当前位置：首页 > news >正文

频域视角下的风险溢出网络：从DY溢出到BK溢出研究（Matlab代码实现）

news 2026/7/2 10:29:54

💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
🎁完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击：
👉👉👉本文完整资源下载
⛳️座右铭：行百里者，半于九十。

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥第一部分——内容介绍

频域视角下全球股指风险溢出网络研究——基于DY与BK溢出指数的对比分析

1. 研究方法与理论演进

在金融风险溢出的量化研究领域，Diebold和Yilmaz提出的DY溢出指数方法是主流的时域风险测度框架，该方法依托方差分解模型，能够精准量化不同金融市场之间的跨市场风险溢出强度，清晰刻画各市场的风险溢出与接收水平，为全球金融市场风险联动性研究提供了核心工具。但传统DY溢出指数仅聚焦于时间维度的风险溢出特征，忽略了金融市场风险波动的频域异质性特征。事实上，金融市场的风险冲击来源具有显著的周期差异，短期地缘政治事件、投资者情绪波动等突发性因素，与长期宏观供需结构调整、经济基本面变迁等持续性因素，会在不同频率维度下形成差异化的风险溢出效应，仅依靠时域分析无法完整拆解风险溢出的周期属性与驱动逻辑。

基于此，Baruník和Kárehlík在DY时域溢出框架的基础上进行拓展，构建了BK频域溢出指数方法。该方法将传统基于脉冲响应的方差分解优化为频谱响应方差分解，突破了时域分析的局限性，能够将整体市场风险溢出拆解为短期高频溢出与长期低频溢出两大维度，精准识别不同周期下跨市场风险溢出的特征差异、传导路径与核心驱动因素，为深度解析全球股指市场的风险联动机制提供了全新的研究视角。

2. 研究设计与样本处理

2.1 研究样本与变量构建

为全面探究全球跨区域股指市场的频域风险溢出特征，本文选取涵盖亚太、欧美两大区域的10个经济体作为研究样本，具体包括美国、加拿大、德国、法国、澳大利亚、俄罗斯、日本、印度、中国及中国香港地区，能够充分反映全球主要资本市场的风险联动格局。研究选取2015年1月4日至2025年2月14日的股指日度数据展开实证分析，兼顾短期市场波动与长期市场演化特征，样本周期覆盖近十年全球金融市场的各类冲击事件，具备较强的研究代表性。

为全方位刻画市场风险溢出的双重维度，本文构建收益率溢出与波动率溢出两类研究样本。其中，股市收益率数据通过股指收盘价对数差分方式计算得到，用以反映市场收益层面的信息溢出特征；考虑到金融时间序列的异方差性，本文采用GJR-GARCH模型对收益率数据进行拟合，提取股市波动率数据，以此衡量市场波动层面的风险溢出效应，兼顾收益联动与风险波动联动的研究视角。

2.2 数据预处理与模型设定

全球金融市场存在非同步交易问题，不同区域市场的交易时间错位会直接影响VAR模型的拟合精度与溢出指数测算有效性。为解决这一问题，本文参考现有主流研究的处理思路，对原始股指数据进行2个交易日的移动平均处理。相较于周频数据平滑方法，两日移动平均处理能够在保留市场核心联动关系、捕捉大部分市场超前与滞后效应的基础上，最大限度保留观测样本量，保障VAR模型递归方差分解的测算精度，有效规避数据精简带来的信息丢失问题。

模型参数设定方面，本文依据SC信息准则确定收益率与波动率VAR模型的最优滞后阶数，两类模型的阶数均确定为2，同时设置预测期数为10。参考金融频域溢出研究的通用划分标准，以22个交易日（约一个自然月交易周期）为临界值，完成频域维度的划分：将一个月以内的高频溢出定义为短期风险溢出，反映市场短期突发性风险传导特征；将一个月以上的低频溢出定义为长期风险溢出，表征市场持续性、结构性的风险联动特征。

3. 实证结果与分析

3.1 收益率维度频域风险溢出分析

3.1.1 时域溢出整体特征

基于全样本静态收益率溢出矩阵的测算结果，时域视角下全球股指市场的收益率信息溢出呈现显著的区域分化特征。本文将样本市场划分为欧美发达市场与亚太市场两大板块，其中欧美市场以美国、加拿大、法国、德国为代表，亚太市场包含中国、日本、中国香港、印度四大经济体。从溢出输出视角来看，亚太市场股指收益率的对外平均溢出水平显著低于欧美市场，欧美发达经济体股市在全球收益信息传导中占据主导地位，对外市场影响力更强。从溢出接收视角来看，欧美市场接收外部市场信息溢出的规模同样高于亚太市场，充分体现出欧美资本市场更高的对外开放程度与信息传递效率，市场联动性与信息交互能力显著优于亚太市场。

3.1.2 频域溢出结构特征

频域拆解结果显示，全球股指收益率溢出呈现显著的“短期主导、长期辅助”的结构特征，短期高频收益率溢出强度明显大于中长期低频溢出强度。从溢出驱动逻辑来看，短期高频溢出主要源于投资者情绪波动、羊群效应等非理性市场行为引发的噪声交易。现有研究表明，短期投资者情绪的快速变化会改变市场交易期限结构，推动股指收益短期内偏离基本面合理水平，形成短期跨市场收益联动。但这类由情绪驱动的市场偏离不具备持续性，随着市场理性回归，情绪带来的短期交易偏差会逐步修正，因此长期低频维度下的收益率溢出效应相对微弱。这一结果表明，全球股指市场的收益信息溢出主要受短期市场情绪、短期资金流动等突发性因素驱动，长期基本面因素对收益联动的影响相对有限。

3.1.3 溢出网络拓扑特征

基于收益率溢出矩阵绘制的全周期、短期、长期双向溢出网络图显示，全球股指收益率溢出存在显著的区域聚集性特征。美国、加拿大、德国、法国等欧美发达经济体始终处于溢出网络的核心位置，是全球收益信息溢出的核心节点，对外产生高强度的信息辐射；中国、中国香港、日本等亚太核心市场形成区域性溢出聚集板块，在亚太区域内具备较强的信息联动能力，但全球辐射能力弱于欧美市场。

进一步基于两两净溢出矩阵构建单向风险传染网络可以发现，不同周期维度下的风险传导格局具备稳定性。节点属性与溢出强度结果表明，美国、加拿大、德国、法国始终为风险净输出者，单向风险输出强度显著高于其他经济体；而中国、印度、日本是全球收益率风险的主要接收方，处于风险传染网络的被动接收位置，整体市场对外风险溢出能力薄弱，对外源性收益风险的抵御能力相对有限。

3.2 波动率维度频域风险溢出分析

3.2.1 时域溢出整体特征

波动率溢出的时域整体格局与收益率溢出具有较高的一致性，同样呈现显著的区域分化特征。全样本静态波动溢出矩阵结果显示，欧美发达经济体股市的波动风险对外溢出强度、外部风险接收强度均显著高于亚太市场。欧美资本市场凭借更高的市场开放度、更完善的交易机制与更强的资金流动性，不仅能够向外输出更强的波动风险，也能充分吸纳全球市场的波动信息，市场风险联动的活跃度显著高于亚太市场，整体风险传导的主导地位稳固。

3.2.2 频域溢出结构特征

与收益率溢出的短期主导特征形成鲜明对比，全球股指波动率溢出呈现“长期主导、短期辅助”的频域结构，长期低频波动溢出强度远大于短期高频溢出强度。根据BK溢出方法的核心理论，低频长期风险溢出主要由宏观经济基本面、长期市场供需结构、制度环境等持续性不确定性因素驱动。宏观经济基本面的长期变迁会通过改变市场边际效用、资本成本、贴现率等核心经济变量，持续影响资本市场的估值体系与波动水平，形成跨市场、长周期的风险波动传导。而短期地缘事件、资金扰动等因素仅能引发暂时性的市场波动，难以形成持续性的跨市场风险溢出。这一结果说明，全球股指市场的波动风险联动具备长期性、结构性特征，主要由宏观基本面等长期核心因素驱动，短期市场情绪对波动风险的影响相对有限。

3.2.3 溢出网络拓扑特征

波动率双向溢出网络的拓扑特征与收益率网络整体相似，具备显著的区域聚集性。欧美发达经济体稳居全球波动溢出网络核心位置，是全球市场波动风险的主要辐射源；中国、中国香港、日本等亚太核心市场形成区域性波动联动板块，区域内风险聚集特征明显。从频域差异来看，波动溢出的区域聚集性主要体现在长期低频维度，短期高频维度下的市场聚集特征显著弱化，市场间波动风险联动的结构性差异较小，进一步印证了长期宏观因素是波动风险区域联动的核心驱动力。

从单向净波动溢出网络来看，全球波动风险传导格局具备周期稳定性。美国、加拿大、德国、法国持续保持高强度的单向波动风险输出，是全球系统性波动风险的核心输出主体；日本、印度为波动风险的主要接收经济体，长期处于风险传染网络的核心接收位置，且风险接收效应集中体现在长期低频维度。值得注意的是，中国股市在全球波动风险网络中处于边缘接收位置，对外接收的跨境波动风险规模较小，在全球市场波动冲击中具备较强的市场韧性与风险抵御能力，市场独立性显著优于印度、日本等其他亚太市场。

4. 研究小结

本文基于DY时域溢出与BK频域溢出框架，从收益率与波动率双重视角，系统探究了全球10个主要经济体股指市场的跨区域风险溢出规律，厘清了时域与频域维度下的风险溢出差异。研究表明，全球股指风险溢出存在显著的区域异质性与频域结构性分化。区域层面，欧美发达经济体牢牢占据全球金融风险溢出网络的核心主导地位，亚太市场整体处于风险接收的被动位置，市场开放度与全球联动影响力存在明显短板。频域层面，收益率溢出以短期高频效应为主，受投资者情绪、噪声交易等短期非理性因素驱动；波动率溢出以长期低频效应为主，由宏观经济基本面等长期结构性因素决定，二者的周期驱动逻辑形成鲜明互补。

同时，风险溢出网络呈现显著的区域聚集特征，且长期波动溢出的网络聚集性更为突出。中国股市在收益风险层面具备一定的被动接收特征，但在波动风险层面表现出较强的市场韧性，跨境风险输入水平较低。本文的研究结论有效弥补了传统时域溢出分析的局限性，精准拆解了不同周期下全球股指市场的风险传导逻辑，为全球金融风险防控、跨市场风险联动监管提供了重要的实证依据。