《表3 不同收益率标准化残差序列的阈值选取及参数估计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《互联网金融业对传统金融业风险溢出效应研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:zn，t、zb，t、zs，t、zi，t分别表示互联网金融业、银行业、证券业和保险业收益率的标准化残差序列

从上述数据特征观察可知，行业收益率波动均存在“丛集性”特征，同时为了检验波动是否存在“非对称性”，使用EGARCH（1，1）模型。经检验，四种收益率序列均为平稳性序列。这里，均值方程设定为（4）式形式，方差方程设定为（5）式形式，估计结果如表2所示。可以看出:第一，a1和a2均大于0，四种行业的收益率波动均表现为丛集性和持久性；第二，关于非对称效应的检验，四种行业表现出差异性。银行业和保险业表现出的杠杆效应较为明显，即行业收益率波动受不利因素影响的程度更大，一种可能的原因:银行业和保险业运作相对稳健，对于正面积极的消息反应并不如负面消息强烈。互联网金融业和证券行业杠杆效应并不显著，一种可能的解释:互联网金融受外部消息影响大，对于政策开放包容、行情看好时的积极扩张与风险频发、监管强压下的迅速收缩反应程度同等强烈；证券业对低迷后的复苏及繁荣后的衰退可能存在同等程度的过度反应。这使得收益率波动没有呈现出显著的非对称性。这也与所选时间段的互联网金融及股票市场前后行情变化也相对吻合。此外，基于EGARCH模型提取标准化残差序列，双尾在采用GPD分布拟合时，阈值选取按照样本总数10%的方法确定，GPD分布参数结果估计和标准化残差分布拟合图如表3和图3所示。