本文是一篇国际金融论文，本文选用中国大陆、中国香港、美国、英国、德国、法国、加拿大、澳大利亚、瑞士、日本、韩国、巴西、俄罗斯、印度14个股票市场指数作为研究对象，采用数据为2002年1月1日至2021年12月30日。使用溢出指数方法从时域、频域两个角度分别考察了全球股市之间的收益率、波动率溢出效应，并结合网络分析方法研究了在不同时期各国家股票市场之间溢出关系，以及各国股市在全球股市中所处的位置。
第一章绪论
第一节研究背景和意义
一、研究背景
随着世界经济全球化和金融一体化进程不断加深，全球各国家金融市场的自由化也日益提升。这一特征的不断显现使得各国家之间的经济联系变得更加密切。这种联系体现在两个方面，一方面反映在国与国之间的贸易联系上，频繁的国际贸易使得各国经济联系不断深化，一个国家的经济状况会通过国际贸易渠道影响到其他国家。更重要的一方面还反映在各国家之间金融活动的相互渗透和影响上，国家对外政策的颁布以及跨国投资者的活动也使得各国家间产生联系。而股票市场作为金融市场的中的重要组成部分，也作为一个国家的金融市场发挥资产配置作用的重要环节，在国家金融市场中扮演着极其重要的作用。股票市场同时也作为企业融资的重要渠道，为企业的健康发展起到保障作用。随着全球金融市场的不断发展，各国家股票市场也在不断完善发展，股票市场中的交易也变的日益频繁。因此从股票市场角度出发，探讨各国家股市间的溢出效应变得十分重要。
放眼全球视角，各个国家间金融市场可能都存在有不同程度的溢出效应，并且会对世界其他国家经济造成影响，从重大事件的爆发中可以清楚的感受到。早期的有上世纪90年代爆发的亚洲金融危机，受西方资本的冲击，泰国在1997年7月被迫将固定汇率制调整为浮动汇率制，这一政策调整使得泰国经济形势变得更加不稳定，最终导致亚洲金融危机的爆发。在此期间，泰国汇率暴跌，外汇市场陷入混乱。进一步对东南亚其他国家金融市场产生影响，我国香港恒生指数跌破9000点大关，韩元对美元汇率也跌至创纪录的1008：1，新元、马币、菲律宾比索等也纷纷下跌。这次始发与泰国的金融危机使得亚洲各国家金融体系都遭到了极大的破坏。随着经济全球化的不断发展，进入21世纪后，某个国家或地区一旦爆发金融危机便会迅速传染至其他地区，其破坏力与传染速度更加可怕。如2007年的美国金融危机，长期资产泡沫的逐渐累计导致美国的联邦基金利率快速攀升，从而导致房地产市场违约率急剧上升，这使得各大金融机构都出现信贷紧缩的现象，进一步使得整个金融系统陷入危机之中。
第二节研究内容和研究方法
一、研究内容
本文通过六个章节展开论述：
第一章为绪论部分。主要阐述了文章的研究背景、研究意义、研究内容、研究方法，以及创新点与不足之处。
第二章为文献综述。分别从GARCH类模型溢出效应研究、溢出指数法溢出效应研究、基于Copula函数金融市场间相依性及风险传染研究三方面进行了概括、总结。
第三章为理论基础与模型介绍。首先对股票市场概述、股票市场溢出效应以及股票市场溢出效应存在机理分开展开阐述，之后对实证部分所使用的模型进行介绍。
第四章为全球股票市场溢出效应分析。该部分通过使用溢出指数法结合滚动窗口思想，分别对收益率和波动率两个指标展开分析，从静态角度、时域角度、频域角度对全球股市进行分析，区分出收益溢出与波动溢出在不同角度下的区别。同时使用阈值法构建溢出网络，对金融危机时期、欧洲主权债务危机时期、中美贸易战时期、新冠疫情时期的溢出网络做出对比，从网络视角对各国股市在世界金融市场中溢出关系和溢出位置进行分析。
第五章为全球股票市场相依性及溢出路径分析。首先对模型是否存在自相关性以及ARCH效应进行检验，之后使用ARMA(p,q)-GJR-GARCH(1,1)偏t模型进行边缘分布拟合，再利用Vine Copula模型对全球股市相依性结构进行分析。同时，将第三章中所求的溢出矩阵与最小生成树法相结合，构建出最大可能溢出路径，对其溢出路径进行分析。
第二章文献综述
第一节GARCH类模型溢出效应研究
GARCH模型是ARCH模型进行拓展形成的，又称为广义ARCH模型，是在原有模型基础上加上误差项条件方差的滞后期，从而将影响因子拓展为均方误差和条件方差前期值。Bollerslev(1986)[3]认为GARCH能够在较低阶数对高阶滞后过程进行描述，解决了ARCH模型由于滞后阶数的问题导致无法描述金融数据收益率波动性的问题。之后通过后续的发展形成的GARCH模型的各种形式，由于其具有特有的性质，被学者们广泛应用于分析各市场间溢出效应的分析。
早期学者们主要对发达国家金融市场间或是有类似金融特征的市场的溢出效应进行研究，Chan等(1992)[4]通过使用二元GARCH模型，发现美国股票市场和全球股票市场间存在有风险溢价。Theodossiou&Li(1993)[5]使用GARCH模型对美国、日本等5个发达国家股市之间相互依赖性进行了研究，发现发达国家多向其他国家“输入”波动。Karolyi(1994)[6]使用改进的GARCH模型对日美股市风险溢出研究，发现两股市存在显著的风险溢出。Koutmos&Booth(1995)[7]利用E-GARCH模型研究了美国、英国、日本三国股票市场价格和波动溢出的传导机制，发现一个市场负面冲击所引起其他市场价格波动要大于正面冲击带来的波动，即样本间存在有非对称的溢出效应。Miyakoshi(2003)[8]使用E-GARCH模型研究了美国和日本对七个亚洲国家股市的溢出效应，发现日股对亚洲股市溢出作用更强。Lucey&Zhang(2009)[9]从文化差距角度出发，使用GARCH模型对新兴市场与发达国家股市进行研究，发现具有相似文化的国家之间往往具有较高的股票市场相关性。Lee(2009)[10]使用VAR-GARCH模型研究了亚洲六个国家股票市场间波动溢出效应，发现各国股市间波动溢出效应显著。Beirne等(2010)[11]通过使用VAR-GARCH(1,1)对亚洲、欧洲、拉丁美洲等41个国家间溢出效应，发现亚洲新兴国家股市的溢出效应正在逐渐增强。胡秋灵、马丽(2011)[12]运用BEKK-MGARCH模型对我国股市与债券市场溢出效应进行分析，发现两市场只有在震荡行情时期才会出现显著的双向波动溢出。
第二节溢出指数溢出效应研究
一、DY溢出指数
传统的GARCH类模型对与各样本间溢出效应的刻画主要是针对少样本之间展开分析，虽然对于各样本间溢出关系刻画准确，但对于多样本之间的刻画较为局限。Diebold&Yilmaz(2009)[21](2012)[22]提出的溢出指数法以及后续的改进对于多个金融市场间溢出效应的分析提供了新的思路，该方法以VAR模型为基础，将VAR模型中原本的Cholsesky方差分解修改为广义预测方差分解，依据预测误差方差分解进行了溢出指数的构建，在构建过程中将系统中所有变量都加入方差分解之中，可以测量出系统中各变量与其他所有变量之间的溢出关系，克服了VAR过程中变量排序所导致的结果不同。并结合滚动窗口法估可计算出时序溢出指数的变化，可在动态层面上对溢出指数进行分析。
学者们主要将其运用于金融市场收益率、波动率的溢出效应分析。Summer等(2010)[23]将该方法用于不同类型的金融市场中分别考察了波动溢出与收益溢出，发现波动溢出效应随着突发事件的发生不仅会在一个国家不同市场中发生突变，而且会在不同国家同一市场中发生突变；而收益溢出仅会在非同类金融市场中发生突变。McIver&SH(2020)[24]使用DY溢出指数法研究了金融危机期间美国与金砖国家之间股市的波动溢出效应，发现在危机时期开始后，美国、巴西和中国市场为净波动发送者，而俄罗斯、印度和南非市场是净接收者。Li(2021)[25]使用溢出指数方法研究了COVID-19期间10个发达国家和发展中国家股市间波动溢出，发现了股市间波动溢出具有明显的不对称性，发达国家作为其主要的传递者，而发展中国家为风险的接受者。也有学者通过已实现方差构建“好坏”两种波动进行研究，如刘静一、李彤(2020)[26]使用溢出指数法对我国10个行业5分钟高频股票指数进行分析，构建两种波动溢出效应，发现我国各行业股市间溢出效应存在显著的非对称性与时变特征，“坏的波动”长期占据主导地位。Wang&Li(2021)[27]使用不对称效应的DCC-MIDAS模型与DY溢出指数法结合，对国际原油市场与中国三大金融市场间非对此溢出效应进行研究，发现好的波动溢出大于不好的波动溢出，而在危机期间结果相反。李政、石晴等(2022)[28]结合网络方法对新冠疫情后行业好坏波动溢出进行研究，发现可选消费好坏波动溢出最高，而工业好坏波动溢入最高。
第三章 理论基础及溢出模型介绍 ....................... 14
第一节 理论基础 .................................... 14
一、股票市场 ........................... 14
二、股票市场间溢出效应................. 14
第四章 全球股票市场溢出效应研究 ......................... 22
第一节 数据选取 ................................. 22
一、数据选取 ................................. 22
二、变量设计 .................................. 23
第五章 全球股票市场相关性及风险传递路径研究 ..................
