研究背景与问题定义 [page::0][page::2]

• 探讨制度差异与外部危机如何共同影响新兴亚洲股市波动动态。

- 选择印度尼西亚、马来西亚、菲律宾三国2010-2024日度指数收益率，覆盖2013年缩减恐慌、COVID-19疫情及加息周期三大危机窗口。

• 采用EGARCH(1,1)和TGARCH(1,1)模型结合滑动窗口估计捕捉波动率结构随时间及事件变化。

数据与方法概述 [page::7][page::8][page::9]

• 股票指数及汇率数据源自Yahoo Finance，包含三国主要指数与对应货币汇率，使用日对数收益率。

- 采用单位根ADF检验确认收益率序列平稳。

• 模型参数含义：ω（基线波动率），α（新冲击反应），β（波动持久性），γ（非对称效应），ν（厚尾程度）。

- 依托R语言rugarch包进行模型最大似然估计，保证三国参数可比。

重要实证发现（详见表2） [page::12][page::13][page::21]

| 国家 | 窗口期 | 模型 | α | β | γ | ν | 持久性(α+β) |
|------|------------|--------|---------|---------|---------|----------|-------------|
| 印度尼西亚 | 危机期 | EGARCH | 0.23 | 0.99 | -0.11 | 20.22 | 0.71 |
| 马来西亚 | 危机期 | EGARCH | -0.31 | 0.89 | 0.17 | 6.02 | 0.67 |
| 菲律宾 | 危机期 | EGARCH | -0.30 | 0.97 | -0.13 | 11.77 | 0.60 |

• 危机期间，三国波动持久性(α+β)普遍升高，尤其菲律宾接近及超过1；非对称参数γ显著上升，体现“坏消息”效应增强。

- 厚尾参数ν降低，表明极端波动加剧。

• 马来西亚制度较健全，γ峰值较低且恢复快；菲律宾市场薄弱导致波动更剧烈且收敛缓慢。

模型诊断与稳健性检验 [page::14][page::18][page::19]

• 标准化残差零均值无自相关，QQ图适配厚尾t分布，模型高度拟合波动聚集现象。

- Ljung–Box和ARCH-LM检验表明残差多为白噪声，无显著剩余条件异方差。

• GED误差分布替换下结果稳定，支持厚尾特性非模型假设伪造。

量化危机期间波动结构变迁及制度缓冲机制总结 [page::22][page::23]

• 波动持久性在危机期间增强，后期逐步收敛，马来西亚恢复最快。

- 弱制度市场出现持续性高、非对称放大效果明显且尾部风险加剧。

• 结构表明制度差异显著影响波动危机扩散程度和恢复路径。

政策建议 [page::25][page::27]

• 信息透明化：规范危机信息披露，减少市场预期螺旋放大γ峰值。

- 增强流动性：反周期保证金、临时市场做市措施降低高波动持续时长。

• 分国家策略分阶段施策，针对菲律宾市场加强政策预测性和深度。

- 目标在于降低坏消息边际放大γ及缩短波动“居留”时间，改善危机中的市场稳定性。

研究报告详细分析——《Institutional Differences, Crisis Shocks, and Volatility Structure: A By-Window EGARCH/TGARCH Analysis of ASEAN Stock Markets》

---

一、元数据与报告概览

• 标题：《Institutional Differences, Crisis Shocks, and Volatility Structure: A By-Window EGARCH/TGARCH Analysis of ASEAN Stock Markets》

- 作者：Junlin Yang

• 机构：Wenzhou-Kean University

- 通讯作者邮箱：3260700740@QQ.com

• 报告性质：预印版，尚未同行评审，拟提交至Emerging Markets Review期刊

- 研究主题：跨国比较分析东南亚三国（印尼、马来西亚、菲律宾）股市波动率结构，聚焦机构差异与三大全球危机冲击对波动率动态的影响，采用EGARCH和TGARCH模型的多时段（by-window）估计法。

核心论点：
本研究借助2010年至2024年的日频指数收益率，以EGARCH(1,1)和TGARCH(1,1)模型，结合三个重要危机时间窗口——2013年货币紧缩（Taper Tantrum）、2020-2021年COVID-19大流行、2022-2023年全球加息周期，系统地揭示全球危机如何放大波动率的持久性与非对称性，同时指出更成熟的制度环境（如马来西亚）可缓冲波动放大效应，加速市场恢复，而机构相对薄弱的市场（如菲律宾）则表现出较长时间的波动率不稳定和更强的负新闻放大效应。

研究创新在于填补机构经济学视角与时间序列波动率建模的结合空白，首次构建多国、多危机、一体化的动态比较框架，并提出针对新兴市场的政策建议以增强抗风险能力。[page::0,1]

---

二、逐节深度解读

1. 引言 (Sections 1)

• 关键论点：

波动率在金融风险评估与投资行为中的核心地位。自Engle (1982)提出ARCH模型后，Bollerslev(1986)的GARCH推广、Nelson(1991)与Glosten等(1993)的非对称模型（EGARCH/TGARCH）成为现代金融波动性研究的基石。
东西方及新兴市场已有大量单一市场静态周期波动研究，但缺乏聚焦机构差异与多危机动态联动的统一模型研究。

• 作者推理：

新兴市场由于机制差异，波动更为持久且尖峰厚尾现象明显，且市场对全球危机的响应差异同制度成熟度高度相关，因此通过“多维度+动态窗口”分析具备显著理论与实操价值。

• 数据与假说：

涵盖2010-2024年东南亚三国日频数据，建模时区分危机期与相应平静期。模型参数（如波动率持久性、非对称参数和尾厚度）随时间窗口变化，揭示机构如何调节危机冲击的放大与衰减。
此设计突破了过往文献单事件和单市场局限，为宏观金融风险分析提供新视角。[page::2,3]

2. 文献综述 (Section 2)

• 主要内容：

概述ARCH起源与GARCH族模型的发展，重点介绍EGARCH和TGARCH捕捉波动非对称响应的能力。
确认金融收益分布厚尾性及使用学生t分布和GED分布等改进误差分布假设的必要。
强调新兴市场波动持续性更强、预测难度更大，机构因素如监管透明度和资本流动开放程度对市场稳定性影响显著。
金融危机文献多涉及波动放大与联动效应，但多为单市场或事件研究，缺乏机构差异与多次危机综合比较。

• 理论缺口：现有研究多隔离考察机构或危机因素，缺乏同时综合考察的动态建模框架。

- 贡献说明：将多危机、多市场、机构异质性通过EGARCH/TGARCH模型结合，填补该研究空白。[page::4,5,6]

3. 研究方法 (Section 3)

• 数据来源：

东南亚三大股市指数（^JKSE印尼、^KLSE马来西亚、PSEI.PS菲律宾）及美元兑本币汇率、VIX指数（日频，2010-2024）。
选定三个危机窗口及其前后平静期：2013年5-12月Taper，2020年3月-2021年6月COVID-19，2022年2月-2023年6月加息期。

• 预处理：

价格转化为对数收益，缺失值用线性插值处理。
通过ADF测试确认三国收益序列均平稳，适合应用GARCH类模型（统计显著性$p<0.01$）[page::7,8,9]

• 模型设定：

基本GARCH(1,1)模型方程：
$\sigmat^2 = \omega + \alpha \epsilon{t-1}^2 + \beta \sigma{t-1}^2$，其中$\alpha$反映冲击响应，$\beta$反映波动持续性，$\alpha+\beta \approx 1$表示强持久性。
非对称效应用两种模型描述：
- EGARCH(1,1)：$\log(\sigmat^2) = \omega + \beta \log(\sigma{t-1}^2) + \alpha \frac{|\epsilon{t-1}|}{\sigma{t-1}} + \gamma \frac{\epsilon{t-1}}{\sigma{t-1}}$，其中$\gamma>0$表明负面消息放大波动。
- TGARCH(1,1)：$\sigmat^2 = \omega + \alpha \epsilon{t-1}^2 + \gamma d{t-1} \epsilon{t-1}^2 + \beta \sigma{t-1}^2$，$dt=1$若$\epsilont<0$，否则0，$\gamma>0$代表负消息的额外波动影响。
收益的创新项服从标准化学生t分布，考虑厚尾特征。

• 参数意义：

$\omega$为长期波动水准，$\alpha$为对新冲击反应，$\beta$为波动率持续度，$\gamma$为非对称/负面信息放大效应，$\nu$为学生t自由度（尾厚度）。

• 估计方法：MLE极大似然法，统一模型规范保证跨国比较一致性。

- 样本划分：
依据危机与前后阶段分为6个子样本，静态估计各参数以揭示危机期间波动动态变化。
[page::9,10,11]

4. 实证结果（子样本参数估计 Table 2 分析）

• 总体趋势：

1) 危机期间，$\alpha+\beta$显著上升，表示波动率持久性增强；
2) $\gamma$普遍增大，凸显负新闻加剧波动放大效应；
3) 学生t自由度$\nu$下降，说明收益分布尾部更厚，极端波动概率上升。

• 个别市场表现：

印尼：危机期波动率持久性（$\alpha+\beta$）接近1，$\gamma$大幅提升，后期（疫情后）迅速回落至约0.6，表明恢复较快。
马来西亚：波动率稳定性较强，危机时波动率轻微超过单元根阈值（$\alpha+\beta>1$），$\gamma$危机后甚至转负，反映正面消息降低波动力，机构成熟阻滞市场过度波动。
菲律宾：最剧烈波动变化，疫情期间$\alpha+\beta$>1且$\gamma \approx 0.32$，处于近爆炸性波动状态，恢复期缓慢，显示流动性差及制度薄弱导致更持久的市场波动不稳定。

• 定量解释示例（部分值）：

印尼Taper期EGARCH参数：$\alpha=0.23, \beta=0.9885, \gamma=-0.106, \nu=20.22, \alpha+\beta=0.7055$；TGARCH模式中$\gamma$转正0.18。
菲律宾COVID期EGARCH：$\alpha=0.062, \beta=0.95, \gamma=0.324, \nu=3.6, \alpha+\beta=1.05$，尾部厚度显著且持久性超1。

• 结论提炼：

市场波动动态的跨国差异明确揭示制度环境在波动率放大与恢复过程中的缓冲角色。[page::12,13,14]

5. 模型诊断与稳健性检验

• 标准化残差分析（图15至17）：

残差波动围绕零，无明显自相关，偏离置信区间较小。
QQ图显示残差接近学生t分布线性拟合，仅尾部略有曲折，符合厚尾假设。
模型波动率跟踪了残差的绝对值变化，证明波动聚集性被良好捕捉。
99%VaR超过观测事件极少，初期危机冒出少量异常。

• 统计检验（Table 3）：

Ljung-Box检验残差无明显序列相关（印尼$p=0.045$, 马来西亚$p=0.099$, 菲律宾$p=0.593$）。
ARCH-LM检验显示印尼无残余条件异方差，马来西亚和菲律宾仅有轻微残余异方差（$p=0.02$, $p=0.03$），未显著影响模型有效性。

• 误差分布替换检验（Table 4）：

替代学生t为GED，形状参数均在1.3-1.4范围内，均明显低于2，续证厚尾特性。对数似然接近原模型，估计稳定，结果不受误差分布假设左右。

• 综合点评：诊断显示EGARCH和TGARCH模型结构合理，能有效刻画市场波动细节及非对称性，保证实证结论稳健。[page::15,16,17,18,19]

6. 跨国比较参数汇总 (Graphs 4-6)

• 跨市场异同：

菲律宾$\gamma$最高（负新闻放大强），其次印尼，马来西亚最低。
$\alpha+\beta$指标均接近1，显波动持久性显著。
自由度$\nu$均落于5-8，表明厚尾普遍存在。
以上指标体现出市场从波动率模型参数映射的制度成熟度差异。

• 理论呼应：与Abdalla and Winker (2012)及Tsay (2005)相符，制度强度高的市场波动参数更“温和”，风险控制更有效。

- 机制确认：高持久性与强非对称性的波动结构，是危机放大效应的数学体现，制度差异调节该结构的峰值与恢复速度。[page::20,21,22]

7. 结论、机制与政策建议

• 结论总结：

（1）普遍特征——稳定性和平稳性由ADF检验确认，波动率长持久及厚尾分布存在于所有市场。
（2）危机影响——危机期参数表现为“更持久、更非对称、尾部更厚”，负面新闻对波动的放大效应显著，恢复期则渐趋平稳。
（3）机构调节——马来西亚波动非对称性较低且恢复快，印尼居中，菲律宾波动持久性高，恢复慢。

• 机制阐释：

机构通过透明度、监管效率和流动性供给缓冲危机传导，降低波动率峰值和加快恢复。制度成熟市场实现“放大抑制”和“快速修复”功能。

• 政策建议：

1) 信息传播杠杆：危机初期采用透明、结构化的前瞻性风险声明，避免预期连锁反应放大波动。
2) 流动性杠杆：危机中通过反周期保证金政策、市场做市商激励、临时流动性支持等工具缩短高波动持续阶段。
3) 差异化国别策略：马来西亚侧重透明度和稳定政策，印尼平衡资本流与透明度，菲律宾优先市场深度与规则制度建立。
4) 三阶段推动策略：早期稳定预期-中期修复流动性-末期总结固化制度。

• 核心理念：政策效力来源于对$\gamma$和$\alpha+\beta$的针对性调控，即减少坏消息波动放大和缩短波动持续时间，实现危机期间波动从“被动冲击”转向“主动调节”。[page::23,24,25,26,27]

8. 研究限制及未来展望

• 不包含外生回归变量（如VIX等）进方差方程，未来可考虑带外生变量的GARCH-X模型拓展。

- 仅限股票市场收益率，未来拟纳入多资产类别及多变量GARCH模型研究跨市场联动。

• 对机构差异仅为定性横截面比较，未来应引入精细化量表（监管透明度、资本账户开放、法治等）实现量化分析。

- 可结合高频数据和事件研究法，或引入机器学习/半参数方法优化尾部风险识别与模型解释力。
[page::28,29]

---

三、图表深度解读

表1（ADF检验结果）

• 反映印尼、马来西亚、菲律宾三国股票收益序列均为平稳序列（Dickey-Fuller统计显著低于临界值，$p<0.01$），验证GARCH类模型应用的基本前提条件，保证模型有效性。[page::9]

表2（多阶段EGARCH/TGARCH参数估计）

• 详细展示了不同危机期与非危机期、三国、两模型（EGARCH/TGARCH）的关键参数$\alpha, \beta, \gamma, \nu$及波动持久性指标$\alpha+\beta$。

- 明确反映危机期间普遍持久性上升且非对称性增强，尾部厚度增加。

• 三国间制度成熟度差异体现为参数峰值幅度及复归速度差异。

- 该表作为本文分析核心实证数据源，是理解机构差异如何作用于危机冲击波动率结构的中枢证据。[page::12,13]

图15-17（标准化残差及诊断）

• 各国标准化残差稳定围绕零，残差自相关系数在95%置信区间内，QQ图近似学生t分布，显示模型详细捕捉了收益的动态特征和尾部风险，VaR超过事件少。

- 表明模型在拟合过程中的解释力强，残差满足无序列相关及异方差残余有限，支持参数估计的有效性。

• 输入诊断测试结果（Ljung-Box及ARCH-LM）显示模型结构符合统计假设，是模型适用性和可靠性的进一步佐证。[page::15,16,17,18]

图20-21（跨市参数对比图）

• 图表直观呈现$\gamma$、$\alpha+\beta$及$\nu$参数在三国的横截面差异。

- 菲律宾顶端表现最剧烈的非对称放大与波动持久性，马来西亚最为稳健。

• 该图形和数值佐证了制度成熟度和监管框架在波动结构中的缓冲作用，是跨国比较的直观定量支撑。

- 结合文本对比模型结果说明机构强弱造成市场风险结构和恢复速度的实质性影响。[page::20,21]

---

四、估值分析

本研究属于波动率结构的分析研究，不涉及企业估值等传统金融估价指标，无专门估值章节和目标价设置，无相关DCF或PE模型应用。

---

五、风险因素评估

• 研究明确识别市场制度薄弱（如菲律宾）所带来的风险，即危机期间波动率持续时间长、非对称放大显著，导致市场脆弱性和修复能力不足。

- 波动性高度放大增加极端事件概率，放大投资者恐慌和潜在市场失序风险。

• 没有显著提出缓解策略的发生概率量化，但建议通过制度完善、信息披露和流动性支持等政策操作对风险进行管理和缓冲。[page::24,25,26]

---

六、批判性视角与细微差别

• 潜在偏见：

研究采用学生t和GED分布验证厚尾性，模型结构选择广泛认可，但未尝试深度非参数法或机器学习模型，可能在捕捉极端尾部风险时存在一定局限。

• 样本局限：仅限三个新兴市场，可能难以全面反映整个东南亚甚至亚洲市场异质性。

- 机构测量粗糙：机构差异仅以跨国比较形式呈现，缺乏具体量化指标制约了深度分析力度和政策针对性。

• 模型假设：未考虑外生冲击变量（如VIX、汇率波动）对波动率的直接作用，后续研究需纳入以反映更动态的外部传导机制。

- 内部一致性：研究整体逻辑连贯，统计检验充分支持结果，但部分模型残留的轻微异方差性能否完全忽略未深入探讨，留待未来稳健性验证。

---

七、结论性综合

本文通过多时段（by-window）EGARCH和TGARCH模型，系统揭示了印尼、马来西亚、菲律宾三国股市在2013年Taper、2020-21年COVID-19及2022-23年加息三大全球危机冲击下的波动率结构演变，重点分析了制度差异对危机放大效应和恢复轨迹的调节作用。

数据和模型明确显示：

• 危机放大效应：危机期间，波动率的持久性($\alpha+\beta$)和负新闻放大效应($\gamma$)显著增强，带来更厚的收益尾部（$\nu$降低），增加极端事件频率，市场风险显著加剧。

- 制度缓冲角色：马来西亚波动持久性较低，非对称参数回落快，表明其较完善的监管和信息透明机制有助于降低波动放大和加速市场恢复。菲律宾因市场规模小、制度不足，表现出高持久性及放大效应，波动持续时间长，修复缓慢。印尼居中。

• 诊断稳健性：模型残差无显著序列相关和异方差残余，学生t与GED分布均可稳定拟合厚尾特征，估计结论可靠。

- 政策启示：危机管理应重点调控$\gamma$和$\alpha+\beta$，通过信息披露透明化和强化流动性支持，减弱负面消息放大效应和高波动阶段的时间，差异化策略需根据市场成熟度灵活部署，实现市场从“冲击驱动”向“机制调节”转型。

以下两幅图示为参数跨国对比，直观反映了制度厚度对风险波动结构的调节力：





综上，本文填补了新兴市场多危机动态下制度与波动同步建模的研究空白，为学术经济学和宏观审慎监管提供了重要理论支持和实操指引。[page::0-31]

---

结束语

本报告以严谨的统计测试、多模型交叉验证及详实的跨国比较，深刻揭示了新兴市场制度质量如何调控危机期间波动结构，既拓宽了波动率金融计量经济学的研究边界，也为政策制定者在全球金融不确定性加剧的背景下提供了科学的风险管理视角和分类指导策略。这一多元视角分析的架构与结论，对理解和应对未来金融市场波动风险具备重要借鉴价值。

报告