4.1实证研究
4.1.1 数据与描述
在国泰安数据库（http://www.gtarsc.com/SingleTable/Index/）中收集上证综指的日收盘价。美国（标准普尔 500 指数）、日本（日经 225 指数）和英国（富时100 指 数 ） 是 具 有 代 表 性 的 发 达 国 家 股 票 市 场 ， 从 雅 虎 金 融（https://Finance.Yahoo.com/）收集标准普尔 500 指数、日经 225 指数和富时 100指数的日收盘价。为了方便起见，使用缩写来表示各国的股市指数：美国标准普尔 500 指数表示为 S500，日本日经 225 指数表示为 N225，英国富时 100 指数表示为 F100。
在 GARCH-MIDAS 模型中，在中国金融市场和发达国家股票市场引入了月度宏观经济变量：CPI(消费物价指数)、IP(工业生产指数)和 M2(货币供给)。日本和英国的 M2 数据可在 CEIC 数据库（https://www.CEIC data.com/）上获得，而其他宏观经济数据可在 FRED 数据库（https://FRED.stlouisfed.org/）上获得。
考虑到不同市场交易日期不同，对 2009 年 1 月 5 日至 2018 年 3 月 29 日样本期间各股票市场的交易数据进行了匹配。对变量 SCI，S500，N225 和 F100 通过1(log log ) 100%t tP P 计算日度对数收益率，对 CPI,IP 和 M2 计算季度增长率。
..........................
第五章 总结与展望
5.1 研究总结
copula-GARCH-MIDAS 模型是 copula 方法与 GARCH-MIDAS 模型的有机结合，它既能够对混频数据直接建模，充分挖掘混频外生变量所包含的有效信息，又可以将多元联合分布建模转化为边缘分布拟合与关联结构建模两个独立的过程。本文对此开展研究，进而给出相应的 CoVaR 类风险测度方法，用以讨论金融风险溢出效应，主要包括以下两个方面的内容。
（1）在“一对一”情景下，为了提高传统 copula-GARCH 模型对 CoVaR 类风险测度方法的估计精度，本文首先将 GARCH 模型与 MIDAS 方法相结合，构成GARCH-MIDAS 模型充分挖掘混频外生变量所包含的有效信息，实现对单个金融市场边缘分布的拟合。在此基础上，将二元copula方法引入GARCH-MIDAS模型，构建二元 copula-GARCH-MIDAS 模型实现条件联合分布建模，进而通过 CoVaR类风险测度方法开展国际原油市场对中国金融市场的风险溢出效应研究。实证结果表明，与传统的 copula-GARCH 模型相比，新构建的二元 copula-GARCH-MIDAS模型在 CoVaR 类风险测度方面表现更优，获得更高的返回测试结果。
（2）在“多对一”情景下，为了解决二元 copula-GARCH-MIDAS 模型所面临的维数灾难问题，有必要建立一个度量三个及以上市场间风险溢出效应的模型。为此，本文首先利用能够充分挖掘混频外生变量中有效信息的 GARCH-MIDAS 模型实现对单个金融市场边缘分布的拟合，然后将 vine-copula 方法引入 GARCH-MIDAS 模型建立 vine-copula-GARCH-MIDAS 模型，实现多元条件联合分布建模，进而推导出 CoVaR 类风险测度方法，将其应用于美国、英国、日本这三个发达国家股票市场对中国股票市场风险溢出效应的实证研究中。实证结果表明，当多个发达国家股票市场同时陷入危机事件时，对中国股票市场的风险溢出更为严重。
本文研究工作在理论上，将 copula 技术与 GARCH-MIDAS 模型相结合，构建了 copula-GARCH-MIDAS 模型，解决了多元条件联合分布建模中两个不足，能够方便地刻画多个变量条件联合分布变动规律，为风险测度等奠定了基础。在实际应用中，引入低频宏观经济变量，估计 copula-GARCH-MIDAS 模型，得到条件联合分布与 CoVaR 结果，准确检测到不同市场、不同国家间的风险溢出效应，可以为相关决策提供参考。
参考文献（略）
