从一个时期到另一个时期的变化过程中，常常表现为价格的波动，而是否会出现价格波动率聚集的现象，即大幅度波动聚集在某一段时间，而小幅度波动聚集在另一段时间上，这是中外学者重点关注的一个问题。但是，前人的研究并没有站在libor利率的角度上，对货币国际化与国际金融市场发展协调推进带来的风险展开分析，没有对金融风险产生的内在机理进行大胆的探讨，特别是实证研究较少。这也说明本文研究libor利率波动对于稳定货币国际化过程中的国际金融市场具有重要意义。

三、货币国际化与金融市场协调推进对同业拆借市场带来波动率的模型估计通过这一小节上文的分析，可以看出，随着货币国际化的不断推进，欧洲货币市场中libor利率的波动，会对国际金融市场投资的金融产品造成冲击，产生投资的风险。本文试图站在libor利率的角度上，对货币国际化与国际金融市场协调推进带来的风险展开分析。

(一)arch模型简述

在金融的时间序列分析中，广泛运用的一种特殊非线性模型就是arch模型(auto－regressiveconditionallyheteroskedasticity)，最早由engle于1982年提出。该模型主要的思想是，某一特定时刻t的随机误差方差不仅取决于以前的误差，还取决于自己以前的方差。对于通常的回归模型:yt=x\'tβ+εt(1)如果随机误差项的平方ε2t服从ar(q)过程，即:ε2t=α0+α1ε2t－1+α2ε2t－2+…+αqε2t－q+ηt，t=1，2，…(2)其中，ηt独立同分布，并满足e(ηt)=0，d(ηt)=λ2。则称模型(2)是自回归条件异方差模型，简称arch模型。

对于任意时刻t，εt的条件期望为:e(εt|εt－1，…)=槡ht·e(vt)=0(3)条件方差为:e(ε2t|ε2t－1，…)=ht·e(v2t)=ht(4)通过(4)式，可以看出序列条件方差具备随时间而变化的性质。

20世纪90年代以后，为了让arch模型的解释能力更为完善，不断有学者对arch模型进行完善和扩展，出现了多种变异的arch模型，形成了一个arch模型族(黄宗远，沈小燕，2007)［8］，包括garch模型、arch－m模型、非对称arch模型、幂arch模型、成分arch模型等等。由于arch模型族可以很好的发现引起波动状态的因素，非常适合于描述金融市场时间序列的波动特征，所以，本文在这一小节中通过arch模型展开货币国际化对同业拆借市场带来波动率的模型估计。

(二)数据的说明

货币国际化对同业拆借市场带来的波动，是一个较长的历史时期。随着欧元的诞生，美元在国际货币体系中的地位继续得到了巩固，并形成了以美元为核心、欧元、日元、英镑等为补充的国际货币体系。同业拆借的利率种类较多，期限较长，关于同业拆借市场中的数据，本文在英国同业拆借市场中选取欧洲日元市场3个月期的libor利率(ljpy)，以及欧洲美元市场3个月期的libor利率(lusd)每个季度的数据在1986年1月—2011年9月之间的数据，共103个观测值，数据来源于欧洲中央银行数据库，为了减缓序列的波动程度，本文选择对这两个时间序列的变化率进行自然对数处理，即djpyt=ln(ljpyt/ljpyt－1)和dusdt=ln(lusdt/lusdt－1)，ljpyt表示欧洲日元在t时刻的libor利率，而lusdt表示欧洲美元在t时刻的libor利率。

(三)libor利率的数据统计特征分析为了对libor利率进行arch模型分析，也为了达到较好的模型解释能力，首先需要对数据的基本统计特征展开分析，以观察原始数据是否具有尖峰的分布特征，便于对下文展开分析。从图1中可以看出，欧洲日元市场3个月期的libor利率的变化率的sk=－0.404207，其结果小于零，表明其分布呈现出左偏态。而从峰度来看，k=9.844914，远远大于3，表明更多的变换率取值聚集在均值周围，同时部分变化率又远离均值。与标准正态分布(sk=0，k=3)相比，欧洲日元市场3个月期的libor利率的变化率呈现左偏，尖峰的分布特征，即“尖峰厚尾”。jb统计量为201.9021，p值接近于0，说明该时间序列至少在99%的置信水平上拒绝为正态分布的假设。

从图2中可以看出，欧洲美元市场3个月期的libor利率的变化率的sk=－1.315755，其结果小于零，表明其分布呈现出左偏态。而从峰度来看，k=8.209290，远远大于3，表明更多的变换率取值聚集在均值周围，同时部分变化率又远离均值。与标准正态分布(sk=0，k=3)相比，欧洲美元市场3个月期的libor利率的变化率呈现左偏，尖峰的分布特征，即“尖峰厚尾”。jb统计量为144.7616，p值接近于0，说明该时间序列至少在99%的置信水平上拒绝为正态分布的假设。可见，欧洲日元市场与欧洲美元市场3个月期的libor利率呈现出尖峰的分布特征，可以在下文中对这两个序列进行arch模型分析。

(四)libor利率波动率模型的建立1．libor利率数据的平稳性分析和序列相关分析一般而言，在对时间序列数据进行分析时，首要的问题是判断它的平稳性。如果样本呈现出非平稳的现象，那么往往会导致出现“虚假回归”的问题。这样，样本之间就不会有任何意义的关系，对样本进行回归也会表现出较高的可决系数。本文选择的变量数据是1986年1月—2011年9月之间欧洲日元市场3个月期的libor利率(ljpy)，以及欧洲美元市场3个月期的libor利率(lusd)每个季度公布的数据，这是明显的时间序列，所以本文首先利用eviews6．0统计分析软件，对所有的变量进行adf检验。对于ljpy和lusd时间序列而言，其adf数值都小于1%、5%和10%临界值，因此，可以拒绝样本序列存在单位根的原假设，时间序列的数值是平稳的，可以继续进行数据分析。

上一页  [1] [2] [3] [4] 下一页