论文研究-基于分位数回归的金融市场稳定性度量.pdf,  基于系统风险视角，通过分位数回归技术，提出了金融市场稳定性度量的新方法，在论述金融市场稳定性度量原理的基础上，设计出可行的 计算步骤，并据此实证分析了我国金融市场的动态特征. 实证结果显示，本文提出的金融市场稳定指数在数值上和趋势上都与金融市场的现实情况相符，能够有效检测出市场不稳定的时间区间，且具有稳健性，是监测金融市场运行状态的有
94 系统工程理论与实践 第34卷 综合考虑金融机构、金融市场、金融基础设施以及宏观经济等因素构建了金融稳定指数,从金融系统整体层 面定量诠释金融系统的稳定状况.黄飞雪等叫则从全球股市股指间地理区域聚集效应、相关程度、联动性 角度探索金融市场稳定性特征.史永东等2基于股票市场与债券市场溢出效应视角探索金融稳定的刻画 金融稳定评价体系在不断发展,但仍有进一步完善的空间,诸如现有评价体系中未能包含单个金融市场受到 全球金融体系的系统性冲击时的市场风险.本文将从系统性风险的视角出发,通过分析不同条件下系统性冲 击对金融市场的影响,探究金融市场稳定性的定量测定方法. 3金融市场稳定性度量的原理与步骤 金融稳定所涉及的内容是清晰的,即金融机构不会突然倒闭,金融市场不会出现大的起落,并且造成的 经济损失不超过系统崩溃造成损失的合理预期、然而,金融稳定的界限却难以确定, Mishkin、 Issing、 Padoa Schioppa、IMF、 Haldane和 Saporta、Aln和Wood等对金融稳定的解析涉及到整个金融系统及其与实 际生产部门的关系,以致于对金融稳定度量困难重重Baur和 Schulze基于狭义视角提出了一个易于检验的 概念、——金融市场稳定,稳定的金融市场上的资产收益在正常条件与极端条件下对系统性冲击的反应相同 史金风提出了基于波动率的金融市场稳定的内涵,稳定的金融市场上的资产波动在正常条件与极端条件下对 系统性冲击的反应相同.这两个金融市场稳定的定义均认为,金融市场稳定是指系统性冲击的影响在市场处 于极端差条件下时没有被放大,这与IMF、 Padoa- Schioppa等认为稳定金融系统受到的冲击不会被放大传 播于市场间或金融机构间的观点是一致的因而,本文基于Baur和 Schulze以及史金凤等提出的金融市场 稳定的定义,从收益和波动两个层面给岀金融市场稳定性度量的新方法—金融市场稳定指数 金融市场稳定是指系统性冲击在极端市场条件下没有被放大,与正常条件下有相同的影响.如果金融市 场对系统性冲击在不同市场条件下做出不同的反应,待别是在极端条件下系统性冲击对市场的作用大于其正 常条件的情况时,则表眀市场在极端条件下放大了系统性冲击,市场处于不稳定状态,且相对正常条件情形极 端条件下受到的影响越大,市场越不稳定.因而,系统性冲击在极端条件下与正常条件下对市场影响的差异 可作为金融市场不稳定程度的刻画指标,且该差异水平越大的市场越不稳定.这是本文构建金融市场稳定性 度量方法的核心思想 基于金融市场稳定的定义,金融市场稳定性的度量需要刻画的是在正常与极端市场条件下,系统性冲击 对市场作用的差异.如果两种市场条件下系统性冲击的作用差异不大,也就是说极端条件下并没有放大系 统性冲击的作用,市场是稳定的.因此,金融市场稳定性度量的关键是系统性冲击的选择,极端条件与正常 条件的划分.以及在两种条件下系统性冲击对市场影响程度的症量刻画.首先是系统性冲击的选择.现有 金融问题研究中,多以市场指数作为该市场个股所受到的系统性风险因素,金融市场稳定性度量的研究对象 是各个金融市场,沿用此思路,可以选择包含所有市场的全球股票市场指数作为单个金融市场所承受的系统 性风险.因此,依照Baur和 Schulze等,本文选用全球股票市场指数作为系统性风险,系统性冲击指标则 是全球股票市场指数经过白回归模型得到的新息.其次,测量不同市场条件下系统性冲击对市场的作用的核 心问题在于对极端条件和正常条件的定义与划分.为了回避对极端条件与正常条件的定义,我们选用分位数 回归模型,以条件分位数来描述市场的不同条件.通过不同分位数下系统性冲击的不同作用来描述不同市场 条件下系统冲击对金融市场的影响,以均值水平的回归系数作为正常条件下系统性冲击对金融市场的冲击作 用,极端水平的回归系数作为极端条件下系统性冲击对金融市场的冲击作用,二者之差即是两种市场条件下 系统性冲击的作用差异.分位数回归模型要求的前提假设较少,不需要假定误差项υ的分布,只需要淸足条 件Qr(h|)=0,得到广泛应用,如蔡宗武等2采用非参数分位数回归预测人民币汇率.最后,极端条件 的选择.为∫有效地提髙测度的稳健性,多个极端分位点作为极端条件,其平均值是更好地选择.此外,为∫ 得到一个标准化的指数,对该差异水平做负指数变化.使得金融市场稳定指数在间0,1范围内,且该指数越大 表明金融市场越稳定.基此原理构建金融市场稳定指数的具体步骤如下: 第一步,系统性冲击的度量·选择系统性风险指标Z,对该指标建立AR(π)- GARCH(,q)模型,得到的 残差作为系统性冲击f 第二步,通过分位数回归计算系统性冲击f对金融市场收益指标n(或波动指标a)在不同分位点的影 响具体模型为 Yt=a+Bft+ 增刊 史金凤,等:基于分位数回归的金融市场稳定性度量 95 Q(Ytlft=a(T)+B()ft 其中,Y为市场收益指标r:(或波动指标σ),系统性冲击f是市场受到的外部环境冲击,为市场受到的 来自自身的异质性冲击,即市场内部产生而不受其他市场影响的冲击.Qr(Yf)为Yt的7分位数 第三步,计算系统性冲击在极端条件与正常条件对市场影响的差异,计算公式如下 △ 6(7)-|3(0.5),|6(7)>|6(0.5 (r)≤|(0.5) 第四步,计算差异的平均水平,并做负指数变换,得到刻画金融市场稳定性的指标—金融市场稳定指 数SI SI=exp k∑△} 显然,△β是大于等于零的数,对其做负指数变化后是大于0小于等于1的数,也即S的取值范围是 (0,1].Δβ平均值越大说明极端条件与正常条件下系统性冲击对市场影响的差异越大,也即极端条件下系统 性冲击影响的放大效果越强,市场越不稳定.负指数变换改变了单调性,△β;平均值的越大,SI数值越小,表 明市场越不稳定.反之,SⅠ的值越大则说明市场越稳定.基于市场是否放大了系统性冲击视角构建的金融市 场稳定指数SⅠ是能够定量反映金融市场稳定性的指标 4系统性冲击的选择 金融市场稳定指数构建的第一步是系统性冲击的选择与测算.鉴于史金凤冈文中金融市场稳定检验结 果对世界指数与亚洲指数的选择不敏感,考虑到稳定指数全球适用性,我们选用1996年6月1日到2011年 6月1日资本国际世界指数( MSCI AC WORLD INDEX)做为系统性因素的代表,并选用窗宽为20日的滑 动窗估计世界指数日收益的年化波动率,基本统计分析见表1 表1世界指数收益率及其波动率的基本统计分析 世界指数均佰中值。最人儐最小值标准差。偏度峰度JB缔计量P值 收益率0.01510.06668.903737131.02910.342810.74289848.730.0000 波动率13943712207973.1583.57648.1966304221720938943.170.0000 统计结果显示,世界指数收益率均值与中值相差较大.偏度为负,样本是显著有偏的.而峰度为10.7428, 显然大于正态分布的水平,同时正态性检验的JB统计量数值很大,其对应的P值为0,说明该样本不服从正 态分布.世界指数的日收益波动率平均水平约为14,而其偏度、峰度均大于正态分布,且正态性检验统计量 显著拒绝原假设,说明世界指数的波动率不服从正态分布.两个时间序列的ARCH效应检验结果(见表2) 显示,两个序列均拒绝原假设,其残差序列中均确实存在ARCH效应.综上,共界指数的收益率和波动率序 列是不服从正态分布且存在异方差性的序列,ARMA(p,q)模型已经不再适用,需要考虑使用 GARCH(p,q 模型刻画该序列的异方差特征.依据AIC准则与似然比,多次估计对比,发现波动率序列最适合的模型是 AR(1) GARCH(1.1),估计结果见表3 表2世界指数收益率与波动率的ARCH效应检验 世界指数LM统计量P值F统计量P值 收益率 235.46620.0000222.20190.0000 波动率 272932O.000013.73200.0000 表3中 GARCH(1,1)模型的参数估计结果显示,均值方程的常数项、滞后一阶项的系数均在1%水平 下显著不为0,方差方程中ARCH项、 GARCH项系数在1%水平下显著不为0,且AR(1) GARCH(1,1)模 型残差项的ARCH效应检验在1%水平上已不存在异方差性,AR(1)- GARCH(1,1)能够捕捉到序列中的异 方差性,是很好的拟合,且残差与收益有较一致的波动能够很好地反映世界指数受到的冲击,是很好的系统 性冲击的选择 类似地,通过比对发现收益率序列最合适的模型是AR(1)- GARCH(2,1),估计结果列示于表4中表4 中AR(1)- GARCH(2,1)模型的参数估计结果显示,均值方程的常数项、滞后一阶项的系数均在1%水平显 著不为0,方差方程中ARCH项、 GARCH项系数在1%水平下显著不为0.且AR(1)- GARCE(②2,1)模型残 系统工程理论与实践 第34卷 差项的ARCH效应检验显示,已不存在异方差特征,AR(1) GARCH(2,1)很好地捕捉了序列中的异方差性, 是很好的拟合,其残差可以作为系统性冲击指标 表3世界指数波动率的 GARCH建模结果 表4世界指数收益的 GARCIL建模结果 变量 系数标准差7统计量P值 变量 系数标准差Z统计量P值 C1 0.1064 02504.25300.0000 0.05040.01393.63030.0003 AR(1) 0.98960.0019512.53590.0000 AR(1) 0.18140.016111.23780.0000 0.00250.0003727300.0000 0.010400022466400.0000 ARCH(-1)0.03740.001919.99270.0000 ARCH(-1)0.03430.0119288050.0040 ARCH(2) 0.06960.01174.72870.0000 GARCH(-1)0.96190.001756231280.0000 GARCH(-1)0.88730.009493.99400.0000 残差 ARCH LM统计量0.2471P值0.7810 残差 ARCH LN统计量0.1439P值0.7046 效应检验 F统计量0.4945P值0.7811 效应检验 F统计量0.1438P值0.7045 5我国金融市场的实证分析 我国证券市场特有的股权分置先夭缺陷、宏观政策的监管调控等因素使其与经过市场化自发形成的国 际发达市汤有着根本不同,立足于我国证券市场现状探索金融市场稳定性的度量方法,更具现实意义.本部 分采用基于分位数回归的金融市场稳定性度量方法,以上海证券市场为研究对象,定量分析我国金融市场的 稳定性特征 51数据选择与基本统计分析 本文选取上证综指为硏究对象,实证检验我国金融市场稳定性特征,数据来源于清华大学中国金融研究 数据库(THFD),数据区间为1996年6月1日到2011年6月1日.由于2005年股权分置问题正式被提上 日程,我国证券市场进入了一个新的阶段,且此时1997年亚洲金融危机对各个市场的影响基本消逝,所以逐 年考察市场的稳定性时选取2005年6月1日到2011年6月1日的数据.数据开始于6月是因为美国次 贷危机开始于2007年7月,以便在逐年分析时区分此次危机的影响,同时还避开了“一月效应”的影响.另 外,上海证券市场与深圳证券市场间存在着高度的协同性,囚而本文仅选择上证综指代表实证分析我国金 融市场稳定性的动态特征 上证指数的基本统计结果见表5,从中可知上证综指收益波动率的平均水平高于世界指数的平均水平 同时,各个序列均不服从正态分布.最小二乘估计不再适用,而对分布无任何要求的分位数回归技术就成为 本文最好的方法选择 表5上证综指收益率及其波动率的基本统计分析 上证综指均值中值最大值最小值标准差偏度峰度JB统计量P值 收益率0.04330.00139.48151044231.72350.2720797244077340.000 波动率29.641327.532262.93439.652312.25360.51122.3421 75.20 0.0000 52实证结果与分析 为∫进一步理清我国金融市场稳定性的动态演进过程,本文逐年分析系统性冲击对不同市场条件下的证 券市场波动卒的影响,从而判斷上海证券市场的运行状况.由于美国次贷危机开始于2007年7月,为了更好 地区分此次危机的影响,年与年的分割点选在每年的6月1日,并选用窗宽为两年的滑动窗,逐年计算基于 收益和波动率的我国金融市场稳定指数,得到我国金融市场稳定指数的年度数据SI 521金融市场稳定指数的实证结果 首先选用上证综指近20日波动率作为上海证券市场运行状态的指标,选用世界指数近20日波动率作 为系统性风险因素.依据上节中系统性冲击最优模型AR(1)- GARCH(1,1)模型,对世界指数近20日波动率 建模,计算得到的残差作为系统性冲击指标.其次,选用窗宽为两年的滑动窗,逐年计算基于波动率的我国金 融市场稳定指数,得到上海证券市场2006年到2011年的基于波动率的金融市场稳定指数SⅠ的年数据,结 果见表6与图1.同样地,选用上证综指收益率作为上海证券市场运行状态的指标,选用世界指数收益率作 为系统性风险因素,可以得到上海证券市场2006年到2011年的基于收益率的金融市场稳定指数SI的年数 据,结果见表6与图1.其中,出于稳健性考虑,基于收益的金融市场稳定指数,极端情况为收益极端小的情 形,故取值为0.05,0.06,0.07,0.08,0.09,0.1,K为6:而基于波动率的金融市场稳定指数,极端情况为波 动极端大的情形,T取值为0.95,0.94.0.93,0.92,0.91,0.9,K为6 增刊 史金凤,等:基于分位数回归的金融市场稳定性度量 97 0.9 表62006-2011中国金融市场稳定指数年度数据 年份基于收益率的SI基于波动率的SI 2006 0.8467 0.4979 0.5819 0.1807 2008 0.8036 0.3629 2009 0.9799 1.0000 2010 0.9096 0.9175 2011 0.8859 0.8614 0.1 均值 0.8346 0.6367 2006 2007 2010 HRSI -VS 图12006-2011中国金融市场稳定指数年度数据图 图1中RS与VSI分别表示基于收益率与基于波动率的金融市场稳定指数,对应于表6中的基于收益 率的SⅠ与基于波动率的SⅠ.从表6中的数值来看,2007年、2008年金融稳定指数大幅低于其他年份,且 低于六年的平均水平,这符合2007年发生全球性金融危机,世界各地金融市场动荡不安的现实,此时稳定指 数达到最低值与现实相当吻合,说明我们设计的金融市场稳定指数能够识别出近年来最为动荡的时间.20090 年之后:上海证券市场的稳定性指数出现新一轮的下滑,但其在数值上仍高于六年的平均水平,且并未下滑 到2007年、2008年的低值,这与经历了次贷危机的中国金融市场再次接受欧债危机洗礼时展现出更强自我 修复能力的现实相一致此外,2009年出现的最大值与全球各国同时出台多项维稳政策促使金融市场更加稳 定是密不可分的.综上,金融市场稳定指数在数值上的表现与现实金融市场的表现具有相当的一致性,在一 定程度上反映出我国金融市场的稳定性特征 从图1中的走势来看.基于收益和波动率的中国金融市场稳定指数具有一致性,2006到2011年间,两 个层面的指数都经历了一个“下降-上升-下降”的过程.在这个过程中,两个层面的稳定指数有相同的走 势,同时上升,同时下降,相互卬证其可靠性.美国次贷危机发生引起了我国金融市场的不稳定,出现了金融 市场稳定指数最低的时期.危机后,我国积极出台拉动内需等政策以维护金融市场的稳定,市场的稳定指数 有所上升,但2009年末,欧洲主权债务危机的爆发,再次使得我国金融市场的稳定性有所下降. 522金融市场稳定指数有效性分析 金融市场稳定指数的构建,关键是看该指数的有效性,要能够确保该指数确实能够有效地反映金融市场 的运行状态.如果该指数能够有效地识别出金融不稳定的点,则该指数是有效的,可用于金融市场的监管.金 融稳定指数的年数据反映的信息相对模糊,夲节将提高频率、扩大时间区间来考察金融稳定指数的有效性 本文以收益视角为例,通过中国金融市场上证指数收益对世界指数冲击的反应,分析中国金融市场的发展态 势,进而判别基于收益的金融稳定指数的有效性.为此,我们选用AR(1)- GARCH(2,1)模型构建系统性冲击 选用窗宽为两年的滑动窗,逐月计算我国金融市场的稳定指数,得到1998-2011年我国金融市场稳定指数的 月度数据,以期能够动态反映出我国金融市场稳定性的变化特征,实证结果见图2 0.9 0.8 0.7 SHOCI—SI 图2基于收益的我国金融市场稳定指数月度数据及受到的冲击 图2中SⅠ为基收益计算的我国金融市场稳定指数月度数据. SHOCK为其对应时间受到的系统性 98 系统工程理论与实践 第34卷 冲击.从图2中可以看到,我国金融市场最不稳定的时期发生在2007年年底,正是美国次贷危机爆发的时 间,而且低的金融市场稳定指数一直持续了将近一年的时间,之后逐渐转好这与危机发生后在政府各项政策 的指导下:金融市场不断调鳘,各种政策有效推动金融市场向稳态发展的实际情况相符.然而,从2009年底 开始金融市场的稳定性一直是下降的趋势,这显然与欧洲主权债务危机的愈演愈烈所一致.除此之外,2005 2006年市场的稳定性较低.2005-2006年,我国金融市场股权分置改革全面展开,市场处于不稳定状态,且我 国金融市场出现一路上涨,市场风险较大,且易受外部环境的影响.可见,我们所构造的基丁收益的金融市场 稳定指数能够识别出金融市场中最为动荡的时刻,它是一个有效的指标.类似地可以分析基于波动率水平的 金融市场稳定指数的有效性 53金融市场稳定指数稳健性检验 金融市场稳定指数的设计过程中涉及到一些指标的选择,诸如系统性风险因素、系统性冲击获得模型 波动率计算窗宽等等的选择,针对这些选项,我们通过实证的方法验证了金融市场稳定指数的稳健性 531系统性因子代表指标选择的稳健性 系统性风险因子代表的选择对金融市场稳定指数的选择可能产生影响,为此我们对世界指数收益率构造 的冲击与世界指数波动率构造的冲击进行对比.波动率层面与收益层面的金融市场稳定指数尽管不完全相 同,收益稳定指数的最低点与波动稳定指数的最低点有时间上的差异,但走势却是相同的.事实上,这两个 层面的稳定指数包含了不同的信息,尽管识别出的重要不稳定时点不同(最不稳定的时点分别是2007年底 和2008年初),但这两个时点都是金融危机发生引起市场不稳定的重要时刻.因而,对市场稳定性的度量时 充分考虑收益与波动两个层面,同时考虑这两个金融市场稳定指数,能更好地监控金融市场的运行状态,以 确保金融市场的稳定 5.3.2系统性因子获得模型选择的稳健性 司样选用世界指数作为系统性风险因子,选用不同的模型也可能影响金融市场稳定指数,因而我们检验 金融市场稳定指数对获得系统性冲击的模型是否稳健.通过对世界指数的基本统计分析和检验,确定需要用 GARCH模型来建模.通过AIC准则和似然比的选择, GARCH(1,1)与 GARCH(2,1)均比较好.基于收益 层面对比这两种模型构建的冲击对金融市场稳定指数的影响.估计结果显示,两种冲击下计算的金融市场稳 定指数,尽管在数值上的表现不同,峰值走势基本上是一致的,识别出的不稳定时段基本一致.叮见,该稳定 指数对GAR(H模型选择是稳健的 6结论 有效的金融监管是确保金融市场稳定的一个重要手段,这需要实时监控金融市场运行的状态.金融监管 的需求进一步凸显了金融市场稳定的定量研究的重要性.为此,我们试图建立一个有效的金融市场稳定指数, 用以刻画金融市场的稳定情况,为金融稳定指数的构建提供新的指标、这是本文解决的关键问题.文中基于 分位数回归技术,提岀了一种基于系统风险祝角的金融市场稳定指数的构建方法,并实证分析了我国金融市 场的稳定性特征,并检验了该指数的有效性和稳健性.实证结果显示,金融稳定指数在数值和走势上都能和 我国金融市场的运行特征相吻合.特别地,不仅能够识别出市场处于不稳定状态的时间区间,还能以数值方 式阐述金融市场稳定性的动态变化.此外,稳健性检验还发现,金融市场的稳定指数月度数据能够更好地识 别出金融市场中不稳定的时期综上,本文构建的金融市场稳定指数能够有效地刻画金融市场的运行状态,能 够监测金融市场稳定性的动态特征,是一种可靠的反映金融市场稳定性的指标,可以为金融稳定评价体系的 完善提供新的指标,为金融稳定报告的撰写增加新的内容,为金融监管的改进提供技术支撑. 金融市场稳定指数可以定量描述金融市场的运行状态,为定量分析金融市场稳定的影响因素提供了平 台.然而,不足的是,如此设计的金融稳定指数停留于已发生现象的定量写照,不具有预测未来的功能,这 将是我们下一步工作的核心 参考文献 1 Mishkin F S. Anatomy of financial crisisJ. Journal of Evolutionary Economics, 1992, 2(2): 115-130 2 Issing O. Monetary and financial stability: Is there a trade-off?C// No. 18, Paper Delivered to Conference on 'Monetary Stability, Financial Stability and the Business Cycle,, Bank for International Settlements. 2003 28-29 增刊 史金凤,等:基于分位数回归的金融市场稳定性度量 3 Padoa-Schioppa T. Central banks and financial stability: Exploring a land in bctween[Cl// Policy Pancl Intro- ductory Paper from the second eCB Conference, 2002: 1-48 14 IMF. Market developments and issues, world economic and financial surveys[R Global Financial Stability Re- port, 2003 5 Ilaldane A, Saporta V Financial stability and macroeconomic models[J. Financial Stability Review, 2004, 16 8088 [6 Allen W A, Wood G. Defining and achieving financial stability J. Journal of Financial Stability, 2006, 2(2) 15217 7 Baur D G, Schulze N. Financial market stability-A test J. Journal of International Financial Markets, Insti- tutions and Money, 2009, 19(3):506-519 8]史金风,刘维奇,杨威.基于分位数回归的金融市场稳定性检验[].中国管理科学,2011,19(2):24-29 Shi Jinfeng, Liu Weiqi, Yang Wei. Test for financial market stability based on quantile regression method J Chinese Journal of Management Science, 2011, 19(2): 24-29 9 Bilson J F O, Frenkel J A Dynamic adjustment and the demand for international reserves[R. No. 0407, NBEr Working papers, 1979 10 Sachs J, Tornell A, Velasco A Financial crises in emerging markets: The lessons from 1995R. No 5576, NBER Working papers, 1996 11 Kaminsky G L, Lizondo S, Rcinhart C M. Lcading indicators of currency crisis[R]. IMF Staff Papcr, 1998, 45(1) 12 Blejer M I, Schumacher L. Central bank vulnerability and the credibility of commitments: A value-at-risk approach to currency crises[R]. WP/98/ 65, IMF Working Paper, 1998 13 Krkoska L. Assessing macroeconomic vulnerability in central EuropeJ. Post-Communist Economies, 2001, 13(1) 41-55 14 Boss M. A macroeconomic credit risk model for stress testing the Austrian credit portfolio[R. No. 4, Working Paper Series from Austrian National Bank Financial Stability Report, 2002 15 Goodhart A E. Sunirand P, Tsoinlocos D P. A model to analyse financial fragility: ApplicationsJ. Journal of Financial Stability, 2004, 1(1): 1-30 16 Brcuor T, Csiszar I. Systomatic stress tests with entropic plausibility constraints[J. Journal of Banking Fi nance.2013,37(5):1552-1559 17 Van den End J W. Indicator and boundaries of financial stability. DNB Working Paper, 2006, 1: 1-24 18 Adam G, Jaroslav H. Indicators of financial system stability: Towards an aggregate financial stability indica- tor? [ R]. Prague Economic Papers, University of Economics, 2008, 2: 127-142 19 Tagkalakis A O. Financial stability indicators and public debt developments]. The Quarterly Review of Eco- nomics and Finance, 2014, 54(2): 158-179 20]王雪峰.中国金融稳定状态指数的构建——基于状态空间模型分析J.当代财经2010,5:51-60. Wang Xuefeng. Construction of China's financial stability conditions index: An analysis based on the state space modelJ]. Contemporary Finance Economics, 2010, 5: 51-60 ②21]黄飞雪,谷静,李延喜,等.佥融危机前后的全球主要股指联动与动态稳定性比较[J·系统工程理论与实践,2010,30(10) 1729-1740 Huang Feixue, Gu Jing, Li Yanxi, et al. Linkages and dynamic stability of the national of global primary stock index before and after the financial crisis. Systems Engineering Theory &e Practice, 2010, 30(10): 1729-1740 122史永东,丁伟,袁绍锋市场互联、风险溢出与金融稳定基于股票市场与债券市场溢出效应分炘的视角!J.金融研 究,2013,3:170-180 Shi Yongdong, Ding Wei, Yuan Shaofeng Linkage effect, risk spillover effect and financial sta bility- Based on the spillover effect between stock market and bond market J. Journal of Financial Research, 2013, 3: 170-180 123蔡宗武,陈琳娜,方颖.人民币汇率的半參数預测模型「J.系统工程理论与实践,2012,32(4):685-692. Cai Zongwu, Chen Linna, Fang Ying. Semi-parametric forecasting model for USD/ CNY exchange rate J. Sys tems Engineering- Theory &e Practice, 2012, 32(4):685-692