分类号 密 级

UDC 编 号

全日制专业硕士学位论文

题名和副题名 国际原油市场、黄金市场及中国股市间溢出效应研究

作 者 姓 名 王莹

指导教师姓名及职称 于文华 教授

申请学位级别 专业硕士 类别（领域） 金融

论文提交日期 2021 年 6 月 论文答辩日期 2021 年 6 月

学位授予单位和日期 成 都 理 工 大 学（ 2021 年 6 月 ）

答辩委员会主席 张志勇 高级经济师

2021 年 6 月
分类号 学校代码：10616

UDC 密级 学号：2018050705

全日制专业硕士学位论文

国际原油市场、黄金市场及中国股市间溢出
效应研究
王莹

指导教师姓名及职称 于文华 教授

申请学位级别 专业硕士 类别（领域） 金融

论文提交日期 2021 年 6 月 论文答辩日期 2021 年 6 月

学位授予单位和日期 成 都 理 工 大 学（2021 年 6 月）

答辩委员会主席 张志勇 高级经济师

2021 年 6 月
 摘 要

国际原油市场、黄金市场及中国股市间溢出效应研究

摘 要

近年来，全球经济发展疲软，世界局势动荡，金融市场的发展也屡屡受到“黑
天鹅”、“灰犀牛”等事件的影响。黄金、石油等作为重要的大宗商品，当价格
发生波动时对整个金融市场也会产生一定的影响。原油作为世界经济发展的“血
液”容易受到地缘政治、新能源等方面的冲击。特别是近些年原油价格的剧烈波
动，对全球经济的发展都产生了较大的影响。黄金在金融市场中具有独特的战略
以及存储价值，越来越受到关注和青睐。而中国作为原油消费大国，原油价格的
波动也会对我国经济产生巨大影响。此背景下，通过对国际黄金、原油市场和中
国股市三个市场之间的均值溢出和波动溢出效应研究以帮助投资者和监管机构
更好的规避风险和制定监管措施。
为此，本文选取沪深 300 指数、国际现货黄金（AU）、布伦特原油（CFD）
三个指标代表中国股市、国际黄金市场、原油市场的衡量指标，分别用 TVP-VAR
模型和波动溢出指数对三个市场的均值溢出效应和波动溢出效应进行分析。
从均值溢出效应方面分析，主要结论包括：（1）从时变波动分析来看，三
个市场在如 2015 年股灾、2020 年全球新冠疫情等重要时间节点的收益率波动效
应较大；（2）从等间隔脉冲响应的结果来看，三个市场总体表现为，短期脉冲
响应的影响要大于长期脉冲响应，但是不同市场之间的影响方向存在时变性，其
影响方向会发生反转。例如中国股市对国际黄金市场的短期脉冲响应在 2018 年
之前为正向收益率溢出效应，但是在 2018 年之后表现为负向收益率溢出效应，
国际黄金市场和原油市场之间也有类似的表现；（3）从时点脉冲响应分析来看，
首先在 2015 年“股灾”、2016 年中国开始“深港通”以及中国新冠疫情爆发之
时三个时间节点的脉冲响应程度总体呈现随时间的增长而降低的趋势，最终影响
趋于 0。但是也有部分市场之间存在着较长的脉冲响应，如中国股市对国际黄金
市场的时点脉冲响应虽然随时间的增长而减弱但是总体还是呈现出明显的脉冲
效应。其次，可以看出，时点脉冲响应的变化幅度相对较大，时变性较为突出，
这也意味着虽然不同金融市场之间确实存在着正向或者负向的脉冲响应，但是这
种响应并不具有明显的规律；最后，可以看出，在面对重大金融事件时，新冠疫
情所表现出来的影响相比较“股灾”和“深港通”则更为明显，这也说明了预防
重大公共卫生事件的重要性。总而言之，说明不同金融市场之间的脉冲响应虽然
存在类似的分析结果，但是也存在着特殊情况。
基于 TVP-VAR 模型的后验均值，构建出时变波动指数对三个市场之间的波

I
 成都理工大学专业硕士学位论文

动溢出效应进行分析，从波动溢出效应方面分析，主要结论包括：总体可以看出，
中国股市、国际原油、黄金三个市场的溢出效应均大于溢入效应，从而表现为净
溢出效应为正，也就是说在影响程度方面，每个市场对其他两个市场的影响程度
要大于其他两个市场对这个市场的影响，但是对于不同市场而言，其净溢出效应
的大小有所差异，具体而言，国际原油市场净溢出效应最大，中国股市次之，黄
金市场最小。
最后根据实证结果，本文对投资者提出要及时关注外部市场冲击、进行理性
投资的建议；对于金融监管部门要客观认识中国股市和世界金融市场之间的均值
和波动溢出效应关系、加强市场保障机制以及关注不同市场的动态变化。

关键词：TVP-VAR；原油市场；溢出效应；波动溢出指数

II
 Abstract

Spillover Effects among International Crude Oil Market, Gold

Market and Chinese Stock Market

Abstract

In recent years, the global economic development is weak, the world situation is
turbulent, and the development of financial markets has also seen "black swan" and
"grey rhinoceros" incidents. Gold, oil and so on as important commodities, when the
price fluctuations will also effect the entire financial market. As one of the most
important commodities in the world, crude oil is deeply influenced by the degree of
financialization and is more vulnerable to geopolitics, new energy and other aspects of
impact. Especially in the last few years, the violent fluctuations of crude oil prices has
a great impact on the development of the global economy. Gold has a unique strategic
and storage value in the financial market, and is more and more concerned and
favored. At present, China is the world's largest oil consumer and importer. The
impact of oil price fluctuations on China's economy is increasingly significant. In this
context, the mean spillover and volatility spillover effects among the international
gold, crude oil and Chinese stock markets are studied to help investors and
government agencies better avoid risks and formulate regulatory measures.
Therefore, this paper selects the CSI 300 index, international spot gold (AU) and
Brent crude oil (CFD) as the measurement indicators of China's stock market,
international gold market and crude oil market, and then analyzes the mean spillover
effect of and volatility spillover effect of the three markets with TVP-VAR model and
volatility spillover index respectively.
In the analysis of mean spillover effect, the main conclusions are as follows: (1)
from the time variation characteristic analysis, the fluctuation effect of the three
markets in 2015, such as the stock market crash in 2015 and the important time nodes
such as the global market in 2020, has a larger fluctuation effect; (2) From the results
of equal interval impulse response, the overall performance of the three markets is
that the impact of short-term impulse response is greater than that of long-term
impulse response, but the impact direction between different markets is time-varying,
and its impact direction will reverse. For example, the short-term impulse response of
China's stock market to international gold is positive before 2018, but negative after
2018. There is a similar performance between international gold market and crude oil

III
 成都理工大学专业硕士学位论文

market. (3) from the point of view of impulse response analysis, first, in 2015, the
"three" time node response rate of the three time nodes showed a trend of decreasing
with the time of "stock crash", "China's Shenzhen Port" and China's new crown
outbreak, and finally the impact was 0. But there are also some markets with long
impulse response. For example, although the impulse response of China's stock
market to the international gold price weakens with the growth of time, the overall
impulse effect is still obvious. Secondly, it can be seen that the change range of time
point impulse response is relatively large, and the time-varying is more prominent,
which also means that although there are positive or negative impulse responses
between different financial markets, this response does not have obvious rules; Finally,
we can see that in the face of major financial events, the impact of the new crown
epidemic is more obvious than that of the "stock crash" and "Shanghai Hong Kong
pass". This also illustrates the importance of preventing major public health time. In a
word, it shows that although there are similar analysis results among different
financial markets, there are also special cases.
The volatility spillover effect is analyzed by the time-varying volatility index
constructed by the posterior mean of TVP VAR model. In terms of the research
conclusion of volatility spillover effect among different markets, it can be seen that
the spillover effect of China stock market, international crude oil and gold bullion
market is greater than that of the spillover effect, which shows that the net spillover
effect is positive, that is to say, in terms of the degree of impact, The impact of each
market on other markets is greater than that of other markets. However, for different
markets, the net spillover effect varies. Specifically, the net spillover effect of
international crude oil market is the largest, the Chinese market is the second, and the
gold market is the smallest, which is also the stock market in financial market The
importance of crude oil and gold market in financial market is consistent.
According to the empirical results, this paper proposes that investors should pay
attention to the external market shocks in time and make rational investment.
Financial regulators should objectively understand the relationship between the mean
value and volatility spillover effects between China's stock market and the world's
financial markets, strengthen the market security mechanism, and pay attention to the
dynamic changes of different markets.

Keywords: TVP-VAR; Crude oil market; Spillover effect; Volatility spillover index

IV
 目 录

目 录

摘 要...............................................................................................................................I
Abstract.........................................................................................................................III
第 1 章 绪论................................................................................................................ 1
1.1 研究背景......................................................................................................... 1
1.2 研究目的与意义............................................................................................. 2
1.2.1 研究目的.............................................................................................. 2
1.2.2 研究意义.............................................................................................. 2
1.3 研究内容和结构............................................................................................. 3
1.3.1 研究内容.............................................................................................. 3
1.3.2 研究方法.............................................................................................. 4
1.3.3 研究路线.............................................................................................. 4
1.4 创新点............................................................................................................. 5
第 2 章 国内外研究现状............................................................................................ 6
2.1 关于溢出效应理论的研究............................................................................. 6
2.2 关于市场间均值溢出效应的研究................................................................. 7
2.3 关于市场间波动溢出效应的研究................................................................. 9
2.4 关于重大事件对溢出效应影响的研究....................................................... 10
2.5 文献评述....................................................................................................... 10
第 3 章 市场间溢出效应模型的构建........................................................................ 12
3.1 均值溢出效应模型....................................................................................... 12
3.1.1 TVP-VAR 模型的构建....................................................................... 12
3.1.2 TVP-VAR 模型的估计....................................................................... 14
3.2 时变波动溢出指数的构建........................................................................... 15
第 4 章 不同市场间溢出效应的实证结果.............................................................. 17
4.1 数据来源及描述性统计............................................................................... 17
4.1.1 数据来源和处理................................................................................ 17
4.1.2 描述性统计........................................................................................ 17
4.2 不同市场间的均值溢出效应....................................................................... 19
4.2.1 MCMC 抽样结果...............................................................................19
4.2.2 时变波动特征.................................................................................... 20
4.2.3 时变脉冲响应结果............................................................................ 23
4.3 不同市场间的波动溢出效应....................................................................... 28
4.3.1 中国股市波动溢出效应.................................................................... 29
4.3.2 国际原油市场波动溢出效应............................................................ 30
4.3.3 国际黄金市场波动溢出效应............................................................ 31
结 论.......................................................................................................................... 33
致 谢.......................................................................................................................... 36
参考文献...................................................................................................................... 37
攻读学位期间取得学术成果...................................................................................... 42

V
 第1章 绪论

第1章 绪论

1.1 研究背景

近年来，全球经济增速放缓，世界经济环境动荡不安，全球经济发展受到越
来越多不确定性因素的影响。继 2015 年中国股灾之后，2018 年又发生了中美贸
易战，加之 2020 年新冠疫情席卷全球。虽然影响世界经济发展的不确定性因素
增多，但是中国金融市场对外开放的进展却没有受到影响，中国金融市场对外开
放的程度不断加深，各大金融市场之间协同发展的进程也不断加快。2018 年，
央行行长易纲宣布了中国金融业将会进一步实施改革开放的十二大举措，之后
“沪港通”、“沪伦通”相继开通，中国金融市场和世界金融市场的联系越发紧
密。2020 年，全球新冠疫情突如其来，世界经济惨遭“滑铁卢”，经济形势下
行压力急剧加大，其中原油市场、黄金市场及股市的变化备受瞩目。
近年来，全球经济发展疲软，世界局势动荡，金融市场的发展也屡屡发生“黑
天鹅”、“灰犀牛”事件。黄金石油等作为重要的大宗商品，当价格发生波动时
对整个金融市场也会产生一定的影响。原油作为世界上最重要大宗商品之一，其
深受金融化程度的影响，比较容易受到地缘政治、新能源等方面的冲击。黄金因
其在金融市场具有独特的战略以及存储价值，越来越受到关注和青睐。目前中国
是世界上第一大石油消费国和进口国，石油价格波动对中国经济的影响日益显
著。随着全球经济一体化进行的不断加快，可以看到不同金融市场之间的相关关
系程度越来越深，一个金融市场的波动对其他金融市场的冲击也越来越大。其中
原油、黄金市场的价格波动也会迅速传递到其他大宗商品市场中，进而引起如股
票市场的波动。从投资者的视角出发，国际原油市场、黄金市场、股票市场等不
同金融市场，可以为投资者提供多种投资方案以供选择，便于满足多样化的投资
需求。此外，同时配置不同金融市场的资产，也可以在一定程度上降低投资者的
资产风险。溢出效应描述的是一个市场价格或者收益率的变化对其他金融市场价
格或者收益率的变化产生的影响以及一个市场的波动对其他市场波动的影响。虽
然根据有效市场假说认为市场价格的变化会在很短的时间内被其他市场所吸收，
并很快的反映在市场价格中，但是根据之前学者的研究，不同市场之间的价格变
动会对另外一个市场产生影响，也就是溢出效应是存在的。但是，这些市场之间
的相关关系是呈现出正向还是负向的关系？彼此之间如何进行影响？以及在一
些重大事件节点上，这些金融市场之间如何做出反应？特别是在 2020 年，全球
范围内发生大规模的新冠疫情，原油、黄金和股市均出现了较大程度的波动，对
我国经济发展和居民的投资储蓄都产生了较大的影响。不同金融市场之间的影响

1
 成都理工大学专业硕士学位论文

机理及均值溢出和波动溢出效应也自然成了本文所要研究的重点。

1.2 研究目的与意义

1.2.1 研究目的

国际原油市场、黄金市场、中国股市三个市场的波动变化在很大程度上影响
着政府的经济决策和投资者的生产消费。通过开展对该题目的研究分析，本文重
点关注以下几个方面的研究：第一、通过 TVP-VAR 模型判断三个市场之间的溢
出效应；第二、通过脉冲响应分析探究三个市场之间的均值溢出效应，并且通过
构建波动溢出指数探究三个市场之间的波动溢出效应。第三、探究在面临新冠疫
情这类公共卫生事件下，三个市场前后之间的表现。并根据估计分析结果作为依
据为政策制定者和投资者提供更加科学的思考决策。

1.2.2 研究意义

中国经济的快速发展使得其对原油的依存度越来越大，从不同的角度、时期
阶段对国际原油、黄金市场以及中国股市三个市场的价格变化造成世界经济的差
异化和非对称影响进行研究，对中国乃至全球经济的稳定快速发展具有一定的现
实意义。
理论意义：一般而言，股票和原油、黄金市场之间分别存在着正向和负向的
关系，但是在不同重大时间节点上不同市场之间的关系可能并不遵循一般规律。
通过本文的研究，一方面验证三者之间的理论关系的稳定性，另一方面可以探究
在不同时间节点下不同市场间的变动情况的规律，以丰富不同市场间溢出效应的
研究，并为之后学者的研究提供借鉴。
现实意义：不同金融市场间冲击力度的加深和时效性的加快使得一个市场的
波动会快速传递到另外一个市场。因此对于市场的投资者而言，如何在复杂的市
场中规避风险就显得非常有必要了；对于金融监管部门而言，金融市场间的相关
性的加深使得其需要提升其辨别、管控风险的能力，此外，及时采取必要措施化
解潜在风险对金融监管部门而言也是十分重要的。目前全球正处于新冠疫情之
下，国内金融市场波动较大，对国家和居民的生产消费均有较大的影响，但是目
前的研究还未有基于这样的背景事件。因此，利用 TVP-VAR 模型进行脉冲响应
分析研究国际原油市场、黄金市场以及中国股票市场之间均值溢出效应和波动溢
出效应，可以为投资者和金融监管机构提供科学的决策依据。

2
 第1章 绪论

1.3 研究内容和结构

1.3.1 研究内容

本文以国际原油、黄金市场以及中国股市三个市场为研究对象，利用
TVP-VAR 模型对三个市场之间的均值、波动溢出效应进行具体的探究分析。具
体而言，首先本文通过对国内外文献的收集，从国际原油市场、国际黄金市场、
中国股市三个市场两两之间的均值和波动溢出效应这两个方面进行文献的梳理，
得到三个金融市场之间可能存在的溢出效应关系，并对已有文献进行总结；然后
通过国泰君安、wind 等经济金融数据采集软件获取到文中写作所需要的国际原
油市场、黄金市场以及中国股市三个市场的相关数据，利用统计相关的方法，对
数据进行归纳总结分析，并通过计量软件对文章中的数据进行量化处理、检验分
析；最后结合国际原油市场、黄金市场、中国股市三个市场之间可能存在的非线
性动态变化关系，采用时变波动向量自回归模型—TVP-VAR 模型探究三个不同
市场之间的动态均值溢出效应，并且通过后验均值构建单个市场对其他两个市场
的波动溢出指数，以此探究不同金融市场之间的波动溢出效应。具体内容包括：
第一部分为绪论。绪论部分首先介绍国际原油市场、黄金市场和中国股市之
间相关关系的研究背景及意义；然后明确了研究对象、内容和方法；最后论述了
文章的结构安排和可能存在的创新点。
第二部分为文献回顾部分。该部分首先介绍了溢出效应理论的有关研究，其
次从不同金融市场间的均值溢出效应研究和不同金融市场的波动溢出效应的研
究两个方面进行内容的阐述，最后对重大事件对溢出效应的影响进行了有关分
析。
第三部分为市场间溢出效应模型的构建。这一部分通过讲述 VAR 模型的演
变由此引出 TVP-VAR 模型，并对 TVP-VAR 模型的估计和运用进行介绍，最后
在此基础上进行时变波动溢出指数构建。
第四部分是国际原油市场、黄金市场与中国股票市场间溢出效应的实证研
究。对三个市场之间疫情前后的均值溢出效应和波动溢出效应进行实证研究。首
先对数据进行 ADF 检验，然后分别进行均值溢出效应和波动溢出效应的实证分
析。均值溢出的研究包括进行马尔科夫链蒙特卡洛模拟、时变波动特征分析以及
时变脉冲响应分析。波动溢出研究包括溢出研究和溢入研究以及净溢出研究。
第五部分为国际原油市场、黄金市场和中国股市间溢出效应的结论与对策建
议。这一部分主要分析本文的研究结果，说明研究的实际意义。对国际原油、黄
金市场和中国股市间的溢出效应进行分析，并给从投资者和金融监管部门的角度
给出合理的建议等。

3
 成都理工大学专业硕士学位论文

1.3.2 研究方法

针对研究内容的需要，对于国际原油市场、黄金市场以及中国股市三者之间
的溢出效应研究，主要从溢出效应理论、不同市场均值溢出效应、不同市场波动
溢出效应、重大事件对溢出效应影响四个方面进行文献的收集和整理，以此形成
文献综述，并对文献综述的内容进行梳理形成文献评述。
在实证分析方面，本文主要从两个方面进行阐述：（1）在均值溢出研究方
面，主要使用 TVP-VAR 模型进行分析：首先利用马尔科夫链蒙特卡洛方法对数
据进行抽样，获得后验参数抽样结果，然后进行统计推断模型的相关参数，接着
利用变量的结构冲击随机波动率进行时变波动特征分析，最后再选取不同的时间
间隔和时间节点进行脉冲响应分析；（2）在波动溢出效应研究当中，首先通过
对 TVP-VAR 的时变方差矩阵进行分解，然后基于变换后的广义方差分解矩阵进
行有向波动溢出指数构建，进而获取到各个市场的净溢出指数。
通过以上方法，本文对国际原油市场、黄金市场以及中国股市之间的溢出效
应进行深入的分析研究。

1.3.3 研究路线

本文主要将整个研究分为绪论部分；国际原油市场、黄金市场和中国股市间
溢出效应的理论分析；TVP-VAR 模型的相关研究；国际原油市场、黄金市场以
及中国股票市场三者间溢出效应的研究，最后根据实证分析结果进行研究总结并
提出对应的政策建议等五个不同阶段。据此，构建技术路线如图 1-1 所示。

4
 第1章 绪论

图 1-1 技术路线图

1.4 创新点

本文的创新之处体现如下：目前全球正处于新冠疫情之下，金融市场波动较
大，对国家和居民的生产消费均有较大的影响，但是目前的研究还未有基于这样
的背景事件。之前学者的研究更多的是以金融危机、金融制度改革或者是自然灾
害为时间点进行研究，而以大型公共卫生事件—新冠疫情作为重要事件节点，将
新冠疫情和 TVP-VAR 模型结合起来进行研究，利用时点脉冲响应、波动溢出效
应对疫情前后这三个市场之间的溢出效应进行研究的文献较少，且更多的是基于
对单个市场的研究。所以本文基于新冠疫情视角，采用非线性的时变 TVP-VAR
模型，对三个市场间的溢出效应进行研究，以更好的描述大型公共卫生事件对大
宗商品和股市之间的溢出效应。

5
 成都理工大学专业硕士学位论文

第 2 章 国内外研究现状

2.1 关于溢出效应理论的研究

郑挺国、刘堂勇（2018）认为溢出效应是指事物一方面的发展会带动其他方
面的发展，而金融市场方面的溢出效应是指一个金融市场与其他金融市场之间的
价格信息传递，也就是说某一个金融市场价格的变化会导致其他金融市场资产价
格的变化。溢出效应可以对不同地区不同市场分别进行研究，伴随着计量经济学
的发展，发现市场之间存在不同方向和强度的溢出效应。而对溢出效应的相关理
论研究，主要涉及到有效市场假说、金融资产配置、行为金融学以及注意力配置
效应等方面。
Fama E（1970）提出的“有效市场假说”，该假说把市场分为强式有效市场、
半强式有效市场以及弱式有效市场。如果一个市场是强式有效市场，说明这个市
场是全有效的，不存在任何内幕交易，也不存在任何超额收益。那么新信息的出
现会在极短时间内引起相关市场的调整和修正，从而完全吸收新信息产生的影
响，从而也就不存在溢出效应。但是，根据已有文献的研究发现目前的金融市场
远远未能达到强有效市场，甚至半强式有效市场都未达到，也就是说不同金融市
场之间普遍存在着溢出效应。已有文献指出，溢出效应可以具体细分为均值和波
动溢出效应，前者是指，一个市场资产价格或者收益率的变化对其他市场资产价
格或者是收益率的变动产生的影响，以均值变化率作为标准，在统计上是一阶矩。
如中央银行调整基准利率会导致股票市场价格的变化；而后者是反映一个市场的
波动对其他市场波动的影响，其大小以方差作为度量标准，在统计上是二阶矩。
如美国股市的剧烈波动可能会让投资者产生恐慌情绪，从而影响中国股市，造成
中国股市的波动。
周浩然（2016）结合行为金融学理论认为市场上金融资产价格并不单单取决
于其内在价值，和投资者行为也具有较大关系。一方面是由于在信息传递的过程
中具有一定的滞后性，会导致投资者在接收信息的时候会出现信息的滞后性和失
真性问题。在这种情况下，投资者难以及时获取到最准确的信息，使得其对市场
的判断出现误差；另一方面，由于市场上的投资者难以有效对已有信息进行归纳
总结，人们更愿意通过简单的主观经验去对市场的发展进行预判，从而导致了众
多投资者的非理性行为。此外，从行为金融学的角度来看，该行为也会引发多个
金融市场之间产生溢出效应。一方面是因为其自身对市场发展趋势的认知有一定
的偏差，另一方面是市场中常见的“羊群效应”。该现象形成的主要原因是信息
不对称，市场投资者所获得的信息较少，从而难以对市场表现做出正确的决策。

6
 第2章 国内外研究现状

因此投资者会根据市场中其他人的表现来做出决策，这样一来，信息在不断传递
过程中得到加强，从而产生了从众的心理。总体而言，“羊群效应”所引发的跟
风交易行为，会造成不同金融市场资产价格涨跌一致或相反的局面，也就是不同
金融市场之间产生了溢出效应。
Markowitz H M（1959）年提出资产组合选择理论，为之后学者在金融资产
配置方面的研究提供理论基础。资产替代是指由于不同资产的收益率和承担的风
险出现结构性失衡而导致投资者重新调整其资产组合的行为。一般来说，由于资
本“逐利性”的存在，使得资本总是会流向收益高的资产而退出收益低的资产从
而实现收益最大化的目标。曹媛媛（2018）也根据该理论指出当股市表现较好的
时候，投资股市可以获得比储蓄和黄金更高的收益，这会使得投资者纷纷卖出黄
金，换取现金，购买股票，以获取更高的收益，这就表现为股市对黄金市场的溢
出效应。此外，“羊群效应”的存在会使得更多的投资者抛售黄金，买入股票，
从而导致黄金面临更多的抛售，价格持续下跌，而股市由于增量资金的持续进入，
使得其价格不断攀升，从而进一步加大了股市和黄金市场之间的溢出效应。
在经济学的理论模型中，假设活动主体的认识和了解是瞬间和无需任何代价
完成的，但是处理信息和做出合理的决策都需要充足的时间，因此，个体必须在
不同的信息中间进行合理的取舍。一部分信息会得到重视，而其他的信息就会被
忽略掉。潘敏、郭夏（2010）在研究投资者行为危机传染理论中指出市场中的投
资者会尽可能多的收集信息，以最大限度地降低自己投资组合的风险，但投资者
会受到信息处理能力的制约，因此必须将有限的注意力分配到自己的资产上。当
某个市场发生重大波动时会吸引投资者更多注意力，而降低其他市场的注意力，
此消彼长下，其他市场在投资者的意识中产生的影响降低，而风险市场对投资者
的影响会增大。最终投资者的风险忍受能力会减低，并开始清算手中的风险资产，
从而使得市场的流动性降低，市场资产价格波动增加，并传染到其他市场，最终
表现为风险市场和无风险市场之间的溢出效应。

2.2 关于市场间均值溢出效应的研究

经济全球化的加快使得全球金融市场的相关性也愈发明显，一个金融市场的
波动很可能引起其他市场的波动，这种相关性也引起了众多学者的关注，并对其
进行了广泛的研究。
对于原油市场和股市间均值溢出方面，一方面有学者认为两者并无太大关
联，Apergis 和 Miller（2009）在对股票和原油波动的影响方面，通过构建向量
自回归模型发现股市和油价之间并不存在显著的冲击影响，油价的变化解释仅为
10%。Filis（2013）在已有文献研究的基础上进行进一步的分析，结果发现在上

7
 成都理工大学专业硕士学位论文

个世纪 70 年代之前国际原油与经济发展之间并不存在显著的影响关系。张大永
和姬强（2018）在对原油期货、汇率、股票三个市场之间的相互影响机理进行研
究时发现三者之间的相关性较低。另一方面也有学者认为国际原油价格对股市有
显著的正向影响，Aroui 和 Rault（2012）在对原油价格和股市之间的相关性进行
研究时发现，海湾合作委员会中油价的上涨会对除了沙特外的国家的股票市场产
生较为积极的影响。还有学者认为两者之间存在一定的负相关关系。Park 和 Ratti
（2008）认为美国、欧洲国家的股市之间和其石油价格之间存在着较为显著的负
向关系。Cunado 等（2014）通过 VAR 模型和 VECM 模型进行研究，认为在欧
洲市场中，国际原油市场对欧洲股市具有显著的负向影响。丁绪辉、王柳元和贺
菊花（2017）利用脉冲响应、格兰因果检验、方差分析等多种方法进行检验时发
现，长期均衡关系存在于国际原油和股市之间，而且这种关系表现为负相关。
在对黄金市场和股市之间的均值溢出研究方面，一部分学者发现两者之间存
在负相关性。国外学者 Smith（2002）通过研究得到认证了该结论，但是同时她
也指出这种关系只在短期内存在。傅瑜（2016）通过对美国股市和黄金价格的研
究也得到了相似的结论。Baur 和 Mcdermott（2010）以黄金、股市市场的收益率
为研究对象，运用 TGARCH 模型，对黄金在金融市场中的影响进行分析，结果
发现，黄金对投资者而言具有规避风险的作用，同时也为其投资组合提供保值作
用。Piplack 和 Straetmans（2010）指出在金融危机期间，短期国库券、美国股市、
黄金市场三者之间的溢出效应会变大。Cuong Nguyen 等（2016）通过对黄金在
不同国家的作用进行分析发现，在泰国、英国和美国等国家的金融市场黄金可以
作为避险资产，而在日本、菲律宾等国家该结论不适用。Walid Chkili（2016）以
金砖国家为研究对象，通过研究黄金和其股市之间的时变性发现黄金在面对股票
市场波动时具有一定的避险性质，此外，这种相关性会在正负值之间变动。Javed
Iqbal（2017）在对股票价格、通货膨胀率、汇率三者对黄金进行综合研究时发现，
黄金在部分国家具有规避汇率的作用。
在对原油市场和黄金市场的相关研究部分，从 21 世纪初已经有学者对其之
间的关系进行研究。Baur 等（2010）指出，国际原油、黄金市场之间存在着较
为明显的正向关系，而且这种关系较为稳定，但只存在单向格兰杰因果关系，并
且这种关系是从原油市场向黄金市场传导的。王颖（2010）也认为黄金、原油价
格之间存在积极的正向关系，并且也是单向的因果关系，这种关系长期而稳定，
其方向是从原油价格上涨到黄金价格上涨。孟辕（2015）等研究原油和黄金市场
的关系，发现两者之间的关系在 2009 年前后存在显著的差异性，在 2009 年之前
为正相关，之后却不相关。钱源源（2019）等认为黄金与石油价格的正相关关系
具有普遍性。

8
 第2章 国内外研究现状

2.3 关于市场间波动溢出效应的研究

目前学者们还将目光转移到波动溢出效应方面，希望以此更加深入的探究其
更深层次的联系，以获得整个市场与其他市场之间的溢出效应关系。对此蒋彧、
张玖瑜（2019）利用 BEKK-CARCH 模型，采用全样本、分阶段等方法以 2002
年至 2017 年的数据为样本对中国和世界股市之间的波动溢出效应进行研究。结
果发现，早期中国股市和世界主要股市间的波动效应并不明显，但是在金融危机
和欧洲债务危机后，这种波动溢出效应开始变得明显，并且在中港股市之间表现
得更加明显。针对其他不同的市场，学者们也分别进行了一定程度的研究。
对于原油市场和股市之间的研究，王奇珍和王玉东（2018）在对静态和动态
溢出指数研究方面，通过选取国际原油价格、经济政策不确定性指数以及国内股
票指数价格进行实证分析，结果显示：每个变量对其他两个变量之间分别都存在
着溢出效应。高阳（2019）利用国际三大原油相关指数和我国股市综合指数为研
究主体，通过构建 CoVaR 模型进行实证分析发现，国际原油市场对我国股市存
在显著的风险溢出。李文奇（2020）在对国际油价对我国行业股票指数的研究中，
对两者之间的短期冲击效应和溢出非对称性进行检验，结果表明国际油价对资源
行业存在正向影响，对非周期行业的影响并不显著。
在对黄金市场和股市之间波动溢出的研究中，Baur 和 Lucey（2010）利用
TGARCH 模型，对美、英、德三国的债券、股票及黄金价格间的波动溢出效应
进行了具体的研究分析，分析结果显示，在一般市场情况下，黄金市场与股票市
场之间的收益率波动相关性较低。但是当金融危机发生时，两者的负向关系就表
现得较为明显，说明投资者可以有效利用黄金规避市场风险。胡秋灵、赵静（2011）
结合 TGARCH 模型，对国内上证指数和黄金现货之间的波动溢出效应进行分析
研究，结果显示，两个市场间存在单向溢出效应，也就是说黄金市场会单向引起
股票市场的波动。李双琦、朱沙（2016）利用三元 DCC-GARCH 模型的相关动
态参数来描述波动溢出效应的程度，结果表明沪深和黄金市场间均存在着显著的
双向波动溢出效应。
对于原油、黄金市场的波动溢出的相关研究中，Syed Abul Basher、Perry
Sadorsky（2016）认为虽然在很多研究中使用多元 GARCH 来模拟波动性动态和
风险，但是不能充分发挥其中的 GO-GARCH 特性，因此采用 DCC、ADCC 和
GARCH 来进行国际原油市场和黄金市场的研究，发现 GO-GARCH 对结果的修
正和预测是更加稳健的。李万利（2018）利用 AR-CARCH 模型建立边缘分布，
对三类时变 Copula 进行选取，取出其拟合效果较好的来探究国内黄金和原油现
货之间的相关性，结果表明时变 t-Copula 函数能够很好的描述两者之间的相关关
系。

9
 成都理工大学专业硕士学位论文

2.4 关于重大事件对溢出效应影响的研究

已有文献在对重大事件对宏观经济的影响的研究上已经取得了一定的进展，
但是在对重大事件的选取上有所不同，主要分为自然地质灾害和大型公共卫生事
件。在自然灾害方面包括地震、洪灾、海啸等，大型公共事件包括 SARS 事件、
新冠疫情、中美贸易战等。陈璇璇、张旭等（2021）以 2000 年以来的重大事件
为例，探究其对我国“三驾马车”之间的影响，发现近年来重大突发性事件对我
国经济的需求侧的冲击具有是变性且逐减弱。薛熠、王若翰（2020）以 2003 年
SASA 事件为例，探究公共卫生事件对经济长期发展的影响，结果发现 SASA 事
件提高了社会对黑天鹅的认识，而大众风险认知的提升将会要求更高的风险补
偿，从而恶化企业的资产负债情况；其次在卫生事件的冲击下，服务业中的中小
企业和民营企业更加难以生存，从而影响社会创新能力。
当重大事件出现时，如中美贸易战，其会通过中美两国的物价、技术、投资
者、国际环境等因素来对股市产生影响。在其他因素保持不变的情况下，较高的
物价水平会使得社会产生通货膨胀预期，从而导致股价下跌。从技术方面来看，
中美贸易战的发生使得核心技术依赖于进口的企业的生产经营出现问题，从而导
致股价的下跌。在国际原油市场中，不同类型的重大事件对其影响有所不同，当
类似于新冠疫情的卫生事件发生时，社会的生产消费停滞，企业的生产经营也被
迫暂停，在这种情况下，供给和需求的失调会使得其价格骤降，从而增加其价格
波动情况。一般而言，黄金具有避险属性，当市场中出现重大突发性事件时，人
们为了保持资产的价值，往往会抛售其他资产，购进黄金资产，从而导致黄金价
格的上涨。例如在中美贸易战时，股市一路下挫，而黄金价格则逆势上涨，充分
体现出其避险属性。

2.5 文献评述

在研究内容方面，已有文献对国际原油市场、黄金市场和中国股市之间的相
关关系进行了相应的研究，并取得了一些成果，也为本文后续的研究提供了坚实
的基础。但是市场之间是怎样的相关关系，相关关系的大小和方向又是如何还不
得而知，所以研究市场间的溢出效应就显得尤为重要。而且之前学者的研究更多
的是以金融危机或者是金融制度改革为时间点进行研究，而以大型公共卫生事件
—新冠疫情作为重要事件节点，利用脉冲响应对疫情前后这三个市场之间进行研
究，探究这三个市场之间的波动状况的研究较少。此外，在对不同市场间相关关
系的研究中，已有文献更多的是单单从均值溢出效应角度进行分析，但是均值溢
出仅能从较为微观的角度进行相关性的探究，而对于政府决策者而言，更希望能

10
 第2章 国内外研究现状

够更加宏观地了解不同市场间的关系。因此从宏观角度对不同市场间的波动溢出
效应进行更加全面的研究成为已有文献的忽视的地方。
在研究方法方面，之前学者更多的是构建 VAR 模型、多元 GARCH 模型以
及滚窗 VAR 方法对金融市场间的溢出效应进行研究。但是国际原油市场、黄金
市场与中国股市之间关系比较复杂，特别是自从 2020 年疫情以来，国际原油价
格暴跌和黄金价格的暴涨，使其关系研究更为复杂。目前有较多的关于国际原油
价格对经济的影响都是从 VAR、SVAR、误差修正模型来进行研究，但是这类模
型的缺点在于不能适应国际原油的价格所带来的动态影响，难以刻画出市场之间
波动溢出效应的时变特征，具体来说 VAR 模型的缺点有：第一，估计参数会随
着滞后期的变长和变量的变大而变多，同时，对样本长度的要求也越大；第二，
VAR 模型并未对变量加入结构性约束，从经济理论分析来看，这可能会影响估
计效果；第三，该模型是常参数模型，实证表明，在面临经济系统的较大改变时，
VAR 模型参数无法保持稳定。虽然滚窗 VAR 模型能够获取到金融市场时变波动
指数，但是在窗口选择和窗宽选择等方面存在局限性，对估计结果造成一定影响。
而与传统的 VAR 模型相比，TVP-VAR 模型的待估计系数和随机扰动项的方差和
协方差矩阵都存在时变性，参数的时变性能够反映出模型中变量之间的持续影响
的特征，而且模型中的随机波动不仅能够控制模型中的异方差还可以捕获到模型
中可能存在的非线性效应，使得结果更加符合实际。第四，相比较而言，传统研
究更多的是对不同主体之间的均值溢出效应研究，而 TVP-VAR 模型的研究维度
更广，不仅可以进行均值溢出研究而且基于模型估计得到的时变参数后验均值构
建波动溢出指数可以对波动溢出效应进行分析从而获得更加全面的研究结果。

11
 成都理工大学专业硕士学位论文

第3章 市场间溢出效应模型的构建

3.1 均值溢出效应模型

结合文献综述结论可知，国内外学者对不同金融市场之间的相关关系进行实
证研究时往往会采用传统的 VAR 模型或 SVAR 模型。但这两类模型在假设系数、
参数、随机扰动项方差为固定值，并且假定经济系统处于长期均衡状态，在实际
运用中，这些假设难以完全解释经济系统中各变量之间存在的关系。当经济系统
发生突变时，传统模型的局限性使得其难以较为全面地反映经济的动态变化。当
经济系统缺乏稳定性时，模型对变量之间的长期均衡关系的解释力就会减弱。为
了改善这种情况，本文采取具有非线性的 TVP-VAR 模型对国际原油市场、黄金
市场及中国股票市场之间的溢出进行了实证研究，并根据模型中的脉冲响应函数
对三个市场之间的均值溢出效应进行分析。而脉冲响应函数作为 VAR 模型中的
一种特殊分析工具，可以赋予变量之间价格冲击关系一定的经济含义，反映出一
个随机扰动项对整个经济体系以及系统中其余变量的动态影响关系。

3.1.1 TVP-VAR 模型的构建

带有随机波动的 TVP-VAR 模型是在 VAR 模型的基础之上发展而来的，分

析 TVP-VAR 模型需要从基本的结构 VAR 模型出发，基本形式为：

Ay t  F1 yt 1  ...  Fs yt  s  t , t  s  1,..., n （3-1）

其中yt为k×1维列向量，A为k×k维参数矩阵；F1，....，Fs均为k×k维系数矩
阵，随机扰动项 t 为k×1维的结构性冲击项。我们假设  t ~ N (0,  ) ，且  是
对角矩阵，可表示为：

 1 0  0 
0    
 
   0
 0  0  k 

之后对结构性冲击的联立关系设定其服从递归识别，那么A是一个k×k的下
三角矩阵：

1 0  0 
a 21    
A 
    0 
a k1  0 a k,k -1 

12
 第3章 市场间溢出效应模型的构建

假定 A 矩阵可逆，将（3-1）式两边同时左乘一个 A1 矩阵即可得到：

y t  B1 yt 1  ...  Bs yt  s  A1   t ,  t ~ N (0,  k ) （3-2）

其中 Bi  A1 Fi , i  1,2,3 s, 通过将 Bi 中的元素进行堆叠，行元素拉直，得

到 k 2 s  1 维向量  ，并界定 X t   s  ( yt 1 , , yt  s ) ，其中  表示克罗内克乘积，
则模型最终能简化为：

y t  X t   A 1   t （3-3）

在公式（3-3）中所有参数都是固定值，在此基础上通过假设参数都是时变
的，则可以将公式化简扩展为TVP-VAR模型：
y t  X t  t  At1 t  t , t ~ N (0, I K ) （3-4）

在公式(3-4)中， t  s  1, n 。模型中的系数  t 、参数矩阵 At 和随机波动

的协方差 t 都是时变的。本文参考 Primiceri（2005）提出的方法，将下三角矩
阵 At 中的非 0 和 1 的元素拉直设定为列向量，即 at  a21 , a31 , a32 , a41 ,, ak ,k 1  ，
且 令 h t  (h1t , , hkt ) 。 假 定 时 变 参 数 是 遵 循 随 机 游 走 的 ， 那 么
 t 1   t   t , at 1  at   at , ht 1  ht   ht ，其中 h it  log i t2；i  1,..., k ; t  s  1,..., n 。
现在假设  t、t、ht 服从：

 t   I 
  



 t  ~ N  0, 
 
  at   
   t  s  1,..., n ， （3-5）
     
 ht   
   h 


其中，  s 1 ~ N (   0 ,   0 ), a t 1 ~ N (  a 0 ,  a 0 ), ht 1 ~ N (  h 0 ,  h 0 ) ，时
变参数  t、 t、和h t 之间的互相冲击是不相关的，并且   ，
 ，
 h 为正定矩阵便
于后续计算。文章采用马尔科夫蒙特卡洛模拟的方法对参数进行贝叶斯估计，随
后通过脉冲响应函数分析国际原油市场、黄金市场和中国股票市场之间的均值溢
出效应。
脉冲响应分析方法是指当模型受到某个外生冲击时，该模型系统中的各变量
的反应状况。为了简单说明，在只考虑两个内生变量的向量自回归模型，而且滞
后阶数为一阶时，结果如下：

y1t  a11 y1t 1  a12 y2t 1   1t （3-6）

y 2t  a21 y1t 1  a22 y2t 1   2t （3-7）

13
 成都理工大学专业硕士学位论文

对于模型等式中的  it 为其扰动项，i 为 1，2。当第一个等式（3-6）中的  1t 施

加一个冲击之后，等式左边 y1t 的值就会相应的做出改变，而且由于 y1t 的当期值
会传递到等式（3-7）左边的 y 2 t ，所以 y 2 t 在未来下一期的数值会间接受到  1t 的
影响。依次下去，在对一个扰动项施加一个冲击后，其影响会在 VAR 模型中进
行扩散，从而导致该模型中所有的内生变量发生变动。但是该变动随着时间的推
移，可能不断增强，也可能不断减弱。在不同的时间点上也会表现出不同的趋势。
总体来看，TVP-VAR 模型能够很好的规避内生性问题，且不用把模型建立
在复杂的经济学理论下，可以更好的适用于多变量之间的时变影响关系。在多维
框架中，从影响时间的长度和变动方向出发，TVP-VAR 模型能够更好的刻画三
个市场间的溢出效应。

3.1.2 TVP-VAR 模型的估计

在对 TVP-VAR 模型的构建中，主要内容分为三部分，第一部分是进行贝叶
斯估计，也就是获取待估参数；其次是通过 MCMC 方法，完成样本抽取获得拟
合结果；最后构建出时变波动溢出指数以探究不同市场间的波动溢出效应。
（1）贝叶斯估计
文中所构建的 TVP-VAR 模型需要在贝叶斯推理下估计，因此，需要对变量
构建模型时设定先验值，以了解参数的初始分布。通过对已有文献的梳理发现，
目前文献中设定 TVP-VAR 模型的先验值方法有以下两种：第一种是 Primiceri
（2005）在研究时先假定其参数的先验值服从正态分布，之后选取某一段时间当
做子样本，然后在子样本区间进行普通 VAR 模型的估计，最后将获得的数据当
做先验分布的数据源。而 Nakajima（2011）则认为在研究中应该提前人为设置具
体的先验值，并假设对先验值没有任何信息。本文更倾向于后者，因此，在实际
的贝叶斯估计中，先进行 n 次 Gibbs 迭代，之后再遗弃前 m 个随机数生成样本
以此建立一个 Gibbs 样本。最后，根据获得的样本统计推断以获得相对应的待估
参数。
（2） MCMC 方法
本 文 首 先 在 贝 叶 斯 框 架 的 基 础 上 对 MCMC 方 法 进 行 介 绍 。 然 后 令
y  { y t }tn1 ,   ( , , ），假设  的先验概率密度是 （），可以得到相应
  h

的数据 y ，然后可以获取到 MCMC 方法的后验分布抽样结果 （ ，，h ,  | y）。

其具体的计算过程如下所示：
1、对  ，，h， 进行初始化带参估计；
2、对给定的  ，h,   ，y ，对  进行抽样；
3、对给定的  ，对   抽样；

14
 第3章 市场间溢出效应模型的构建

4、对给定的  ，h,   ，y ，对  进行抽样；

5、对给定的  ，对   进行抽样；
6、对给定的  ，h,   ，y ，对 h 进行抽样；
7、对给定的 h ，对  h 进行抽样；
8、返回到 2 步骤；
其中 2 和 4 是通过模拟滤波器完成，而 6 是通过多次移动方法完成取样，3、
5、7 则是通过 Gamma 分布完成抽样工作。

3.2 时变波动溢出指数的构建

在对模型进行马尔科夫蒙特卡洛链抽样环节时，得到了时变参数  t、 t、h t

的随机样本，然后获得到后验均值，基于随机参数的后验均值，就可以求出相应
的波动溢出指数。对于时变波动指数的构建，主要需要分两个步骤实现。
（1）对时变的方差矩阵进行分解。首先，选择合理的方式对脉冲响应函数
进行计算。在方差分解计算过程中，已有文献常用的做法是采用 Cholesdky 分解
得到脉冲响应函数的正交化形式，在此基础上进行方差分解，但是变量顺序会对
基于正交化的方差分解结果产生影响。之后采取的处理方式一方面可以采用
DieboldandYilmaz（2009）的方式，对处理的结果进行全排序，然后再将结果的
平均值当成最后的方差分解值。其优点是比较直接，缺点是变量比较多时计算量
非常大；另一种方法则是借鉴 PersaranandShin（1998）的广义脉冲响应函数来直
接计算广义方差分解矩阵，这种方法的好处是不需要 Cholesdky 分解在计算的过
程中，可以有效减小变量顺序的影响，而且计算速度快。为了提高运算速度，文
章采取借鉴后者的做法。
然后需要将 TVP-VAR 模型的后验估计系数进行重新的排列从而得到系数矩
^ ^ ^
阵 F 1,t , F 2,t , ... F s ,t , ，并以此进行推理，然后得到递推公式（3-8）：
^ ^ ^
Ah ,t  F 1,t Ah 1,t  F 2,t , Ah  2,t  ...  F s ,t , Ah  s ,t （3-8）

从而可以计算出 TVP-VAR 模型的系数矩阵 Ah ,t 。考虑到 H 步可以进一步向

前预测，因此可以计算出 H 个矩阵 A0, t , A1,t , A2,t ...., AH 1,t 。然后通过将 TVP-VAR
 ^
模型的后验估计系数  t 进行重新排列可以得到矩阵 C t ，再把随机波动的估计结
 ^ _
果 h t 进行均值处理得到 h ，计算  2  exh (h) 并且进行重新的排列，从而得到对角
ˆ  C t 1 D (C t 1 ) 计算得到扰动项  的条件协方差矩阵估计值。最
矩阵 D̂ ，通过  t t t t

15
 成都理工大学专业硕士学位论文

后通过广义脉冲函数得到 K×K 维的广义方差分解矩阵  t ，而对于矩阵中的每

个元素都可以通过公式（3-9）计算得到：
2 H 1
^ 1 H 1
   ^ 
 ij,t ( H )   ij ,t  i h,t t j  i h,t  Ah ,，i ei )
( e
h 0
A  e ) / ( e A )
h 0
（3-9）

为了符合一般的经济学的含义，可以将  t 进一步进行标准化处理，进而获得
广义方差分解矩阵变化后的结果，具体公式如（3-10）所示：

~ N
 ij ,t ( H )   ij ,t ( H ) /   ij ,t ( H ) （3-10）
j 1

（2）通过变换后的广义方差分解矩阵计算时变的有向波动溢出指数，具体
公式如（3-11）、（3-12）所示：
N ~
TSPi, t (H)    ji ,t ( H ) 100
j1, j i
（3-11）

N ~
FSPi, t (H)  
j1, j i
ji ,t ( H )  100 （3-12）

有向溢出指数主要包括溢出指数、溢入指数以及净溢出指数。具体而言，在
公式（3-11）中，TSP 代表溢出指数，含义是第 i 个市场对其他所有市场的总溢
出效应；而公式（3-12）中，FSP 代表的是溢入指数，其含义是第 i 个市场受到
的其他所有市场的总溢出作用，而净溢出指数 NSP 则是 TSP 和 FSP 的差值，即：
NSP  TSP  FSP （3-13）
NSP 代表的是净溢出指数，其含义是第 i 个市场对其他所有市场的净溢出效
应用，即为溢出指数和溢入指数的差值。

16
 第4章 不同市场间溢出效应的实证结果

第4章 不同市场间溢出效应的实证结果

4.1 数据来源及描述性统计

4.1.1 数据来源和处理

在国际原油市场的相关指标的选取上，本文从 wind 数据库选取布伦特原油

（CFD）价格作为国际原油市场的代表，其价格是市场油价的标杆，与西德克萨
斯中质原油 WTI 的现货价格有较强的关联性，能够准确的反映出原油市场的国
际变化趋势。在黄金市场相关指标的选取上，本文选择国际现货黄金（AU）的
日收盘价（美元/盎司）作为国际黄金市场的代表。在中国股市相关指标的选取
上，国内市场存在以下包括上证、指数、沪深 300、创业板等指数，但是考虑到
沪深 300 指数成立较早，其成分股是国内市场中具有较大的规模性和流动性的企
业股票，更能代表国内股市的发展情况，因此本文选择沪深 300 指数代表国内的
股票市场，以反映股市的波动情况。其中国际原油市场、黄金市场、国内股票市
场的数据均来自于国泰安数据库和 Wind 数据库。
本文所选取的样本时间区间为 2015 年 1 月 1 日到 2020 年 10 月 22 日，样本
时间区间包括了 2015 年的中国股灾、2016 年“深港通”、2018 年中美贸易战、
2020 年全球新冠疫情期间以来黄金价格的暴涨及原油价格的暴跌，美股多次熔
断等金融市场上多个重要时间节点。因为黄金价格采用国际价格，考虑到中国国
内和国际节假日、开市、休市时间上存在一定的差异，所以本文以共同的交易日
为筛选对象，按照 Hamao 等人（1990）的做法，抚平原始数据在交易日期方面
不同而产生的差异性，将这 3 个市场交易日不重叠的数据删去，共得到 1369 组
数据。为减小数据的波动性，并将数据做对数化处理，从而得到新数据，让数据
能够更容易获得平稳性，消除数据间可能存在的异方差。并进一步对价格的对数
收益率进行统计分析，其中的对数收益率计算方法为上一期和现期价格的对数之
差，其公式为：

RT  ln( PT )  ln( PT 1 ) （4-1）

其中 PT 和 PT 1 分别表示第 T 期和第 T-1 期的价格。

4.1.2 描述性统计

表 4-1 是三个市场价格对数收益率的描述性统计量，可以看出除了原油价格

17
 成都理工大学专业硕士学位论文

的对数收益率平均值为负，其余两个的对数收益率平均值均为正。其中原油价格
的对数收益率的方差是最大的，其波动性也是最大的，为 0.03。在偏度方面，除
了黄金价格的对数收益率，沪深 300 和原油价格的对数收益率均小于 0，显著性
的呈现左偏特点，相应的，黄金价格的对数收益率则是小幅度右偏。在峰度上，
沪深 300、黄金价格和原油价格对数收益率的峰值均大于 3，说明三个变量均具
有尖峰的特性。再结合 J-B 统计量的表现发现，3 个变量均拒绝了变量服从正态
分布的原假设，说明变量的回归序列和正态分布有所不同，这也符合偏度和峰度
的描述统计结果。还可以看出，黄金价格对数收益率的偏度和峰度和沪深 300 更
为接近，也能够说明，相对于原油价格，黄金和股市的关联性可能更强。
表 4-1 三个市场对数收益率描述性统计
变量 平均值 中位数 方差 偏度 峰度 JB 统计量
HS300 0.0002 0.0006 0.02 -0.99*** 6.21*** 2428.8***
AU 0.0003 0.0004 0.01 0.10*** 5.67*** 1843.7***
CFD -0.0002 0.0003 0.03 -1.62*** 24.13*** 33873***
注：***表示在在 1%的水平上显著。

在宏观经济中，大部分金融时间序列数据，包括沪深 300、国际黄金价格和
原油价格都会呈现明显的趋势性。宏观变量在遭受冲击时一般会出现以下两种情
况：一种是呈现出随机游走的状态；一种是回归到原先的长期发展趋势中。在面
对第一种情况的时候，Granger 和 Newbold（1974）通过使用最小二乘法回归分
析可能会产生伪回归现象，造成其结果的虚假性。为了避免这种结果，需要对数
据进行单位根检验以获得平稳性和单阶整阶数。本文采用最常见的 ADF 检验，
来检验沪深 300、黄金价格和原油价格的平稳性，并且根据 AIC 最小原则确定其
滞后期，最终得到的 ADF 检验的结果如表 4-2 所示。对于进行对数化处理后的
对数收益率的三个变量，其 ADF 统计量的显著性均小于 0.05，表明其序列不存
在单位根，也就是说数据是平稳的。所以沪深 300、黄金价格和原油价格的对数
收益率是同阶平稳的。
表 4-2 ADF 检验结果
指标 ADF 统计量 P-Value 结论
沪深 300 对数收益率 -10.8121 0.0100 平稳
黄金对数收益率 -10.3912 0.0100 平稳
原油对数收益率 -10.403 0.0100 平稳

18
 第4章 不同市场间溢出效应的实证结果

4.2 不同市场间的均值溢出效应

4.2.1 MCMC 抽样结果

自相关性和自由度是需要考虑的重要影响因素，所以在进行实证分析之前需
要考虑其对滞后项选取的重要性。因此，在考虑到滞后项的选取对自由度有着重
要影响，在确定最优滞后阶数方面采用较为常见的 AIC 准则，此处确定阶数为 5，
结合 MCMC 随机抽样方法（马尔科夫链蒙特卡洛随机抽样法），先进行一万次
的有效抽样，为避免前期迭代的不稳定情况的发生，将样本的前一千次模拟结果
舍弃，然后得到参数的后验分布。由于 MCMC 抽样需要设定初始参数，其中假
定：
 0    0    0  0

 0    0    0  10  I

同时，将三个初始参数的协方差矩阵的先验分布假定如下：
   i
2
~ Gamma (40,0.02)

   i
2
~ Gamma (4,0.02)

   i
2
~ Gamma (4,0.02)

MCMC 模拟结果见表 4-3 和图 4-4，由表 4-3 可得出通过 MCMC 抽样方法

得出的模型参数值的后验估计结果，从收敛性上看，在判断 MCMC 方法的拟合
效果的时候，通常使用 Geweke 统计值来进行判断，从结果中可以看出，其数值
在 0.05 的显著性水平下均小于 1.96，故不能拒绝原假设，不能拒绝收敛于后验
分布的原假设，可认为其参数收敛于后验分布。其中，最后项的无效因子均远远
小于 10000，其值越小，样本越有效，可认为其能满足模型的后验推断。

表 4-3 MCMC 方法估计结果

参数 均值 标准差 95%U 95%L Geweke 无效因子
sb1 0.0017 0.0001 0.0015 0.0020 0.000 40.39
sb2 0.0022 0.0033 0.0019 0.0164 0.000 85.72
sa1 0.0052 0.0012 0.0051 0.0615 0.000 202.66
sa2 0.0049 0.0013 0.0024 0.0271 0.000 167.52
sh1 0.2402 0.0351 0.1839 0.3196 0.028 70.17
sh2 0.2689 0.0245 0.2151 0.3145 0.020 42.48

图 4-4 中，第一行为样本自相关系数，可以看出，参数最终趋于 0，说明样

19
 成都理工大学专业硕士学位论文

本间自相关性较低。第二行为抽样路径结果，可以看出结果表现较为平稳，参数
也存在显著聚类情况，足以说明所选取的数据达到了建模的要求。图 4-4 的第三
行所展示的是各个参数的后验分布情况，可以看出抽样结果较好。

注：Sb 代表   ，Sa 代表   ，Sh 代表  ， ，  乘以 100 以后的值。

图 4-4 模型参数的估计结果

4.2.2 时变波动特征

时变波动率可用于描述不同变量随时间的波动情况，要推测各个变量之间的
影响，通常采用的度量做法是从一个变量的随机扰动项对其余变量的影响进行结
果推测。下文也将以该结论进行变脉冲响应分析，中国股票价格、国际原油和黄
h
金价格变量结构冲击的随机波动率  it  exp( it ) 后验均值如图 4-5、图 4-6、图 4-7
2
所示。

20
 第4章 不同市场间溢出效应的实证结果

图 4-5 中国股市随机波动时变特征

图 4-6 国际原油市场随机波动时变特征

21
 成都理工大学专业硕士学位论文

图 4-7 国际黄金市场随机波动时变特征

由图 4-5、图 4-6、图 4-7 可以看出，三个市场的收益率在某些年份均有一定

程度的波动，其波动的频率和幅度也随时间的变化而不同，其中，国际原油的价
格波动幅度是最大的，而沪深 300 指数的波动频率却是最高的，这个可能与国内
股市的成立时间较短，交易机制不同有关。
本文将样本区间分为三个阶段，第一阶段的时间区间从 2015 年 1 月份到 2016
年 6 月，第二阶段的时间区间为 2016 年 6 月到 2019 年 3 月，第三阶段的时间区
间为 2019 年 3 月到 2020 年 6 月。在第一阶段基本包括了 2015 年中国股灾的整
个生命周期，2015 年以来，中国国内来自家庭储蓄、房地产、大宗商品等方面
的资金开始流入股市、银行提供过桥资金、央行通过 PSL 多种宽松工具创造流
动性等多方面的原因，使得中国股市迎来一轮牛市，在此期间，沪深 300 指数收
益率大幅攀升，中国股市收益率持续攀升。中国股市的繁荣，也在一定程度上刺
激着对原油和黄金的需求，进而国际原油和黄金市场在此区间内也呈现出和中国
股市类似的走势。但是到 2015 年六月中旬，股市大盘转头向下，在短短的 4 个
星期内，指数跌去 1800 点，跌幅达到 35%。对于股灾的原因，主要有股价偏高，
庄家出货，资金撤离、估值期货做空、高管减持等。收益率表现为大幅下降，直
到 2016 年 6 月股市才企稳。而此时，国际市场外汇的波动加大，使得原油市场
价格不断下挫。而黄金由于本身具有避险属性，虽然基于市场流动性的变差的原
因，价格有所下降，但是总体波动幅度相对较小。
第二阶段，此时的主要事件是中国深港通的正式实施和中美贸易战。总体来
看，在该区间内，得益于中国经济的高质量发展和金融市场的进一步开放，沪深
指数前期呈现上涨趋势，但是 2018 年突发中美贸易战，使得市场投资者情绪悲

22
 第4章 不同市场间溢出效应的实证结果

观，股价指数一度暴跌，直到年末随着中美贸易战的进一步缓和，股市才有所回
升。而此阶段的原油和黄金波动总体表现较为平稳。
第三阶段，该阶段前期，得益于常规的跨年行情，中国股市有所表现，但是
到了 2020 年 1 月末，国内新冠疫情开始进行大规模爆，此时股市的波动率突然
变大，市场情绪极度恐慌。但随着政府抗击疫情的措施迅速落地，市场情绪开始
好转，波动率逐渐降低。之后，国际上欧美国家开始爆发疫情，国内市场受此拖
累，再次陷入悲观。与此同时，新冠疫情的爆发，使得全球经济活动停滞，市场
生产制造的暂停，使得原油需求大幅下降，导致原油黄金波动率骤然增大。

4.2.3 时变脉冲响应结果

时变性是 TVP-VAR 模型中样本参数的最显著特征，利用时变参数对时点上

的变量进行处理，可以得到相对应的脉冲响应函数。时变脉冲响应函数可具体分
为等间隔和时点脉冲响应函数。这两种情况下的函数结构功能都不尽相同，前者
主要是对不同变量的时变性和滞后性进行细致地分析，而后者则是对特殊时间点
的结构性冲击进行分析。因此，TVP-VAR 模型能够有效解决不同变量之间产生
的时变性以及滞后性问题。为重点把握研究内容，本文不考虑自身市场间的脉冲
响应结果分析。具体关于三个市场间的时变脉冲响应结果如下所示：
（1）等间隔脉冲响应分析
在本文中，等间隔脉冲响应指的是其中一个市场在相同时间间隔里对另一个
市场所产生的冲击影响。根据本文的需要，将等间隔滞后期分别设置为 3 日、6
日、9 日进行分析，并将其分为短期、中期、长期滞后。
图 4-8 列出了沪深 300 指数、国际原油和黄金市场两两之间产生的冲击影响
的等间隔脉冲响应函数图。图中绿线、蓝线、红线分别表示滞后 3 日、6 日、9
日，整体来看，滞后 3 日的脉冲响应函数整体上下浮动幅度较大，而滞后 6 日和
滞后 9 日的脉冲响应函数则在 0 线的上下呈现出较小幅度的变化，表明其滞后期
较短，沪深 300 指数、国际原油和黄金价格两两之间产生的冲击影响越显著，因
此本文的重点分析是滞后 3 日。

23
 成都理工大学专业硕士学位论文

图 4-8 两两市场间的等间隔脉冲响应

如图 4-8 中沪深 300 对国际原油价格冲击的等间隔脉冲响应图所示（第一行

一列），2016 年以前，沪深 300 对国际原油价格的短期的脉冲响应在零线上下
浮动，其原因可能是我国股市总体规模较小，市场总值相比较国外市场较低，对
国际原油价格的影响较小，而后位于零线之下，说明在样本区间内，其对国际原
油价格的收益率溢出是负向的，而且这种趋势有不断扩大的迹象。这与沪深 300
受宏观政策的调控有很大的关联。在一定程度上，沪深 300 指数收益的增加，会
引起国际原油价格收益的降低。
在图 4-8 中国际原油对沪深 300 指数冲击的等间隔脉冲响应函数图（第二行
第一列），整体来看，2016 年之后国际原油价格对沪深 300 的短期脉冲响应在
零线之上，在样本区间内呈现出较为明显的正向响应，而中期脉冲响应整体呈现
负向影响，长期脉冲响应整体呈现正向影响，但是响应特征几乎为零，说明国际
原油价格只有在短期内对沪深 300 指数有正向的收益率溢出效应，而中长期响应
并不明显。股市反映往往具有及时性，当市场中出现新的信息时，会及时做出反
映，并做出调整，这也解释了中长期响应为零的原因。
在图 4-8 中沪深 300 对黄金价格冲击的等间隔脉冲响应函数图（第一行第二
列）反映的则是在不同时间间隔内脉冲程度的时变特征，可以看出相对于短期和
中期来说，前者对后者的长期的冲击响应影响更接近于 0，而短期内沪深 300 对
黄金价格的冲击更大。而且其中有个重要的时间节点为滞后 6 日和滞后 9 日线的
交叉点。结合金融市场大事件状况分析发现，在国际市场上 2018 年中美爆发贸

24
 第4章 不同市场间溢出效应的实证结果

易战，在此之下，中国股市持续跳水，指数一路下挫，市场情绪悲观，人民币资
产得到抛售。此时黄金的避险属性得到了充分的发挥，投资者开始将资产转移至
黄金，希望通过资产转换保证资金安全。在市场的推动下，黄金价格开始持续拉
升，开启了一段时间的繁荣。以国内市场黄金而言，目前黄金价格已经突破 300
元每克，相比较 18 年左右的 220 元上升了 80 元每克。随着贸易战的缓和，两者
之间的脉冲程度也有所收缩。而对于长期脉冲响应而言，其影响更小，而且为正，
因为市场全球化的进程在不断加快，一个市场的表现较差，也会使得其他市场的
投资者产生恐慌情绪，从而表现为正向关系，不过这种影响更小。
在图 4-8 中国际黄金价格对沪深 300 指数的冲击的等间隔脉冲响应函数（第
二行第二列），反映了不同时间沪深 300 指数受黄金价格的脉冲响应程度的时变
特征。相对于短期和中期来说，长期的冲击响应影响几乎为 0，而短期内，黄金
价格对沪深 300 的冲击更大，其冲击主要发生在 2017 年及以后。2017 年至 2018
年中旬，黄金对沪深 300 指数呈现正向影响，在此期间，黄金价格震荡上行，虽
然中间美联储进行加息，但是并未对黄金造成太大影响。而在中国市场，2017
年中国股市全面表现较好，一方面是由于证监会采取严格审查 IPO、加大审核力
度等措施对市场进行整顿，导致市场全面表现较好；另外一方面部分投资者追涨
杀跌的投资倾向也带动了黄金价格的上涨，最终表现为黄金对中国股市的正向影
响。2018 年第一季度之后，黄金对沪深 300 的影响由正向的收益率溢出效应转
为负向的收益率溢出效应。其相应的时间节点主要事件是中美贸易战，此时投资
者为了规避风险，加大对避险资产的购买，抛售股票。最终股市进一步下跌，黄
金价格上涨。
从图 4-8 中国际黄金价格对国际原油价格的等间隔脉冲响应函数（第一行第
三列）图中可以看出，国际黄金价格对国际原油价格的影响总体呈现出正向关系，
但是这种影响却逐渐减弱。探究其背后的原因，从国际市场来看，国际黄金和国
际原油的价格指数都是以美元进行计价交易的商品，所以美国市场的波动以及美
元的波动会引起会造成黄金和石油价格在国际金融市场上的同方向的波动，因此
美元、黄金以及石油价格都呈现出正相关关系。但是在 2019 年下半年之后，短
期脉冲响应呈现负向影响，主要可能因为国际环境不稳定，2020 年新冠疫情爆
发，金融市场震荡，对原油的需求减少，导致原油价格一路下跌。长期以来的美
元的量化宽松政策，使得美元下跌，黄金和石油价格的上涨，在之后经济形势的
好转使得美元下跌趋势放缓，从而造成两者之间影响的减弱。再从长期影响来看，
其滞后 6 日和滞后 9 日的脉冲响应几乎为 0，说明长期黄金对石油价格并无影响。
在图 4-8 中国际原油价格对国际黄金价格冲击的等间隔脉冲响应函数（第二
行第三列），反应了不同时间国际原油价格受到的不同脉冲冲击响应程度的时变
特征。从图中可以看出，长期的冲击响应影响几乎为 0，而相对于长期和中期来

25
 成都理工大学专业硕士学位论文

说，短期内其冲击更大，且更加不稳定。其时间节点主要在 2017 年，在此之前，

呈现负向的脉冲响应，在此之后，短期脉冲响应表现为正，油价经过数年的低迷
走低后，开始呈现复苏态势，再加上国内经济形势的好转，使得对原油的需求有
所增加，从而表现为正向收益率溢出效应，但是其中也受到国内政策形势的调控
影响。对于黄金来说，通货膨胀率是促使其价格上升的重要原因。原油价格的上
升会促使物价通货膨胀的上升，而通过膨胀的上升又会在一定程度上促使黄金价
格的上升。
（2）时点脉冲响应分析
通过时点脉冲响应分析可以得到一个市场对另外一个市场在某个时间点的
影响，本章节将利用时点脉冲响应函数，再选取市场中重要性较强的金融大事件
作为分割节点，构建模型对遭受冲击后的三个市场的脉冲响应函数进行深入的探
讨分析。对于具体的时间节点的选取如下所示：首先是 2015 年 6 月中旬的时间
节点，在这个时间节点沪深指数和创业板开始大规模下跌，是国内“股灾”开始
的时间节点，沪市从 5178.19 点一路下降到 2850.71 点；其次第二个时间节点是
2016 年 12 月初，中国证监会启动“深港通”计划，从此中国开启了中国资本市
场的进一步改革进程；最后第三个为 2020 年 1 月 23 日，新冠疫情在中国爆发并
且引起了全球关注。第一个大事件的开始时间节点确定在序列中的第 109 次观测
值，第二个大事件的时间节点确定第 459 次观测值，第三个大事件时间节点则确
定在序列的 1217 次观测值。如图 4-9 所示，绿色短虚线代表第一个大事件（股
灾）的脉冲响应函数，蓝色长虚线代表第二个大事件（深港通开通）的脉冲响应
函数，红色实线代表第三个大事件（疫情爆发）的时点脉冲响应函数。

图 4-9 两两市场间的时点脉冲响应

26
 第4章 不同市场间溢出效应的实证结果

如图 4-9 中沪深 300 指数对国际原油价格市场的时点脉冲响应函数图（第一

行第一列），反映了不同时点沪深 300 冲击对国际原油价格的影响。总体看来，
国际原油市场在遭受不同时点的冲击时，其时点脉冲响应函数走势基本一致，在
前两期为正向影响，但是在第三期，2020 年 1 月 23 日新冠疫情这个时点上呈现
负向影响，而其他时点呈现出正向影响。但就从整个函数来看，在三个不同的时
间点上，短期来看在受到事件冲击时，沪深 300 指数对国际原油价格表现出正向
影响，也就是沪深 300 指数的上升会引起国际原油价格的上升。
如图 4-9 中国际原油价格对沪深 300 指数的时点脉冲响应（第二行第一列），
面对国际原油价格的正面冲击，沪深 300 在不同时点的脉冲响应函数不同，三个
时点上的冲击影响走势有较大的区别，第 1 期均为国际原油价格对沪深 300 指数
具有正向的影响，第 2 期深港通开通事件呈现负向响应，其余两个事件为正向响
应，但在后期均不显著。从整体来看，在三个不同时间点上，短期来看，国际原
油价格对沪深 300 指数的正向影响程度大于负向影响程度，国际原油价格的上升
会引起沪深 300 指数的上升。
如图 4-9 中国际黄金价格对沪深 300 的时点脉冲响应图（第一行第二列），
反映了黄金价格不同时点的冲击对沪深 300 指数的影响。从图中可以看出，股灾
和“深港通”时点的黄金价格对沪深 300 指数的冲击影响走势比较相似，新冠疫
情时点的走势不同，新冠疫情爆发时点第 1 期呈现负面影响，而另外两个时点则
是正面影响。而在后面的第 2 期三个时点都呈现正面影响，在第 3 期新冠疫情爆
发时点呈现负面影响，其余则趋近于零线，影响不显著。总体看来，股灾爆发和
“深港通”开通时点的黄金价格对沪深 300 指数的负面影响程度大于正面影响程
度，即黄金价格的上升会引起沪深 300 指数的下降，而新冠疫情时点的黄金价格
对沪深 300 指数的正面影响程度大于负面影响程度，即黄金价格的上升会引起沪
深 300 指数的上升。
如图 4-9 中沪深 300 指数对黄金价格的时点脉冲响应图（第二行第二列）显
示，在面对沪深 300 指数的正向冲击的时候，国际黄金价格在不同时点呈现不同
的响应函数。从图中可以看出，在股灾和“深港通”的开设时点沪深 300 指数对
黄金价格的冲击走势比较相似，新冠疫情爆发的时间节点的走势则不相同，在第
1 期时，沪深 300 指数在三个不同时点对黄金价格均产生正面影响，而在第 4 期
则产生相反的影响。总体来看，新冠疫情爆发的正面影响程度小于负面影响程度，
即沪深 300 指数的上升会导致黄金价格的降低，而另外两个时点的正面影响大于
负面影响程度，即沪深 300 指数的上升会导致黄金价格的上升。
如图 4-9 中，国际原油对黄金价格的时点脉冲响应图（第一行第三列），反
映了不同时点国际原油价格对黄金价格的冲击影响。从图中可以看出，三个时点
的情况不尽相同，在第 0 期，股灾爆发和“深港通”的开通时点呈现正向影响，

27
 成都理工大学专业硕士学位论文

而新冠疫情爆发则是负面影响，在第 3、4 期，新冠疫情时点表现较为积极影响，

而股灾爆发时点则呈现消极影响，“深港通”开通时点影响趋近于零，影响不显
著，且在后期，三者均趋近于影响不显著。总体看来，股灾爆发时点原油价格对
黄金价格的负向影响大于正向影响，即原油价格的上升会引起黄金价格的下降，
而“深港通”开通时点的正向和负向影响相差不大，新冠疫情时点的国际原油价
格对黄金价格的正向影响大于负向影响，即国际原油价格的上升会引起黄金价格
的上升。
如图 4-9 中，黄金价格对国际原油的时点脉冲响应图（第二行第三列），反
映了不同时点黄金价格对国际原油价格的冲击影响。从图中可以看出，三个时点
的脉冲影响趋势基本一致，均在第 1、4 期呈现负向影响，后期则在零线上下波
动，但三时点的影响程度略有差别。在第 1 时期，相对于其他两个时点，新冠疫
情爆发时点的黄金价格对国际原油价格影响是最小的，而在第 3 期负向影响确是
最大的，其影响也是最大的。从短期看来，黄金价格对国际石油价格的负向影响
是大于正向影响的，即黄金价格的上升会引起石油价格的降低。

4.3 不同市场间的波动溢出效应

波动溢出效应模型通常分为动态和静态两种模型，由于静态溢出效应需考虑
全样本区间的特定变量对其他变量的冲击，所以本文主要从动态溢出效应模型出
发。在现目前的研究中，绝大部分研究者对于动态溢出效应采用滚动窗口（滚窗
VAR）的估计方法来研究其动态变化，其受到的影响也是随着时间的变化不同而
产生不同的变化特征。滚窗 VAR 方法较为简易，但其局限性是它的依赖性很强，
特别是对于窗宽的选择，窗宽的大小不同对参数的时变性和有效性有着较大影
响，且当样本中存在异常值的情况时，会弱化其信息价值，并导致结果的跳跃性
变化。刘堂勇和郑挺国（2018）基于 TVP-VAR 模型计算时变波动溢出指数方法
来对波动溢出效应的动态模型进行研究，该方法在一定程度上能够较好的避免滚
窗 VAR 在窗宽大小、条件异方差性等多个方面的缺陷，本文依据此方法来分析
沪深 300、国际原油和黄金价格的波动溢出效应，能够避免其时变截距项和随机
波动产生的异方差性，避免其信息价值的弱化。
基于前面所介绍的 TVP-VAR 模型及时变波动溢出指数的构建方法，可以直
接测算出中国股市、国际原油市场以及黄金市场的时变波动溢出效应指数。之后
再以 MCMC 抽样的后验均值以及其具体的计算方法为基础，可计算得出单个指
标的溢出、溢入和净溢出指数。其中净溢出的计算方法为溢出效应减去溢入效应
的数学差值，一般研究中净溢出差值主要分为两类，分别是两两变量间和多变量
间的净溢出效应。前者表示的是 A 市场对 B 市场的溢出效应减去 B 市场对 A 市

28
 第4章 不同市场间溢出效应的实证结果

场的溢出效应。而 A 市场对非 A 市场的溢出效应减去非 A 市场对 A 市场的溢出

效应就被称为多变量间的净溢出效应。本文采用的是针对中国股市、国际原油和
黄金价格 3 个指标净溢出效应进行研究（即多变量间的净溢出效应）。如图 4-10
至图 4-12 所示。蓝色虚线代表溢入指数，即其中国股市、国际原油市场以及黄
金市场中两个市场对另外一个市场的溢入效应，黑色实线代表的则是其溢出效应
的数值，即三个市场中其中一个市场对另外两个市场的溢出效应的数值，红色虚
线代表的则是净溢出指数的数值，也就是溢出和溢入两者的差值。
从图 4-10 至图 4-12 中可以看出中国股市、国际原油和黄金价格的溢出、溢
入指数均表现出不同程度的波动性以及不确定性。长期看来，三个市场的溢出、
溢入指数的变动趋势存在不同之处。从总体来看，三个市场的溢出指数波动范围
相对于溢入指数而言更大，其中国际原油价格和沪深 300 指数的波动比黄金价格
指数变化大，市场间的溢出效应增强。而在整个样本内，中国股市、国际原油和
黄金价格三个市场的溢出指数基本都大于溢入指数，而净溢出指数均处于零线以
以上，这也表示三个市场中单个市场对其余两个市场波动的整体影响更大。

4.3.1 中国股市波动溢出效应

具体从单个市场的角度来进行分析，我们发现沪深市场的溢出效应要大于溢
入效应，如图 4-10 所示，从而净溢出效应为正。我国股市近些年得到了较快的
发展，无论是从市场规模还是从上市公司数量上，都有了较大的提升。随着金融
自由化的不断推进，中国金融市场日益成熟与完善，对世界金融市场的影响逐渐
增大。中国金融市场已经从最初相对独立的分割状态逐渐走向联系日益紧密的全
球整合状态，中国金融市场的波动也会传导到其他国家，与其他国家金融市场的
联动性越来越强，使得中国股市对外部金融市场的影响越来越强，表现为溢出效
应相对较大。具体而言，可以划分为以下几个时间区间进行分析:
2015 年至 2016 年期间，中国股市经历了少有的大牛市，股市一路上扬，上
证指数达到了历史最高点 5178.19，并在短时间内狂跌到 2850.71 点，跌幅达到
45%。探究其原因，当时的股价已经偏高，很多个股已经实现了翻倍的趋势；此
外当时场外杠杆资金规模持续攀升，达到了 2.27 万亿元，伴随着股市上涨压力
的加大，场外资金主力开始出逃；再加上股指期货的做空制度加大了中国股市的
暴涨暴跌；最后 1224 家上市公司超过 4601 亿元的减持进一步促进了股灾的发生。
多种压力之下，最终导致了股灾的形成。股市泡沫的破碎造成的股灾对股票价格
造成了巨大的影响，其波动溢骤然变大。此外，在 2016 年 12 月，国内深港通业
务正式开展，国内金融市场开放程度加大。虽然此时中国已经进入到“股灾”的
后期，但是在政策的推动下，国际资本的流动更加便捷，也使得中国股市的波动
溢出效应增大。

29
 成都理工大学专业硕士学位论文

2018 年至 2019 年中旬期间，贸易战开始，美国对从中国进口的 1300 种商

品展开大规模征收关税，税率高达 25%左右，并限制国内企业对美进行投资并购，
其涉及贸易金额达到 600 亿美元。在对贸易战的反击中，中国 2018 年 3 月针对
美国的 232 措施对美产品进行征税，两部分征税金额达到 29.69 亿美元。两国贸
易战的爆发使得市场投资者信心受挫，对未来经济发展和股市前景表现悲观，在
此期间大批资金逃离股市，股市收益率波动大幅增加。为了促进出口，抵消关税
影响，国际人民币汇率持续下跌，以人民币计价的资产受到一定程度的贬值，出
于资本的“逐利性”，外资开始大面积逃离，最终导致了股市连续下跌，表现为
股市波动溢出效应的变大。
2020 年疫情以来，由于国内外新冠疫情的大规模爆发，市场对未来经济的
发展表现悲观，股市作为中国经济的风向标也同样遭受的巨大影响，在新冠疫情
过后的首个交易日，投资者情绪悲观导致股市经历了大幅下跌。但是预期到国家
会出台宽松的财政政策和货币政策以复兴经济，股市经历了较快的调整，从而表
现为收益率的较大波动。在国内新冠疫情后期，随着政府积极采取措施抗击疫情，
和复工复产的逐步推进，再加上新冠疫苗研发工作的持续推进，未来经济发展表
现趋势较为明朗，股市的波动性逐渐降低，呈现向好趋势，其波动情况也趋于稳
定。

图 4-10 中国股市与其他市场间的波动溢出效应

4.3.2 国际原油市场波动溢出效应

从图 4-11 可以看出，对于国际原油市场总体来看，其溢出效应依旧是大于
溢入效应，从而表现为净溢效出应为正，但是其波动情况要大于中国股市波动情
况。一方面，原油作为重要的工业原料，是国家生产发展的必需品，其容易受到
市场供给和需求的影响，也就是说，其波动情况和世界主要经济体经济发展情况

30
 第4章 不同市场间溢出效应的实证结果

紧密相连。另一方面由于其采用美元计价等方式，导致其也存在一定程度的波动。
可以看出在 2015 年“股灾”、2018 年中美贸易战、在 2020 年也就是新冠疫情
大规模爆发期间，国内生产消费停滞，股市持续下跌，黄金价格震荡，石油需求
下降，从而表现净溢出效应波动加大。具体来看：
2015 年到 2016 年期间，全球经济持续处于低迷状态，经济形势不景气，各
个国家经济增长乏力，很多国家致力于将新兴经济投入到自身的经济结构调整之
中，进而导致其经济增长速度放慢，全球经历复苏力度有限。在此情况的影响下，
全球油气的需求增幅较为平稳，油气供应国的不减产政策，使得油气供应宽松，
出现供大于求的场面，原油价格保持低迷状态。
全球新冠疫情爆发期间，国际原油价格大幅波动。在疫情爆发初期，油价还
稳定在 50 美元附近，但是随着新冠疫情的进一步爆发，市场的恐慌情绪开始不
断蔓延，国际油价开始出现了大幅下跌，并一次次刷新历史新低。但是，4 月 3
日，芝加哥交易所声明允许石油价格为负，在之后的 4 月 20 日，原油期货价格
跌到-37.63 美元，并引发了国内著名的“原油宝”事件。结果造成了国际原油价
格巨大的不稳定，表现为波动溢出效应的剧烈波动。

图 4-11 国际原油市场与其他市场间的波动溢出效应

4.3.3 国际黄金市场波动溢出效应

从图 4-12 可以看出，黄金市场在溢出和溢入效应方面依旧表现出和其他两
个市场相似的情况，但是波动幅度会更小。对于黄金市场而言，其价格因素主要
收到美元和通货膨胀率等因素的影响，而受其他市场的影响相对较小，因此总体
而言，其受到的溢出溢入效应较小，相应的净溢出效应也较小。具体可以从两个
时间节点进行具体阐述：
2016 年到 2017 年期间，国际金融市场政治情况复杂，使得黄金在该段时间

31
 成都理工大学专业硕士学位论文

内收益波动较为明显。2016 年 6 月英国投票公投脱欧，黄金当日暴涨；11 月初
美国进行大选，新任总统上任，黄金表现较为强势；12 月美国加息预期兑现，
黄金价格继续下挫；在国内方面，2016 年中国证监会发布股市熔断新规，深港
通开通，使得中国股市开始加速和国际市场接轨，中国股市的影响力也随之加大。
股市的波动使得离岸人民币大跌，而金价从中受益，在国内外综合因素的影响下，
金价从 1062 美元拉升到 1284 美元，表现为波动溢出效应相对较高。
2020 年全球新冠疫情期间，黄金收益率的变化幅度是最大的。今年国际市
场受新冠病毒影响，各个国家及国际货币基金组织对 2020 年全球经济的发展普
遍表示悲观。美国股市历史上曾发生过五次熔断，其中四次发生在 2020 年新冠
疫情期间。IMF 发布预测认为 2020 年全球经济总量将收缩 4.4%，在这种情况下，
具有避险属性的黄金就成为众多金融市场参与者青睐的资产，国际黄金价格也随
之不断攀升，波动溢出效应表现较为明显。

图 4-12 国际黄金市场与其他市场间的波动溢出效应

32
 结 论

结 论
本文选取沪深 300 指数、国际现货黄金（AU）、布伦特原油（CFD）三个
指标代表中国股市、国际黄金市场、原油市场的衡量指标，通过 TVP-VAR 模型
对三个市场的均值溢出效应进行分析，并且基于模型时变参数的后验均值构建时
变波动溢出指数进行波动溢出效应分析，具体而言，通过贝叶斯估计和蒙特卡洛
模拟对数据的可行性进行分析，然后对三个市场的数据进行时变波动分析、时变
脉冲响应分析以及波动溢出效应分析，其中时变脉冲响应分析又可以具体分为等
间隔和时点脉冲响应函数分析，从而得到了相应的实证结论。
首先，从均值溢出效应角度分析来看，可以得到以下结论：（1）从时变波
动特征分析来看，三个市场在如 2015 年股灾、2020 年全球新冠疫情等重要时间
节点的收益率波动效应较大；（2）从等间隔脉冲响应的结果来看，三个市场总
体表现为，短期脉冲响应的影响要大于长期脉冲响应，但是不同市场之间的影响
方向存在时变性，其影响方向会发生反转。例如中国股市对国际黄金的短期脉冲
响应在 2018 年之前为正向收益率溢出效应，但是在 2018 年之后表现为负向收益
率溢出效应，国际黄金市场和原油市场之间也有类似的表现；（3）从时点脉冲
响应分析来看，首先在 2015 年“股灾”、2016 年中国开始“深港通”以及中国
新冠疫情爆发之时三个时间节点的脉冲响应程度总体呈现随时间的增长而降低
的趋势，最终影响趋于 0。但是也有部分市场之间存在着较长的脉冲响应，如中
国股市对国际黄金价格的时点脉冲响应虽然随时间的增长而减弱但是总体还是
呈现出明显的脉冲效应。其次，可以看出，时点脉冲响应的变化幅度相对较大，
时变性较为突出，这也意味着虽然不同金融市场之间确实存在着正向或者负向的
脉冲响应，但是这种响应并不具有明显的规律；最后，可以看出，在面对重大金
融事件时，新冠疫情所表现出来的影响相比较“股灾”和“深港通”则更为明显，
这也说明了预防重大公共卫生事件的重要性。总而言之，说明不同金融市场之间
的脉冲响应虽然存在类似的分析结果，但是也存在着特殊情况。
其次，从在不同市场之间的波动溢出效应角度研究方面来说：总体可以看出，
中国股市、国际原油、黄金三个市场的溢出效应均大于溢入效应，从而表现为净
溢出效应为正，也就是说在影响程度方面，每个市场对其他市场的影响程度要大
于其他市场对其的影响，但是对于不同市场而言，其净溢出效应的大小有所差异，
具体而言，国际原油市场净溢出效应最大，中国股市次之，黄金市场最小。
本文通过对国际原油市场、黄金市场和中国股市进行 TVP-VAR 模型的实证
分析，得出在 2015 年 1 月 1 日到 2020 年 10 月 22 日区间内，国际原油市场、黄
金市场及中国股市之间存在着一定的均值溢出和波动溢出效应，并且具有一定的
时变性。该研究揭示了三个市场之间的动态变化特征，这对我国投资者更好的进

33
 成都理工大学专业硕士学位论文

行投资组合和资产配置以及金融监管部门更好的进行监督管理、制定决策都具有
重要的理论和实践意义。针对本文上述的研究进行总结，提出如下的政策建议。
随着全球经济一体化进程和社会信息化程度的不断加快，一个市场的波动会
很快地转移到其他金融市场，从而引起其他金融市场的波动。市场的波动给使得
市场的发展趋势呈现出极大的不确定性，从给投资者收益带来风险。结合实证分
析结果，本文对投资者提出如下建议：
（1）及时关注外部市场冲击
目前投资者面对的市场环境更加复杂，对此投资者在进行跨国资本配置的同
时优化国内资产配置，也要关注到可能带来的交叉传染风险。目前不同市场间的
溢出效应虽然符合一般的规律，但是在不同金融大事件节点下会有所不同，从而
对金融市场产生较大的不确定性，所以投资者应该及时调整投资策略和积极制定
风险预防措施，以方便应对复杂多变的国际金融环境。此外，投资者需要认识到，
不同类型的金融大事件所造成的市场间的影响关系是存在区别的，因此投资者不
能以同一种思维对外部的市场信息进行分析。总体而言，按照上文的分析结果，
目前中国金融市场更容易受到国际原油和黄金市场的波动影响。因此投资者应该
重点关注包括国际原油和黄金市场在内的金融市场从而规避风险。
（2）投资者应进行理性投资
从上文的分析来看，不同金融市场之间的均值溢出和波动溢出之间的影响虽
然存在一定的规律，但是这种规律并非适用任何时期。例如黄金市场和股市之间
的影响也出现过背离的情况。此外，金融市场中存在着较为明显的羊群效应，使
得投资者的自我判断能力受到极大的影响，如在 2015 年时，中国股市不断创出
新高，在利益驱使下，投资者的投资欲望彻底点燃，甚至过于疯狂，众多投资者
“跑步”入市，结果股市骤然下跌，给投资者造成巨大损失。在全球一体化进程
不断加快的情况下，不同金融市场间影响不断加大且影响方向不断变化，无论是
机构投资者还是个人投资者，进行投资的风险都有所加大，因此投资者要正确认
识投资的机会和风险，提高理性思维，避免盲目投资造成资金损失。
（3）完善风险转移措施
目前金融市场之间的相关性较为紧密，一个市场的变化也会引起其他市场的
变化，即市场间存在溢出效应。例如 2020 年中国股市、国际原油市场以及黄金
市场的同步大幅波动让投资者认识到风险转移的重要性。对于投资者可以通过保
险、售卖等手段进行投资风险转移，将风险转移到其他经济体中。如果是保险，
这种风险就转移到其他保险人身上，而如果是购买债券，则就可以进行公开售卖，
从而将债券转卖给债券的购买者，当然风险的转移也意味着投资者需要舍弃一部
分潜在的收益。通过多种金融工具的配合使用，可以帮助投资者为资金增加一层
保护，从而在市场波动下减少资金损失的风险。

34
 结 论

在不同市场之间的波动溢出效应的研究分析中，总体可以看出，中国股市、
国际原油、黄金三个市场的净溢出效应为正，也就是说在影响程度方面，每个市
场对其他市场的影响程度要大于其他市场对其的影响。针对以上现象，监管者应
该高度重视，并积极采取相应措施进行应对。根据该实证分析结论，本文认为监
管者可以从以下几个方便出发进行合理应对。
（1）客观认识中国股市和世界金融市场之间的溢出效应
目前，不同市场间的联系虽然日益紧密，为投资者和政府管理带来一定的困
难和增加风险。但是对中国金融市场来说，波动溢出效应可以加强中国金融市场
和国际金融市场的联系，进一步加大我国金融市场的开放程度，促进国外资金的
流入和国内经济的发展，也可以提高我国金融市场在国际市场中的影响力和市场
的有效性。目前我国经济正从高速增长阶段转变为高质量发展阶段，对外贸易业
务持续攀升，如果国内金融市场可以融入到国际中，可以促进人民币国际化的进
程，也可以避免因为使用美元交易带来的汇率波动风险。此外，国际化进程的加
快还可以吸引国际上的资金进入到国内市场，从而丰富我国投资者结构，壮大国
内金融市场。
（2）加强市场风险保障机制
从实证分析结果看，中国金融市场的国际化进程有所加快，同时和国外市场
存在着多方面的互动关系，而且在有金融大事件发生的情况下，互相波动情况会
更加明显，如 2015 年股灾、2020 年全球新冠疫情等，这种情况使得风险在极短
的时间内快速传导，从而引起金融市场的震荡。而我国金融市场发展时间相对于
国外市场较短，市场有效性较差，其风险承受能力也相对较弱。对此，金融监管
部门必须及时做好在保持市场开发的情况下制定相应的对策，稳定国内金融市
场，做到理论基础和实践并行。通过设计防火墙和金融市场稳定机制，从而有效
避免外部市场震荡对中国金融市场的影响，规避其引发的系统性风险，保护投资
者利益，以此促进我国股市乃至整个金融市场的稳步发展和进步。
（3）关注不同市场动态变化
目前来看，不同金融市场之间的影响和交叉传染风险已经成为愈发严重的问
题，而且这种影响还会随着时间的变化而变化，如在 2018 年第三季度之后，黄
金对沪深 300 的影响由正向的收益率溢出效应转为负向的收益率溢出效应。不同
金融市场之间的时变性较为复杂。监管当局在进行政策制定时，需要尽可能考虑
到这点影响，从而关注不同市场的金融动态变化情况，及时进行政策的制定和调
整，避免政策制度和市场之间的滞后性影响，以保证政策有效性和及时性。

35
 成都理工大学专业硕士学位论文

致 谢
行文至此，论文停留在第五章，人生才刚刚开章。转眼间，三年的研究生求
学生活即将结束，始于 2018 年金秋，终于 2021 年盛夏。站在毕业的门槛上，回
首往昔，奋斗和辛劳成为丝丝的记忆，甜美与欢笑也都尘埃落定。寻梦成理，终
要别离。对这座城市从陌生到熟悉，从青涩到成熟，这三年是一种积累，它给我
带来太多的感动、感悟乃至成长。值此毕业论文完成之际，我谨向所有关心、支
持、帮助我的师长，亲友呈上我最诚挚的感谢与最美好的祝愿。
桃李不言，下自成蹊。衷心感谢我的恩师于文华教授在学习、工作及生活上
给我的孜孜教诲、精心培养和悉心关怀。您严谨的治学精神，深厚广博的学术造
诣，孜孜不倦的开拓进取精神，宽广的胸怀和坦荡的人格都深深感染着我，您的
言传身教、谆谆教导、无微不至的关怀，还有像母亲般包容我所有的肤浅和无知，
让我在求学、工作和生活上都满载而归。在于文华教授的悉心指导和大力支持下
我的硕士学习和科研课题才得以顺利完成。您在做人、做事、做学问上给学生树
立了一生学习的榜样。
平生感知己，方寸岂悠悠。感谢我的师兄师姐，室友和同窗们三年中在学业
及生活上的帮助和照顾。特别是感谢王婕入师姐在我写论文期间给予我的帮助，
为我提供论文的各种参考材料，才让我对论文写作的思路清晰明了。感谢室友，
是寝室和谐的氛围让我能顺利愉快的完成学业和论文写作，虽然我们有着不同的
生活习惯，但是我们生活中都是相互包容，相互帮助和鼓励，有一种感情叫做室
友情，我们从来没有打破寝室那份家的融洽。感谢 2018 级金融专硕的研究生同
学们，与大家在大学学习和生活非常愉悦和难忘，现在大家就要各奔前程，难忘
一起走过的岁月，大家珍重!
此外感谢“陌上人如玉，公子世无双”的曹同学和王师兄在我困难无助的时
候给予我希望和鼓励、缓解我的焦虑、指引我迷茫的人生，成为我漫漫人生路上
的良师益友。对于曹同学的付出和期望，我必将在今后的生活中更加努力，以“乘
风破浪会有时，直挂云帆济沧海”的勇气和干劲进行热忱的回报。也希望曹同学
能永远年轻、永远少年、永远热泪盈眶。
乙亥末，庚子春，华夏大疫，幸得白衣战士以凡人之躯，铸钢铁之心，护佑
华夏。冬季的黑暗尽管漫长，但永远不会挡住黎明的到来。纵然山河有恙，不敌
人间盛情，春已至，花已开，国运安泰。在撰写本论文时，深感祖国之强大。祝
愿伟大祖国繁荣昌盛，国泰民安！

36
 参考文献

参考文献
毕成. 2020. 消费信贷、财政支出对城镇居民消费的非线性影响研究——基于 TVP-VAR 模
型[J]. 商业经济研究,(23): 163-168.
曹媛媛. 2018. 石油、黄金和股市间相关性的国际比较研究[D]. 吉林大学.
邓创,张甜,徐曼,赵珂. 2018. 中国金融市场风险与宏观经济景气之间的关联动态研究[J]. 南
方经济,(04):1-19.
丁绪辉,王柳元,贺菊花. 2017. 国际石油价格与我国股票市场的联动效应——基于 VAR 模型
的实证分析[J]. 企业经济,36(07):167-173.
付亚蒙. 2020. 经济政策不确定性对国际资源价格冲击研究[D]. 江西财经大学.
傅瑜. 2004. 近期黄金价格波动的实证研究[J]. 产业经济研究,(01):30-40.
何剑,祝林,郑智勇. 2020. 结构性货币政策与金融机构风险——基于 TVP-VAR 模型的实证研
究[J]. 金融发展研究,(09):3-12.
胡秋灵,赵静. 2011. 股票市场与黄金市场收益率波动溢出效应研究[J]. 统计与决
策,(01):144-146.
黄飞. 2019. 汇率变动对股票价格的影响研究[D]. 湖南大学.
姜永宏,穆金旗,聂禾. 2019. 国际石油价格与中国行业股市的风险溢出效应研究[J]. 经济与管
理评论,35(05):99-112.
蒋海,吴文洋,韦施威. 2021. 新冠肺炎疫情对全球股市风险的影响研究——基于 ESA 方法的
跨市场检验[J]. 国际金融研究,(03):3-13.
蒋翔. 2018. 我国不同金融市场之间的价格冲击和动态关系[D]. 厦门大学.
蒋晓川. 2018. 证券市场、房地产市场、货币供应量的动态联动研究——基于 TVP-VAR 模
型的实证研究[J]. 时代金融,(36):390-392.
蒋彧,张玖瑜. 2019. 中国与世界主要股市间的波动溢出效应研究——基于 2002-2017 年样本
的实证检验[J]. 中国经济问题,(06):28-43.
李成,于海东,李一帆. 2020. 货币政策不确定性对宏观经济的非对称影响效应——基于经济
周期视角[J]. 北京理工大学学报(社会科学版),22(05):49-58.
李成刚,李峰,赵光辉. 2020. 货币政策规则对国际资本流动与人民币汇率的时变影响——基
于 TVP-SV-VAR 模型的实证检验[J]. 中国管理科学:1-12[2021-04-13].https://doi.org/10.163
81/j.cnki.issn1003-207x.2019.1920.
李程,刘媛嫄,母波,李波. 2020. 房地产价格、杠杆率与金融压力的时变非线性关系研究[J]. 统
计与信息论坛,35(10):70-80.
李凯,樊明太,叶思晖. 2021. 我国房价的货币因素与宏观影响的动态传导研究——基于
TVP-SV-VAR 模型的分析[J]. 金融发展研究,(01):29-37.

37
 成都理工大学专业硕士学位论文

李双琦,朱沙. 2016. 股票市场与黄金市场的波动溢出效应——基于沪深港股票市场和世界黄

金市场数据[J]. 重庆三峡学院学报,32(02):73-79.
刘玲. 2016. 股票与黄金市场间收益率溢出效应研究[D]. 成都理工大学.
刘旸,杜萌. 2020. 经济政策不确定性、货币政策与股票市场流动性——基于 TVP-VAR 模型
的实证分析[J]. 大连理工大学学报(社会科学版),41(05):42-50.
陆岷峰,张欢. 2018. 货币政策、股票市场与 TVP-SV-VAR 模型的实证分析[J]. 金融理论与教
学,2018(01):1-10.
罗瑾,刘文翠. 2020. 基于 TVP-VAR 模型的油价、卢布汇率与 RTS 股指动态关系研究[J]. 财
经理论与实践,41(04):46-51.
孟辕,张安良. 2015. 国际黄金价格与原油价格相关性分析[J]. 价格理论与实践,(02):78-80.
潘敏,郭厦. 2010. 基于投资者行为的金融危机传染理论述评[J]. 财经科学,(11):34-39.
齐岳,刘彤阳. 2020. 货币政策对资产价格的冲击及资产价格联动——基于中国股票市场和房
地产市场的实证分析[J]. 系统工程,38(06):108-117.
钱源源,李桂来. 2019. 原油与黄金价格的相关性分析[N]. 中国黄金报,-11-12(006).
孙焱林,何佩. 2020. 人民币外汇市场压力与货币政策的关联性分析[J]. 统计与决
策,36(05):149-152.
谭小芬,熊玲誉,宋佳馨. 2020. 全球流动性对国际大宗商品价格的影响——基于 TVP-FAVAR
模型和 2000—2017 年数据的实证分析[J]. 中国软科学,(01):30-48.
王婕入. 2019. 互联互通机制背景下沪深港股市溢出效应研究[D]. 成都理工大学.
万璟,陶士贵. 2020. 国际收支结构与人民币国际化的双向影响研究——基于 TVP-SV-VAR
模型的时变分析[J]. 武汉金融,(01):19-27.
王宏涛,曾晶晶,王晓芳. 2020. 中美贸易摩擦背景下货币政策对资产价格的溢出效应研究[J].
统计与决策,36(19):131-136.
王奇珍,王玉东. 2018. 国际油价、美国经济不确定性和中国股市的波动溢出效应研究[J]. 中
国管理科学,26(11):50-61.
王颖. 2010. 黄金价格与原油价格关系的实证分析[J]. 经济论坛,(11):24-26.
巫秀芳,郭亮. 2019. 股市流动性、杠杆率与股价波动——基于 TVP-VAR 模型的实证检验[J].
河北经贸大学学报,40(05):43-51+69.
吴安兵,金春雨. 2019. 货币政策、产出冲击对人民币实际汇率波动的影响效应[J]. 国际金融
研究,(12):23-32.
吴立力. 2020. 宏观杠杆率、影子银行规模与银行体系稳定性——基于 TVP-VAR 模型的实
证研究[J]. 商业研究,(03):74-84.
吴若慈,吴伟岐. 2020. 移动支付影响货币政策传导的有效性吗？—基于 TVP-VAR 模型的实
证分析[J]. 浙江金融,(11):43-52+25.

38
 参考文献

伍星星,聂亚珍. 2020. 股价波动、经济增长与货币政策反应——基于 TVP-VAR 模型的实证

分析[J]. 湖北师范大学学报(哲学社会科学版),40(04):53-59.
熊礼慧,王艳丽,朱新蓉. 2020. 我国货币政策传导效应的时变特征研究——基于社会融资规
模的 TVP-VAR 模型检验[J]. 上海经济研究,(09):78-91+127.
徐宁,丁一兵,张男. 2020. 利率管制、LPR 与完全市场化下的货币政策传导机制:理论对比与
实证检验[J]. 南方经济,(05):34-48.
杨冬,张月红. 2014. 人民币实际汇率、短期国际资本与资产价格——基于时变参数向量自回
归模型[J]. 国际贸易问题,(07):155-165.
尹力博,柳依依. 2015. 黄金是稳定的避险资产吗?——基于宏观经济不确定性的视角[J]. 国
际金融研究,(07):87-96.
余静涵. 2019. 国际原油期货与中国新能源股票的关系研究[D]. 山东大学.
张大永,姬强. 2018. 中国原油期货动态风险溢出研究[J]. 中国管理科学,26(11):42-49.
赵丹. 2020. 经济不确定性、利率与短期跨境资本流动——基于 TVP-VAR 模型的研究[J]. 北
方金融,(04):30-36.
赵锡军,姚玥悦. 2018. 我国金融市场价格变动对人民币汇率的时变冲击——基于 TVP-VAR
模型的实证研究[J]. 吉林大学社会科学学报,58(02):84-92+205.
周浩然. 2019. 经济政策不确定性背景下我国金融市场间动态联动性研究[D]. 中南财经政法
大学.
郑挺国, 刘堂勇. 2018. 股市波动溢出效应及其影响因素分析[J]. 经济学(季刊), 17(2).
陈璇璇,张旭,胡晨沛.2021.重大突发事件不确定性对经济需求侧增长的时变冲击测度研究—
—基于 TVP-SV-VAR 模型的实证分析[J].南京财经大学学报,(02):1-12.
薛熠,王若翰.2020.公共卫生事件的长期经济影响评估——基于 2003 年 SARS 事件的分析[J].
宏观质量研究,8(04):22-39.
Adekoya Oluwasegun B,Oliyide Johnson A. 2021. How COVID-19 drives connectedness among
commodity and financial markets: Evidence from TVP-VAR and causality-in-quantiles
techniques[J]. Resources Policy,70.
Anzhong Huang,Lening Qiu,Zheng Li. 2021. Applying deep learning method in TVP-VAR model
under systematic financial risk monitoring and early warning[J]. Journal of Computational and
Applied Mathematics,382.
Balli Esra,Nazif Çatık Abdurrahman,Nugent Jeffrey B. 2020. Time-varying impact of oil shocks
on trade balances: Evidence using the TVP-VAR model[J]. Energy,(prepublish).
Bonato Matteo,Gupta Rangan,Wang Shixuan. 2020. Moments-based spillovers across gold and oil
markets[J]. Energy Economics,(prepublish).
Cuong Nguyen,M. Ishaq Bhatti,Magda Komorníková. 2016. Gold price and stock markets nexus
under mixed-copulas[J]. Economic Modelling,58.

39
 成都理工大学专业硕士学位论文

Dirk G. Baur,Brian M. Lucey. 2020. Is Gold a Hedge or a Safe Haven? An Analysis of Stocks,
Bonds and Gold[J]. Financial Review,45(2).
Dirk G. Baur,Thomas K. 2009. McDermott. Is gold a safe haven? International evidence[J].
Journal of Banking and Finance,34(8).
Elif Akay Toparlı,Abdurrahman Nazif Çatık,Mehmet Balcılar. 2019. The impact of oil prices on
the stock returns in Turkey: A TVP-VAR approach[J]. Physica A: Statistical Mechanics and its
Applications,535.
Esmaeili Parisa,Rafei Meysam. 2021. Dynamics analysis of factors affecting electricity
consumption fluctuations based on economic conditions: Application of SVAR and TVP-VAR
models[J]. Energy,226.
Fama E. 1970. Efficient market hypothesis: A Review of Theory and Empirical Work.
Forrest Capie,Terence C. 2004. Mills,Geoffrey Wood. Gold as a hedge against the dollar[J].
Journal of International Financial Markets, Institutions & Money,15(4).
George Filis,Ioannis Chatziantoniou. 2014. Financial and monetary policy responses to oil price
shocks: evidence from oil-importing and oil-exporting countries[J]. Review of Quantitative
Finance and Accounting,42(4).
Giorgio E. Primiceri. 2005. Time Varying Structural Vector Autoregressions and Monetary
Policy[J]. The Review of Economic Studies,72(3).
J. Isaac Miller,Ronald A. 2009. Ratti. Crude oil and stock markets: Stability, instability, and
bubbles[J]. Energy Economics,31(4).
Javed Iqbal. 2017. Does gold hedge stock market, inflation and exchange rate risks? An
econometric investigation[J]. International Review of Economics and Finance,48.
Joshua C.C. Chan,Eric Eisenstat,Rodney W. Strachan. 2020. Reducing the state space dimension
in a large TVP-VAR[J]. Journal of Econometrics,218(1).
Markowitz H M . Portfolio Selection[J]. Journal of the Institute of Actuaries.
Mei-Jing Zhou,Jian-Bai Huang,Jin-Yu Chen. 2020. The effects of geopolitical risks on the stock
dynamics of China's rare metals: A TVP-VAR analysis[J]. Resources Policy,68.
Mondria J,Quintana-Domeque C . 2007. Financial Contagion through Attention Reallocation: An
Empirical Analysis[J]. Social Science Electronic Publishing.
Nakajima, J. 2011. Time-varing Parameter VAR model with Stochastic Volatility:An Over-view
of Methodology and Empirical Applications[J].Monetary and Economic Studies,29,107-142.
Nicholas Apergis,Stephen M. Miller. 2009. Do structural oil-market shocks affect stock prices?[J].
Energy Economics,31(4).

40
 参考文献

Nikolaos Antonakakis,David Gabauer,Rangan Gupta. 2019. International monetary policy

spillovers: Evidence from a time-varying parameter vector autoregression[J]. International
Review of Financial Analysis,65.
Park Jungwook,Ratti Ronald A. 2008. Oil price shocks and stock markets in the U.S. and 13
European countries[J]. Energy Economics,30(5).

41
 成都理工大学专业硕士学位论文

攻读学位期间取得学术成果

已发表论文：
Ying Wang. 2020. The Research of relationship between International Oil and the
China's stock market [C]. 2020 Annual Conference on Big Data, Iot, Engineering
Management(BDIE).

参与项目：
国际原油、黄金及股市间的动态关系研究. 2019. 深圳富途证券有限公司.

42