美国与中国向拉丁美洲股票市场的波动率溢出效应

《Financial Innovation》：Volatility spillovers from the United States and China to Latin American stock markets

　　

传统上，美国一直是拉丁美洲主要的贸易与金融伙伴。然而自2000年以来，由于中国日益增长的影响力，美国在该地区的霸权地位有所下降。中国作为拉丁美洲资本来源的崛起日益整合了双方的金融市场，潜在地增加了波动率溢出（volatility spillovers）的风险。研究人员采用异质自回归分布滞后（Heterogeneous ARDL）模型，研究了美国和中国的波动率传输（volatility transmission）在短期和长期层面对拉丁美洲六个主要股票市场的影响。尽管美国的波动率溢出随时间推移有所减弱，但其相关性仍高于中国。在控制大宗商品价格波动率后，这一发现依然成立。识别美国和中国的波动率溢出动态模式，有助于投资者做出更明智的投资组合管理决策，并帮助政策制定者监测该地区的金融稳定。

研究背景方面，自2000年以来，美国与拉丁美洲的经济金融联系虽仍深厚，但中国在贸易、外商直接投资（FDI）、投资组合流入及官方贷款等方面的崛起显著改变了区域格局。中国已成为多个拉美国家的主要贸易伙伴及重要外部资金来源，这种依存关系可能通过贸易、大宗商品价格及金融流动三个渠道增加拉美市场对华金融冲击的暴露度。然而，现有文献多单独考察美国或中国的溢出效应，且对金融流动渠道的研究不足，同时缺乏对美国与中国对拉美波动率溢出效应的同期比较及短长期动态分解。鉴于此，研究人员开展本研究以明确中、美两国对拉美股市波动率的传导强度、速度及时间维度差异，这对投资组合管理与金融稳定监测具有重要意义。本文发表于《Financial Innovation》。

关键技术方法方面，样本涵盖2000年1月4日至2020年12月30日美国（SP500）、中国（SHCOMP）及拉美六国（阿根廷MERVAL、巴西BOVEPSA、智利IPSA、哥伦比亚COLCAP、墨西哥IPC、秘鲁IGBVL）股指日内开盘、最高、最低、收盘数据，源自Bloomberg。研究人员采用Garman and Klass区间波动率（range volatility, RV）估算日度波动率并取对数；构建异质自回归分布滞后（Heterogeneous Autoregressive Distributed Lag, HARDL）模型，将波动率分解为日、周、月分量以分离短期与长期乘数（long-run multiplier, LRM）；通过Pesaran边界检验处理非平稳性，采用滚动窗口（窗口长度500日）与子样本（以2007–2008年全球金融危机GFC为界）分析系数稳定性，并以大宗商品波动率作为控制变量进行稳健性检验。

研究结果部分保留原文小标题并简述如下：

Introduction部分，研究人员综述了美拉传统纽带及中拉在贸易、大宗商品、金融（FDI、政策性贷款）三渠道的深化，指出金融渠道研究缺口，提出需辨析波动率溢出是即时还是渐进发生，并阐明研究对投资者与政策制定者的价值。

Literature review部分，分United States and Latin America、China and Latin America、Contagion and interdependence三节梳理。美拉文献证实美国仍是主要金融伙伴，危机期间溢出增强；中拉文献显示贸易与商品依赖上升但金融溢出证据有限；传染与相互依存理论回顾了多元GARCH、Diebold and Yilmaz方法及ARDL在波动率研究中的应用，指出HARDL在异质性时域分解上的优势。

Methodology部分，Range volatility小节说明采用Garman and Klass estimator：V_t = 0.511(h_t-l_t)² - 0.019[c_t(h_t + l_t) - 2h_tl_t] - 0.383(c_t)²，年化乘以252。Autoregressive distributed lag models小节定义ARDL(p,q)及转移函数，推导LRM=B(1)/A(1)。Parsimony and heterogeneous effects through time小节提出HARDL模型：y_t = α_dY^d_t-1 + α_wY^w_t-1 + α_mY^m_t-1 + β₀x_t + β_dX^d_t-1 + β_wX^w_t-1 + β_mX^m_t-1 + ε_t，其中n_w=5, n_m=21，以此捕捉日、周、月异质效应。

Results and empirical analysis下各小节结论如下：

Data小节，确认六国指数覆盖拉美98%市值，哥伦比亚自2008年起有数据，其余约5218个观测值。

Baseline results小节，全样本OLS显示调整R² 0.35–0.50，无残差自相关，A(1)≠0通过边界检验。美国β₀约0.20–0.30，LRM约0.20–0.40且显著；中国仅智利β₀≈0.03显著，墨西哥与秘鲁LRM显著但无短期效应，其余不显著，表明美国溢出系统性更强。

Subsample stability小节，Chow型检验显示巴西、智利、墨西哥、秘鲁系数不稳定。GFC前中国LRM在墨、秘较大且显著，GFC后减弱消失；美国β₀两子样本均显著但略降，LRM在巴西两期、哥伦比亚二期显著；阿根廷无中国显著溢出，美国LRM子样本不显著。

Rolling window estimation小节，500日滚动估计显示美国β₀呈驼峰状，GFC、2016年美国大选、COVID-19期间升高；中国β₀仅阿根廷早期2020、墨西哥2018、智利2016中期后短暂显著。累积效应β₀+β_d+β_w+β_m美国多在危机期显著，中国难见长期显著。

Secondary findings小节，加入大宗商品波动率后，GFC前中美系数幅度下降但美显著性不变，中在墨、秘、智仍边缘显著；GFC后商品波动率短期显著（哥伦比亚现长期），中美结论定性不变。改用标准差√V_t估计，结论与HARDL全样本一致。

Economic implications小节，研究人员总结美国短期溢出同步于全球危机，β₀自2015年下降；长期乘数仅GFC与COVID-19显著，表明美国传导短期超调。中国溢出有限且国别特异，主要通过大宗商品间接传导。对组合经理需动态调整尾部风险对冲，利用美长期溢出减弱进行脱钩策略；期权市场因溢出降低隐含波动率下降；政策者应加强跨境协调。

Conclusions部分翻译总结如下：

自2000年代初以来，中国大幅扩展了与拉丁美洲的贸易和金融联系。在本研究中，研究人员通过聚焦对中国市场波动率暴露的潜在影响，探讨了这一日益增长的关系对该地区股票市场的影响。利用异质自回归分布滞后（Heterogeneous ARDL）模型评估来自美国和中国的波动率溢出，研究结果表明中国股票市场波动率并未对该地区构成显著关切。影响中国市场的本地消息似乎并未溢出至拉丁美洲交易所。相比之下，美国仍是该地区波动率的主要传输方，表明与美国股票市场相关的负面事件继续对拉丁美洲的金融不稳定构成风险。

分析指出若干未来研究方向：理解美国高溢出与中国低传输的原因至关重要；行业层面方法可揭示中国在采矿、能源等投资突出领域的微弱传输；大宗商品价格波动率溢出显著表明中国冲击可能通过商品市场间接溢出；在与中国金融联系更紧密的区域（如一带一路倡议影响区）复现分析可提供额外洞见。

要不要我帮你把这篇论文里的 Heterogeneous ARDL 模型公式和 Garman and Klass 波动率估计式整理成清晰的条文说明？