的变化MSTLG (varmstl_global),有一个积极的变化之间的关系在全球同步的股本回报率和区域的变化水平同步与每个地区市场相关联。具体来说,我们可以观察到弹性北美,拉丁美洲,美国,欧洲,和Asia-Oceania是0.967,0.858,0.951,1.083,和0.772,分别,他们所有人 。这些系数显示不同程度的暴露在全球市场同步的风险:联系的程度,一个地区的同步返回在全球范围内。欧洲有一个更大的敏感性。1%的变化在全球MSTL (MSTLG)引起反应,1.08%在欧洲市场同步的回报。相反,Asia-Oceania市场,只有0.73%的影响。后者结果表明最低灵敏度在其它区域市场同步。

上述区域敏感性比较关于全球同步是有效的,只要每个市场的系数在统计上不同。表5,面板显示系数的统计测试模型之间的平等。正如我们可以看到的,证据显示欧洲和Asia-Oceania有不同的弹性表明这两个地区将有不同的全球同步曝光。北美和欧洲相反,表现出类似的弹性表明这两个地区同样应对全球层面的变化同步。

此外,值得一提的是,表的结果4符合之前的文献表明区域股票波动性的影响返回co-movement是相关的因素。我们可以观察到,之间存在着负相关关系区域波动和股票收益的同步。后者会发生因为当地区波动上升,减少区域MSTL发展作为冲击的结果,表明更高层次的区域股市之间的相关性,即。,更高的地区同步事件出现。这些结果非常有趣,因为当地的波动冲击,加上全球同步的冲击将进一步提高区域同步(列1和9)。

5.3。鲁棒性分析

本节提出了额外的分析提供进一步的见解和测试后结果的鲁棒性。因此,我们应用三种鲁棒性分析:(1)我们控制金融动荡事件可能造成的影响;(2)我们代替我们的全球同步测量基于MST的长度PMFG的长度;和(3)的影响研究区域同步使用VAR分析全球同步。

5.3.1。控制金融冲击

在金融动荡,风险偏好几乎消失,给空间流动性囤积和飞行品质。上述负面影响风险资产,他们的回报,和估值。因此,评估结果的一致性提出了在前面的小节中,我们应用鲁棒性测试控制可能影响有关过去的金融冲击,如2001年的金融危机,次贷危机2008 - 9、2018年的金融动荡,COVID-19暴发。在这些事件中,摩根士丹利资本国际所有国家世界指数,一个全球性的自由流通股股票加权指数,包括新兴市场和发达国家市场,有经验的负面累积回报峰谷,−51%,−21%,34%−−60%。根据市场从业者看来,他们进入了一个悲观的领土,因为他们下跌超过20%。出于这个原因,我们在前面的计量经济模型包括一个哑变量(dum_shock(虚拟冲击值为每个月从Mar-00 Oct-02, Oct-07 Apr-09, 1月18日12月18,Feb-20 Apr-20和零。))来捕捉金融冲击。这个想法是为了证实我们的结果不是由于那些特定的悲观时期的金融危机。

如表5,面板B所示,不同的地区股市的敏感性变化在全球同步的股票收益依然存在。换句话说,在分析,我们的结果是一致的,当控制未被注意的上面这些经济和金融危机的影响。

5.3.2。全球同步的PMFG长度来衡量

第二个健壮性分析测试我们之前的结果是否持有当使用不同的测量来捕捉同步。我们测试计量经济学模型,包括平面的长度的变化最大过滤图作为一个独立变量(算法找到PMFG [33是类似于找到MST,但与后者不同的是,它产生一个图3 n-6边与MST生成n - 1 (72年]。通过这种方式,比MST PMFG保留更多的信息。)(varpmfgl)。自从PMFG支持网络中的周期,PMFGL将高于MSTL。因为这个特性包括更多的信息,它是有趣的比较模型,解释同步现象作为鲁棒性措施。值得一提的是,我们不计算区域的PMFG长度。PMFG包括MST和边缘用来加入PMFG中的节点的最小距离,因此,区域PMFG长度将区域MST的长度相同。

我们可以看到在桌子上6,主要结果仍然当我们控制金融冲击的可能效果结合PMFG的长度作为一个新的全球同步的估计。因此,我们仍然遵守先前发现的直接关系的全球同步的股票市场和地区同步的回报。此外,类似于以前的结果,表6显示变化的敏感性区域市场在全球同步是不同的。例如,北美和欧洲市场的敏感性优于拉丁美洲和Asian-Oceania市场。

5.3.3。VAR和IRF分析

我们最后的鲁棒性分析应用向量自回归(VAR)和脉冲响应函数分析(IRF)模型来理解之间的交互变量捕获同步在地区市场和全球同步这些变量的影响。VAR模型的一般形式,认为内生变量varmstl_nam、varmstl_lat varmstl_ame varmstl_eur,和varmstl_asioc,而我们将变量varmstl_global作为一个外生变量。此外,我们包括变量varvix控制可能影响来自隐含波动率溢出效应(73年]。VAR模型 在哪里Y_t是一个资料片向量的时期t内生变量的观测;X_t是一个向量的时期t外生变量的观测;和e_t是一个资料片残余向量。K是滞后内生观测的数量,l是落后的数量控制的观察。我们设置K= 4,l基于Akaike信息标准= 0。世界宗教自由函数

表7总结的结果充分样本VAR。再一次,我们强调,我们不是试图确定溢出效应,或者以任何方式传输的渠道;相反,我们只是感兴趣研究聚合系统的动态效果(例如,如果一个变量建立有助于预测另一个超越简单的自回归基准)。我们组织为每个因变量分析列和行滞后因变量和外生变量。

主要结果显示相关的相互影响的区域市场之间同步的回报。亚洲和大洋洲影响所有其他地区和本身;与此同时,北美和拉丁美洲主要影响自己。关于全球同步的影响区域市场,我们的证据证实了全球同步捕获变量之间的直接关系varmstl_global和同步展出由每个区域市场。此外,这些结果鲁棒当我们控制可能影响派生的隐含波动率的变化,波动率指数了。

此外,研究同步事件的长度,我们执行结构VAR分析捕获响应后一个标准差的冲击全球MSTL。图4显示了每个地区的脉冲响应函数。符合我们之前的研究结果,我们可以观察到MSTL在每个地区积极响应全球MSTL(即正面冲击。时,他们倾向于上升全球MSTL上升,反之亦然)。此外,在所有情况下,这个反应是重要的在一个周期后的冲击。值得注意的是,在每个区域,冲击第五期后开始被吸收。这些结果表明,全球股市之间的同步现象的持续时间不是一个短期的生活事件。

补充前面的分析,我们执行一个错误方差分解的充分样本周期来评估我们的全球同步测量的相关性的影响区域市场的同步。表8显示了如何使正交化干扰导致的均方误差(MSE) h-periods-ahead预测。我们可以注意以下几点:(1)我们观察到,大多数MSTLs往往是非常自回归;在每个MSTL,他们落后于解释方差在MSE的相关部分。例如,北美MSTL滞后解释大约百分之六十五的方差的MSTL北美;与此同时,欧洲和Asia-Oceania等市场,结果是大大降低。(2)值得一提的是,全球MSTL解释一个重要比例的方差在大多数情况下。例如,对于h= 5,北美范围从31.3%到63.2%的欧洲。(3)有趣的是显示显著的异质性区域市场之间的接触全球和当地的因素集的全球同步发生。

最后,遵循Diebold和Yilmaz [74年),我们量化的总影响全球同步在世界区域市场。(这个框架允许研究总相互依存或总资产之间的溢出效应相同的性质和依赖于Cholesky-factor VAR的识别,生成一个方差分解,可以依赖的变量排序。如上所述,我们认为全球同步作为外生变量作为因变量和区域同步;我们应用的顺序是MSTLG,每个区域MSTL。为了确定个人或定向溢出效应和分析不同的资产类别,看到Diebold Yilmaz [75年和谢赫76年])。表9展品的方差分解结果的方差贡献h今后的一个月同步预测误差的地区我来自创新同步的地区j。面板的显示1-month-ahead预测误差方差分解。面板B展品第五个月同样的分析。我们可以观察到1 -和5-month-ahead贡献从全球网络的同步区域网络是86%(3.074/3.575)和75%(2.674/3.581),分别。这些结果强调了重要贡献全球同步的同步产生区域市场。

总之,我们的鲁棒性分析的结果使我们认为这部分符合我们之前的回归模型:(1)VAR、脉冲响应函数和均方误差方差分解显示格兰杰因果从全球区域MSTL MSTL(2)这种关系是积极的;即。,米ore global synchronization precedes a more regional synchronization(3)全球MSTL捕捉未来的容量的同步似乎超出了自己的自回归的同步测量区域市场

6。结论

我们的研究有助于帮助金融市场参与者的任务同步测量和监控风险。为此,我们估计的同步全球股市MST网络方法应用到27日世界股票市场和使用它作为一个代理全球同步的现象,作为一个因素解释了领先世界的同步区域股市。在当前的金融背景下的高不确定性,这是有关询问全球股票市场的动态同步对系统性风险的影响,特别是在强劲反弹后的资产价值COVID-19爆发时股票价格修正的风险较高。因此,小说的威胁新兴冲击影响金融市场和引发股市同步的新一季开播时高。

我们的主要结果的证据表明,全球股票市场同步,衡量全球MSTL的长度(MSTLG),是动态的随着时间的推移,其最小值与相关的金融冲击,它收缩的最低水平,这表明全球股市的回报正在同步的方式。同样,全球MST捕获的拓扑变化的影响冲击金融市场不同性质,但也有类似的对资产的相关性,行为的影响,最后引起同步现象。此外,我们的证据表明,全球股市的同步是一个重要因素解释世界的同步区域股市在过去的20年。同时,我们找到一个积极的变化之间的关系在全球同步的股本回报率和世界同步的变化与区域市场。最后,我们的结果显示不同敏感地区股票市场全球股市同步变化。

我们的证据并不拒绝假设全球同步的回报是一个统计上显著的因素在解释同步区域市场的回报。然而,这是至关重要的证据理解全球和区域经济和金融之间的联系因素,由于业务国际化元素,上升,降低了交易成本,和日益增长的国际投资。这个专业的互联性和全球化适合经济的发展。然而,在市场动荡时期,它可以成为一个重要的问题自同步增加相当大的回报减少资产组合多样化的好处,成为传染的一个元素。

此外,我们不能拒绝的假设有统计上显著的差异区域市场与全球同步的敏感程度的回报。相反,我们发现这两个变量之间的正相关关系,这表明当全球同步增加,区域同步会增加,反之亦然。总之,我们的结果支持这一观点,目前金融市场的复杂和相互关联的本质应该激发从业者和管理者修订和更新关于风险管理理念将监视和管理的风险优先级同步。

我们的研究没有分析全球和区域市场之间的结构联系市场同步的溢出。相反,我们评估的影响全球同步股票回报世界的区域市场和他们对这个因素的敏感性应用皮尔逊correlation-based网络方法。自然延伸我们的工作涉及到探索其他网络的应用方法,如偏相关网络(35,74年)在相关资产的管理资产(资产管理)像债券,大宗商品和房地产,考虑不同经济部门在发达国家和发展中国家。,这是一个使用皮尔逊相关的更深层次的研究和部分correlation-based网络同步的溢出效应出现的由于结构不同市场之间的互联性存在的资产类别,地区和部门为了获得更深入地理解固有的定向溢出在金融资产和市场及其对系统性风险的影响(75年,76年]。

我们的研究的一个限制是(即非同步的交易的影响效果。,在全球股市时区差异)。我们的重点不是为了解决这个问题,因为目前还没有有效的方法来处理这个问题35]。不幸的是,工作频率为每周的选项来消除非同步的贸易效应造成的损失有价值的信息的日常活动市场问题。不过,这个问题是更重要的在全球MSTL系列由于时区差异造成的,而在区域MSTL系列,这个问题往往是最小化。然而,我们猜想,非同步的贸易效应会降低在处理第一个差异(全球MSTL变化)和更当估计的系数变化之间的关系的全球与区域MSTL MSTL变化。此外,《福布斯》和Rigobon [77年)没有观察差异实现异方差性偏差测试时基于相关系数的蔓延使用为期两天的移动平均相关性估计windows和日常的回报。因此,我们相信,未来的研究有必要分析潜在的方法修改,解决非同步的贸易效应。

我们的工作有很多的影响。首先,它有助于监管机构,中央银行,决策者、投资组合经理,和投资者来测量,监视和管理同步的回报。其次,正如国际多样化的好处时减少同步上升,风险管理战略建立在海外投资需要重新审视了这种风险的决策标准。第三,全球金融代理,如投资银行,必须创新,开发新的金融工程产品,帮助市场参与者管理同步的风险。最后,市场监管者和决策者,以及中央银行和政府,需要将这些新的观点和见解基于经验证据作为输入因素进行更好地监督运转良好的金融市场,以及改善金融市场的协调新兴全球危机之前再次危及资本市场的稳定。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

附加分

(我)使用correlation-based网络方法,如最小生成树(mst)和平面最大过滤图(PMFGs),我们研究全球同步的股本回报率的影响世界股票市场北美,拉丁美洲,欧洲,亚洲和大洋洲。为此,我们估计的长度和MST PMFG作为全球同步现象的测量使用日常和月度数据2001年7月至2020年4月。(2)我们的研究结果表明股票市场的全球同步,以全球MSTL的长度来衡量,是动态的随着时间的推移,其最小值与相关的金融冲击,它收缩的最低水平,这表明全球返回正在同步的方式。同样,全球MST正确地捕获的拓扑变化的影响,对金融市场冲击的不同性质,但这也有类似的对资产的影响相关的同步。(3)采用时间序列回归分析和结构VAR模型,我们发现全球同步的股本回报率的一个重要和积极的影响和未来的同步世界地区的股票市场。同时,区域同步的反应是不平等的变化在全球同步的水平。我们找到一个广泛的异构反应在区域市场的冲击,全球同步的水平。(iv)我们的结果帮助金融市场参与者需要测量,监视和管理同步的回报。同样,我们的证据显示包括同步的必要性作为风险因素评估政策制定者和监管机构的决策标准。我们的工作强调了全球同步的需要将事件的危害的雷达市场稳定。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢阿道夫•伊班奈兹在内部资金研究2020 - 2022年格兰特(商学院- 1154 - 2020)在经济上支持这项研究。