1

主權債信危機與金融市場蔓延效果之探討

The Sovereign Crisis and Contagion in Financial Markets

謝振環 Shieh Chen Huan

銘傳大學會計學研究所副教授

何宜璇 Ho. Yi-shsuan

銘傳大學會計研究所研究生

Department of Business Administration, Ming Chuan University and Graduate

Institute of Management, Ming Chuan University

摘要：蔓延之定義為，當一國或區域國家受到金融危機的衝擊後，跨市場間的共同移動趨勢將有

顯著的上升或增加；相對於非金融危機衝擊的情況下，透過資產價格及跨市場間資金流動的共同

移動趨勢衡量金融危機衝擊的程度。本研究的目的在探討歐洲主權債信危機期間，希臘的主權信

用違約交換對於外匯市場及債券市場蔓延效果的傳播方向與影響幅度。文中的樣本資料選取於

DATASTREAM資料庫，資料期間涵蓋2007年至2012年的日資料。與過去文獻不同的是，本研究

分成兩階段:首先，本文將以DFGM、FG及FRM模型確認蔓延效果是否存在及其影響方向，其次，

在確定影響方向後，本文再以GARCH-in-mean及VAR探討影響的幅度。

關鍵詞：蔓延效果、Component GARCH模型

Abstract：Contagion is best defined as a significant increase in cross-market linkages after a shock to

an individual country (or group of countries), as measured by the degree to which asset prices or

financial flows move together across markets relative to this comovement in tranquil times. This paper

attempts to study contagion effect of CDS, bond, and currency market during the sovereign crisis. Data

comes from DATASTEAM which occurs from January 1, 2007 to December 31, 2011. Previous

research focuses on the contagion effect for the different fundamental crisis. This paper consists of two

parts: the direction of contagion and the long run and short run volatility of contagion effect.

Keyword: Contagion、Component GARCH Model

2

壹、 導論

近年來全球許多國家追求金融自由化的同時、國際金融市場紛紛解除管制、新的金融商品

不斷推陳出新和網際網路科技的發展、使得國際資金可以自由的跨國移動，形成了全球經濟村。

而隨著產業國際化與資本移動現象急速增加後，也使得國內外金融危機的發生對各國經濟市場的

衝擊影響甚大。因此，危機產生後的蔓延效果也引起各界的注意。

2010年的歐洲主權債信危機猶如一股瘟疫般，在歐元區擴散開來。同時也引發國際間恐慌。

歐洲股債市更是雙雙下跌，投資人擔心歐豬五國(PIIGS)將無力償還債務，甚至憂慮歐洲10多年

來建立的金融體系將因此瓦解。儘管一般預期德國等體質較健全的國家終將金援希臘，急跌的歐

元卻顯示出投資人在此時寧可選擇一條較安全的路。許多投資人將資金從歐洲撤出，轉買美元、

日幣以及短期美國公債。

從歷史上來看，發生主權違約並不罕見，一旦一國的資產和經濟增長能力無法負擔其沉重

的債務包袱時，債務國將選擇主權違約來消除債務負擔的可能性就變得很大。由於全球化與國際

化的整合是目前世界各國經濟體系欲邁向的大趨勢，因此，國際貿易與資金流動更趨頻繁。一旦

某一國家發生金融危機，則危機的影響與擴散將會由如骨牌效應般蔓延開來。如何防止個別國家

或經濟區域的金融危機擴散到其他國家或地區，是當務之急。然而，另一方面，是否所有的金融

危機都具有蔓延效果?

全球化是目前各國跟隨的主要趨勢，因此，開放貿易與金融市場是大勢所趨，造就國際貿

易與資金流動更趨頻繁，也使得衍生性金融商品廣泛流通於市場上。2008年9月15日投資銀行雷

曼兄弟引發的次級房貸危機產生的後續結果並未完全解決，更蔓延至今日的歐洲主權國家債信危

機。次級房貸危機造成的恐慌情緒蔓延，同時經濟邁向全球化趨勢，使得單一國家的金融市場危

機，較容易迅速波及到各國。一般而言，當世界的主要國家，如美國、歐盟國家的核心國，出現

財務危機時，往往導致全球經濟危機(Reinhart and Rogoff,2008)。再加上國際化及各國的關係越

緊密，則蔓延效果(contagion effect)越加顯著(Kaminsky, Reinhart and Vegh,2004)。

Kaminsky, Reinhart and Vegh(2004)文中定義蔓延效果為: 當金融危機事件發生時，根據此

事件的結果為迅速且強烈，其發展為數小時或數天，並使得數個國家共同產生立即且顯著的蔓延

效果影響。文中並探討國際間金融事件的蔓延效果並指出蔓延效果另一個傳導機制是透過國際貿

易，實證結果指出，於金融危機時期，國際間產生立即顯著的蔓延效果。

Longstaff(2010)文中探討2006年至2008年間次級資產抵押的擔保債權憑證(CDO)的定價和

對其他市場造成蔓延效應。文中採用CDO的ABX指數探討是否當金融危機發生時，市場間存在

蔓延效果，並運用自我向量回歸模型(VAR)的架構測試在危機發生後，ABX市場與其他市場間關

係的變化，並進一步指出蔓延效果的傳播是由信用評等較低的ABX指數蔓延至信用評等較高的

ABX指數，並且從次級市場蔓延至國庫券及股票市場。

Hui and Chung(2011)指出一個國家的經濟政治的不穩定是連繫於該國家的信貸風險，且往

往會導致其貨幣的大幅貶值和大幅波動。在2009年至2010年間主權信用危機，不僅財政狀況較弱

的歐元區國家的信譽，以及健全財政狀況歐盟區會員國皆為價外賣權價格的重要因素，價外賣權

價格¬為在歐元crash risk的訊息中。研究發現在金融危機期間，從主權信用違約交換市場至貨幣

期權市場中的信息流(information flow)。

回顧歷年來的金融危機，以往的文獻主要探討金融危機蔓延理論下的蔓延效果，或債券市

3

場、貨幣市場受到金融危機的影響。投資人透過衍生性金融商品，確保自身權益；同時進行套利、

投機等行為，從中獲取利益。過去的研究多個別探討，各市場間的蔓延效果。Hui and Chung(2011)

研究信用違約交換與貨幣市場間蔓延效果；Longstaff(2010)探討債券市場與擔保債權憑證之蔓延

效果；Aktug (2011) 信用違約交換、外匯市場、當地貨幣政府債券價差及國家股市指數之間的相

互作用。本文與以往的文獻不同於，透過此次希臘引發的歐洲主權債務危機，探討主權信用違約

交換在金融危機下所產生的蔓延效果，並進一步探討蔓延效果傳染的方向及幅度。

本文的架構共有四節。第一節為導論，包含了研究動機和文獻回顧。第二節為計量方法，

介紹蔓延模型及VAR-GARCH模型。第三節則說明資料來源與實證結果分析。第四節為結論，總

結整個研究結果。

貳、 計量方法

本研究主要探討信用違約交換對於債券市場與外匯市場蔓延效果的方向及影響程度。依據

Dungey et.(2005)，本文利用適當的時間序列模型分析並探討主權歐洲債信的前後，信用違約交換

市場、債券市場與外匯市場中是否具有蔓延效果及其方向，隨後深入研究影響的幅度。

(一)蔓延模型

不同於，Dornbush, Park, and Claessens(2000)以及Pericoli and Sbracia(2003)，先假定金融危

機事件中，已存在蔓延效果。本文首先測試蔓延效果的方向及幅度且將蔓延效果的測試分為兩階

段，第一階段利用Dungey(2005)三項檢定:Dungey, Fry, Gonz´alez-Hermosillo, and Martin(2005; the

DFGM test)；Forbes and Rigobon (2002; the FR test)中的相關性分析方法。我們透過上述兩種測試

檢驗歐洲主權債信的金融危機後，是否具有蔓延效果存在與方向。

為方便說明，我們以二因子模型來說明:

(1)

其中， 和 分別代表共同因素與特定因素的影響。

此外， 表示在非金融危機時期，第i期的資產報酬； 為在金融危機期期間，第i期的

資產報酬。非金融危機期間與金融危機期間分別以 與 表示。在標準的二因子模型假設的期

間中，影響所有資產市場的共同衝擊（ ）及特定衝擊（ ），在每個市場的報酬下為線性函

數。構成N個資產市場因素分別為共同因素 及特定因素 。某些模型的共同衝擊代表市場的基

本價值，而特定衝擊表示為，相對應期間下，偏離市場基本價值的實際報酬。

金融危機期間最普遍的特點為，資產報酬率的波動性明顯的增加，即變異數 大於變異數

。此現象或許是由於共同衝擊或特定衝擊，亦或是僅在危機期間可能出現的其他途徑，所造

成波動性增加的結果。最後一項途徑，通常被解釋為蔓延的途徑(e.g., Kaminsky, Reinhart, and

V’egh, this volume; Masson 1999; Forbes and Rigobon 2002)。換言之，金融危機蔓延衡量波動性的

增加，必然排除共同衝擊( )的波動性增加或特定衝擊（ ）的波動性增加，或兩者波動性的

增加。為使金融危機期間中潛在蔓延的傳播機制，其必要的參數方程式，在金融危機期間 中

的報酬，包含額外的蔓延變數。

4

1. DFGM 檢定

Dungey et al. (2005) 文中的蔓延測試特定衝擊傳播於整個資本市場的蔓延效果。我們將式

(1)的 以 取代，而變成:

(2)

上式的 為在第t期受到衝擊的第j個資產報酬傳播到第i的資產報酬。為檢定蔓延效

果是否存在於所有的資產市場中，我們將聯合檢定虛無假設。

在執行DFGM檢定時，全球性衝擊視為隱藏因子(latent factor)。 平均數為0與變異數為1

的獨立同分布。

為完成模型設定，特定衝擊假設為

這些假設意謂第i個資產報酬率在危機和非危機期間中的波動差異，由於蔓延效果的傳染

機制所造成，其中

(5)

根據Dungey and Martin(2004)，為使共同因素展現自我相關性及GARCH的波動性結構。藉

由式(1)至(4)中推導出之理論動差與實證動相等來進行DFGM檢定。此估計方式根據一般動差法

(Generalized Method of Moments，GMM)。

2. FR 檢定

Forbes and Rigobon (2002; the FR test)檢定危機期間及非危機期間中的資產報酬間的(非條

件)相關係數。方程式(2)中的共同衝擊 ，運用向量自我迴歸模型(vector autoregression model，

簡稱VAR)，藉由增加額外的控制變數，殘差項代表特定因素。

為檢定由主要資產市場傳播至另一市場的蔓延效果， FR檢定統計量如下所示:

代表非危機期間，兩個資產報酬之間的相關係數。至於危機期間的相關係數，

，被調整用來說明，該期間下較高的波動率，其為:

上式的 代表金融危機期間，兩資產報酬率之間的相關係數。 與

分別代表，非危

機期間與危機期間中，主要市場中第i期資產報酬的變異數。另外一種FR檢定的模型式將鄒檢定

概念納入，其模型為:

5

方程式(9) 藉由分別堆疊危機及非危機期間 及 觀察值，代表 規模彙總資

料(scaled pooled data)。式(9)的虛擬變數定義為:

其他

代表非危機期間中第i個資產報酬的標準差，而 為誤差項。蔓延效果係檢定式(8)的

。

3. FG 檢定

Favero and Giavazzi (2002)對蔓延的檢定是基於其他市場資產報酬的極端變動，引起另一市

場危機期間資產及波動性增加的概念來建立。為了說明，考慮式(2)危機期間的雙變量的模型:

(11)

(12)

蔓延效果的測試主要為 對 的影響，即檢定 。當資產市場呈現極端的移動趨勢

時，FG檢定主要由一連串的虛擬變數取代方程式(12)中的 ，其方程式如下:

(13)

(14)

與 具關聯性的K個的極端值，其定義如下:

其他 (15)

視為VAR所有變數的殘差項； 設定為3 ， 為VAR方程式第i期的殘差標準差，

虛擬變數通常也稱為超標(exceedances)。

相較於DFGM與FR檢定使用金融危機期間的所有資訊，FG檢定考慮極端值來測試蔓延效

果。蔓延效果主要對參數 進行檢定；在FG檢定中，參數 包含所有其他國家的超標

(exceedances)。此外，FG檢定需要落後的報酬和對其他資產的同期報酬作為共同因素。相較之下，

FR測試中的方程式（6）不考慮內生性問題，因此，說明本次測試的統計數據可能受到內生性偏

誤可能影響。

(二) VAR-GARCH 模型

Kaminsky et al. (2004)指出某些金融事件，如貨幣貶值或主權債務違約，立即且劇烈的引

起區域內各個國家或在某些情形下跨國的變動。這些衝擊，如亞洲金融風暴的泰銖貶值，造成包

括股價大跌，貸款成本攀升以及產出下跌的不良後果。Mun(2002)任為總體經濟發展會影響經濟

狀況的預期，而這些郁其經由所有資產報酬擴散到所有金融市場。有鑑於希臘主權債信危機爆發

所造成歐美甚至全球金融市場動盪，本研究利用VAR-GARCH模型來探討CDS對債券、匯市，甚至

股市的衝擊。有別於Mun(2012)所提及之VAR-GARCH模型，本研究包括農產品、黃金、原物料

6

及天然氣等影響全球金融市場的變數作為經濟衝擊項，以探討信用違約交換下的蔓延效果。

VAR-GARCH模型如下:

均數方程式:

(19)

(20)

條件變異數方程式:

;

;

;

;;

;

;

若衝擊為負，

其他

;

;

;

;

;

；

。

=在第 t 期下，農產品、黃金、原物料及天然氣所代表的經濟衝擊。

虛擬變數矩陣，若衝擊為負矩陣或 3×3 的零矩陣則為 ，否則為 。

在式(19)中，債券、股票及外匯市場報酬的條件均值受到過去歷史的相對應資產報酬所影

響(藉由矩陣 中的對角參數)；經濟衝擊為給定為 ；殘差項給定為 。例如，矩陣中對角參數

的值若為顯著正值，表示對持有股票市場及債券市場中投資風險資產的投資者將受到補償，而非

對角參數相對應的值顯示風險溢酬蔓延至其他市場。然而，方程式(19)中矩陣 的非主對角參

數及方程式(2)中K矩陣容許跨市場、跨國家蔓延的各種假說測試。譬如，式(19)中矩陣 的參數

C(21)與C(22)為聯合顯著，即表示報酬蔓延的方向從股票市場至外匯市場與債券市場。本文欲檢

定的虛無假設建立如下:

沒有報酬外溢

CDS 市場對債券市場及外匯市場沒有蔓延效果，其假設為

債券市場對 CDS 市場及外匯市場沒有蔓延效果，其假設為

外匯市場對 CDS 市場及債券市場沒有蔓延效果，其假設為

(21)

過去的研究普遍採用Money Market Services (MMS) International’s median研究衡量總體經

濟衝擊。不幸的是，當標準普爾出售該單位給第三者，而在2002年後，標準普爾MMS國際調查

數據不再可得。因此，本文採用以下的VAR模型推導總體經濟衝擊的估計值；

7

=天然氣、原物料、農產品及黃金的 4 個變數

= 4×1 的常數向量

= 4×3 的參數矩陣；

= 4×1 的誤差項向量

(三) 變數定義

CDS市場主測變數為五年期希臘主權信用違約交換中的報酬，變數資料來自於

DATASTREAM中的HELLENIC REPUBLIC SNR CR 5Y E。信用違約交換的貨幣單位為歐元。資

料期間為2007年12月14日至2012年3月27日的日資料，最後價值為14904.36歐元。債券市場變數

以美國銀行和美林證券所編制的歐洲政府債券指數的BOFA ML EUR UNION GVT。貨幣單位為

歐元，資料顯示為債券報酬。在外匯市場方面，本文採用資料庫中的EURO 1M FX VOLATILITY ，

資料庫中變數名稱為FVEUR1M。

在第一階段蔓延模型中控制變數中納入標準普爾500指數，採用DATASTREAM中S&P500

BANKS的股價指數，記錄美國500家上市公司的股票指數，由標準普爾公司創建並維護，覆蓋的

所有公司皆在美國主要交易所，其成份股改由400種工業股票、20種運輸業股票、40種公用事業

股票和40種金融業股票組成。以1941年至1942年為基期，基期指數定為10，採用加權平均法進行

計算，以股票上市量為權數，按基期進行加權計算。

第二階段的控制變數為歐洲DAX全球農金指數、CRB指數及S&P的GSCI Index（GSCI =

Goldman Sachs Commodity Index）商品指數。

CRB 指數(Commodity Research Bureau Futures Price Index)是由美國商品研究局彙編的商

品期貨價格指數，於1957 年正式推出，涵蓋了能源、金屬、農產品、畜產品和軟性商品等期貨

合約，為國際商品價格波動的重要參考指標。CRB 指數最初以農產品的權重較大，為能更正確

地反映商品價格趨勢，CRB 指數歷經多次的調整後，能源價格走勢愈來愈重要。2005 年，路透

集團與Jefferies Group 旗下的Jefferies Financial Products 進行合作，第十次調整CRB 指數，並更

名為RJ/CRB 指數(永豐期貨資料庫)。DAX全球農金指數（DAX Global Agribusiness Index），是

由德意志證交所集團（Deutsche Borse AG）所編製，追蹤全球主要農業相關企業表現。標準普爾

高盛綜合商品指數(GSCI = Goldman Sachs Commodity Index），被認為是國際交易市場跟蹤量最大

的商品指數，該指數成分有24個成分商品(分屬8個交易所，共12個不同收盤時間)，可分為能源、

金屬、農產品、牲畜四大類，其中金屬又可分為工業金屬及貴金屬，農產品可分為穀物及軟性商

品。為全球包括養老基金、保險公司等長期投資者投資商品市場運用得最多的商品指數。它是按

全球商品產量給各指數成份賦予權重，指數中每種商品的份量是由最近5年該商品產量的平均價

值所決定，這種權重系統每年調節，每年1月份實施調整。

(四) 背景說明

2009年底國際信用評等機構下調希臘主權債信評等，引爆希臘政府債券危機，為歐洲主權

債信危機揭開序幕。如今歐洲債信風暴蔓延世界各國經濟及股市，而歐洲地區首當其衝，希臘和

葡萄牙債信評等面臨信評調降，西班牙陷入財政困境，就連非歐盟會員國的英國也債務纏身。看

似國際股市對於台股的影響程度影響不大，但事實卻不盡然，歐元重貶回到1.4美元、歐股狂瀉

8

之下，讓市場恐慌情緒再度上揚，不僅亞洲股市全面收黑，台股亦在金融類股壓抑下，呈現開低

走低格局，失守7400點關卡，終場加權股價指數大跌184點，收於8376點。債務危機爆發后，歐

洲經濟遭受重挫。2011年7月初至9月底，歐洲股市三大股指一路下滑，德國DAX指數、法國CAC40

指數和英國《金融時報》100指數的跌幅分別高達30.8%、30.5%和12.6%。2007年11月17日，法

國10年期公債對德國公債殖利率利差一度攀抵近2%的歐元區新高紀錄，義大利5年期與10年期公

債殖利率也連續第二天突破7%的警戒線。這場歐洲債信危機浪潮恐怕會演變成全球性經濟風暴，

並使社會大眾紛紛憶起2008年的雷曼兄弟所造成的世紀金融海嘯，因此，歐洲債信危機已引起社

會大眾、投資人及各國關注。

參、 資料來源與實證結果

(一) 資料來源

本文樣本來自DATASTREAM資料庫。希臘於2009年11月23日公布年度預算赤字，我們以

該日為危機當日。研究期間主要分為3段:主權債信危機前(2009年1月1日至2009年11月22日)，主

權債信危機後(2009年11月23日至2012年3月27日)以及全部期間為2007年12月14日至2012年3月

27日，共1118筆資料。為使研究結果不受到雷曼兄弟事件衝擊(2008年9月15日)，故樣本期間以

2009年1月1日為起始日。危機結束的日期為2012年2月24日。原因是在2012年2月23日，希臘國會

通過希臘政府和民間債權人達成的換債協議，以便24日開始落實。另一放面，支持歐盟樽節計畫

的法國總統薩柯齊未能連任，致使希臘再度掀起一陣反樽節聲浪。因此，本研究以資料擷取完成

最後日(2012年3月27日)為第2次危機日。有關各個樣本之筆數整理於表4-1。至於詳細的變數定義，

請見附表一。

(二) 實證結果

1.第一階段

在蔓延效果測試中，本文預期此次歐洲主權債信危機存在蔓延效果且危機衝擊由信用違約交

換市場蔓延至債券市場，然後再由債券市場蔓延至外匯市場。

表4-2顯示，CDS、債市、匯市蔓延效果的檢定，表中列出DFGM、FR-B、FR-M及FG的檢

定結果。在第一欄為蔓延效果的來源。第二欄為則為接受蔓延的市場。估計係數包括檢定統計量

及相關P值。首先，所有的檢定都顯示拒絕沒有蔓延效果的虛無假設，至於在各別市場對另外兩

個市場的衝擊。DFGM、FR-M及FG都支持CDS對債市及匯式有顯著蔓延效果。在FR-B檢定結果

中，匯市對CDS和債市的影響為統計不顯著，倘若觀察各別市場的相互蔓延，結果呈現有趣的一

面。DFGM及FG檢定支持CDS對債市的影響，但FR-B及FR-M均未發現CDS對債市有顯著影響。

表 4-1 各樣本筆數

變數名稱 樣本筆數

希臘五年期主權信用違約交換報酬 1118

美國 S&P 500 銀行股價指數 1118

美國銀行美林證券歐元區政府債券報酬 1118

歐元一個月期外匯波動 1118

9

至於債市對匯市的影響，所有的檢定均支持蔓延效果的存在。

表4-3提供以危機結束日2012年3月27日進行第二次蔓延效果檢定。實證結果大致與表4-2

所提供的證據相同。因此，第一階段的蔓延效果檢定，大致支持CDS對債市及匯市的衝擊，且其

方向為CDS影響債市，債市影響匯市。但匯市對CDS的影響結果並不一致。

表 4-2 CDS、債市、匯市於歐洲主權債信危機蔓延效果檢定統計量(20120224)

Host Country Recipient Country DFGM FR-B FR-M FG

CDS BOND 41.345 *** -0.052 0.672 40.389 ***

(0.000) (0.521) (0.412) (0.000)

FX 0.161 0.546 8.285*** 2996.720 ***

(0.688) (0.292) (0.004) (0.000)

Both 124.265 *** - 8.409*** 2970.467 ***

(0.000) - (0.015) (0.000)

BOND CDS 0.175 -0.046 1.453 322.549 ***

(0.676) (0.518) (0.228) (0.000)

FX 5.083** 1.538* 14.362 *** 173.459 ***

(0.024) (0.062) (0.000) (0.000)

Both 17.596 *** - 14.514*** 11.815

(0.000) - (0.001) (0.066)

FX CDS 0.004 0.832 24.427*** 878.544 ***

(0.949) (0.203) (0.000) (0.000)

BOND 30.029 *** 1.204 9.930*** 132.048 ***

(0.000) (0.114) (0.002) (0.000)

Both 54.725 *** - 25.515 *** 900.945 ***

(0.000) - (0.000) (0.000)

JOINT - 384.579 *** - 48.968 *** 1405.672 ***

- (0.000) - (0.000) (0.000)

註: ***表示在 1%的顯著水準下為顯著；**表示在 5%的顯著水準下為顯著；*表示在 10%的顯著水

準下為顯著。

10

2、第二階段

(1)、單根檢定(Unit Root Test)

本文在估計蔓延效果前，先將所有變數資料進行Augmented Dickey-Fuller檢定(ADF檢定)，

檢視CDS、債市及匯市的股價指數是否為穩定狀態。若數列非為穩定狀態，則將需資料予以差分

(本研究以取對數報酬為報酬率的表達方式，以判斷)。在4-4表中，CDS的ADF-t統計量是1.814256；

BOND的ADF-t統計量是-0.380429以及EXCHANGE1M的ADF-t統計量是-2.673014，結果顯示序

列在原始值皆無法拒絕具單根的虛無假設，本研究針對所有變數進行一階差分。結果顯示CDS

的ADF-t統計量是(-30.87222)；BOND的ADF-t統計量是(-30.81777)以及EXCHANGE1M的ADF-t

統計量是(-26.39780)，所有變數均拒絕單根的虛無假設。接著下來，我們針對CDS、債市及匯市

進行VAR-GARCH模型的估計。表4-6列出考慮經濟衝擊下，債市、匯市及股市在主權債信危機

表 4-3 CDS、債市、匯市於歐洲主權債信危機蔓延效果檢定統計量(20120327)

Host Country Recipient Country DFGM FR-B FR-M FG

CDS BOND 41.882*** -0.055 0.681 649.084***

(0.000) (0.522) (0.409) (0.000)

FX 0.122 0.569 8.461*** 3887.788***

(0.727) (0.285) (0.004) (0.000)

Both 117.306*** - 8.585** 3052.160***

(0.000) - (0.014) (0.000)

BOND CDS 0.176 -0.051 1.450 392.296***

(0.675) (0.520) (0.229) (0.000)

FX 4.812** 1.522* 14.121*** 216.860***

(0.028) (0.064) (0.000) (0.000)

Both 17.326*** - 14.281*** 9.059

(0.000) - (0.001) (0.170)

FX CDS 0.003 0.849 24.600*** 829.870***

(0.954) (0.198) (0.000) (0.000)

BOND 28.927*** 1.195 10.103*** 215.147***

(0.000) (0.116) (0.001) (0.000)

Both 49.428*** - 25.381*** 945.985***

(0.000) - (0.000) (0.000)

JOINT - 373.065*** - 48.758*** 1866.697***

- (0.000) - (0.000) (0.000)

註: ***表示在 1%的顯著水準下為顯著；**表示在 5%的顯著水準下為顯著；*表示在 10%的顯著水準下為顯著。

DFGM: Dungey et al. (2005)檢定；FR: Forbes and Rigobon (2002)(M:多變量；B:雙變量)；FG: Favero and Giavazzi (2002)檢定

11

期間蔓延效果的估計。

表4-5中，2009年10月23日至2012年2月24日，以及2007年12月18日至2012年3月27日兩種

樣本期間進行測試。第一欄及第二欄為VAR-GARCH模型估計。第三欄和第四欄則為考慮市場不

對稱反應下VAR-GJR-GARCH模型估計結果。當應變數為債券報酬時，其自變數的參數為 至

；應變數為外匯波動時，其自變數的參數為

至 ；應變數為股票報酬時，其自變數的

參數估計為

至 。

表4-5的 參數估計結果指出，匯市波動對債券報酬的影響為負。比較有趣的是，統計顯

著指存在於2009年10月23日至2012年2月24日的樣本期間。 與 代表信用違約交換對債券報

酬的影響，儘管只有當期的CDS呈現負向統計顯著， 及 的聯合檢定則在1%下顯著

地異於零。在經濟衝擊方面， 代表原物料價格(CRB)對債券報酬的影響。實證結果支持原物

料的市場價格低於市場預期顯著地造成債券報酬減少。 代表黃金價格對債券報酬的影響為正

向顯著。亦即，黃金報酬高於預期將造成債市報酬上升。此外，針對經濟衝擊的代理變數。我們

也依據式(21)進行聯合假設檢定。實證結果指出在1%的顯著水準下，所有的經濟衝擊均顯著地對

債市報酬造成影響。同樣的衝擊也顯著影響匯市及股市。

表4-5的 的估計值代表黃金價格對債券報酬的影響為正向顯著。亦即，係數值為0.8185

是指債券報酬上升1%將造成匯率波動上升0.8185%。此外，當期CDS價差顯著地影響匯率波動度，

此結果符合理論預期，即違約風險越高，匯市投資的資金進出動作隨之加劇。另外一個值得觀察

的地方是，農產品價格(DAX)與原物料價格(CRB)顯著地負向影響匯率波動度(在1%的顯著水準

下)，黃金價格(GOLD)則正向顯著地衝擊匯率波動度。

表 4-4 股價指數與股價報酬之 ADF單根檢定

變數名稱(變數代碼) 變數 變數

CDS 1.814256 -30.87222***

BOND -0.380429 -30.81777***

EXCHANGE1M -2.673014 -26.39780***

CRB -1.250306 -34.08824***

DAX -2.654123 -33.04779***

COMMODITY -0.968093 -34.39258***

GOLD -2.736276 -31.65663***

GAS -0.808618 -32.30916***

STOCK50 -2.894997 -34.24876***

STOCK600 -2.728316 -33.51977***

STOCK -2.712444 -33.40574***

註: ***表示在 1%的顯著水準下為顯著；**表示在 5%的顯著水準下為顯著；*表示在 10%的顯著水準下

為顯著。

12

最後，在股市部分，當期CDS顯著地負向影響股市，意味CDS價差擴大，股市投資人感受

到違約風險提高，賣出手中持股，而導致股市報酬為負。至於在經濟衝擊部分，原物料價格(CRB)，

農產品價格(DAX)與黃金價格(GOLD)均統計顯著。黃金的報酬增加，股票報酬隨之下降。原物

料及農產品報酬上揚導致股市報酬增加。

在條件變異數部分，VAR-GARCH與VAR-GJR-GARCH模型估計之係數均滿足穩定的條件。

ARCH效果與GARCH效果都是正向顯著，這代表債市、匯市及股市未來的波動前期未預期波動

(新訊息)與前期報酬波動(舊訊息)的影響。至於在不對稱參數的估計，2009年12月23日至2012年2

月24日其間顯示下，估計係數正向顯著，其估計係數分別為0.3178，0.2996及0.29461。這些都代

表負向為預期衝擊比正向預期衝擊引起更大的波動。這三個市場都存在波動不對稱的槓桿效果。

1 匯率市場的不對稱估計係數之 P 值為 0.1108。我們只能得到邊際顯著的結論。

表 4-5 債市、匯市及股票市場的 VAR GARCH 估計結果

VAR GARCH VAR-GJR-GARCH

3/27/2012 2/24/2012 3/27/2012 2/24/2012

0.098385*** 0.098111** 0.089733*** 0.090703**

(0.0016) (0.0211) (0.0044) (0.0311)

-0.001447 -0.006980*** -0.001048 -0.006850***

(0.4674) (0.0061) (0.6142) (0.0079)

0.023353*** 0.011567 0.024458*** 0.012742

(0.0000) (0.1581) (0.0000) (0.1022)

-0.000289*** -0.000248** -0.000303*** -0.000271**

(0.0022) (0.0354) (0.0013) (0.0206)

C(5) -0.003970*** -0.003244** -0.003060** -0.002795*

(0.0050) (0.0337) (0.0315) (0.0696)

C(6) 0.000483 -4.45E-05 0.000497 -0.000197

(0.7497) (0.9776) (0.7386) (0.8957)

-0.022784** -0.055928*** -0.030309*** -0.058590***

(0.0364) (0.0033) (0.0060) (0.0012)

-0.081377*** -0.086572*** -0.081890*** -0.086857***

(0.0000) (0.0000) (0.0000) (0.0000)

-0.009741 0.007252 -0.005892 0.006333

(0.2383) (0.5644) (0.4654) (0.6212)

0.033006*** 0.038529*** 0.035064*** 0.042010***

(0.0002) (0.0057) (0.0000) (0.0015)

0.645923* 0.792433 0.651105 0.818501

(0.0807) (0.1734) (0.0819) (0.1588)

0.027021 -0.015246 0.019053 -0.020304

13

(0.3870) (0.7443) (0.5335) (0.6637)

-0.018029 -0.030828 -0.018416 -0.013724

(0.7957) (0.7874) (0.7956) (0.9063)

-0.008930*** -0.010910*** -0.009250*** -0.010898***

(0.0000) (0.0000) (0.0000) (0.0000)

C(15) 0.080654*** 0.101402*** 0.078300*** 0.096875***

(0.0000) (0.0000) (0.0000) (0.0000)

C(16) 0.017893 0.028015 0.018889 0.030678

(0.4144) (0.2380) (0.3785) (0.2005)

-0.925696*** -1.458118*** -0.976972*** -1.452947***

(0.0000) (0.0000) (0.0000) (0.0000)

-0.913660*** -1.260296*** -0.959104*** -1.240832***

(0.0000) (0.0000) (0.0000) (0.0000)

0.168896 0.103127 0.179403 0.094133

(0.1250) (0.6024) (0.1278) (0.6364)

0.134936 0.360525 0.138157 0.348426

(0.3079) (0.0856) (0.3323) (0.0907)

0.007960 -0.013027 0.043743 0.027376

(0.9395) (0.9293) (0.6556) (0.8469)

-0.004072 -0.003405 -0.003526 -0.001377

(0.5965) (0.7152) (0.6179) (0.8741)

-0.103531*** -0.091277*** -0.130716*** -0.101097***

(0.0000) (0.0012) (0.0000) (0.0002)

0.006061*** 0.005827*** 0.005587*** 0.005500***

(0.0000) (0.0000) (0.0000) (0.0000)

C(25) -0.045125*** -0.043228*** -0.034496*** -0.035081***

(0.0000) (0.0000) (0.0000) (0.0000)

C(26) -0.001090 0.004402 -0.003396 0.001916

(0.8399) (0.4707) (0.4945) (0.7576)

0.140536*** 0.172664** 0.139539*** 0.157004**

(0.0021) (0.0322) (0.0040) (0.0407)

1.134676*** 1.099468*** 1.124670*** 1.085452***

(0.0000) (0.0000) (0.0000) (0.0000)

0.024814 0.087548 0.017499 0.086686*

(0.4238) (0.1237) (0.5250) (0.0861)

-0.119583*** -0.105372* -0.112463*** -0.083172

(0.0000) (0.0608) (0.0000) (0.1145)

1.57E-07*** 4.96E-07*** 2.07E-07*** 3.35E-07**

14

肆、 結論

本文旨在探討希臘宣佈財政赤字所引發的歐洲主權債信危機是否具有危機蔓延效果存在，

及蔓延效果的傳遞方向與影響幅度。本文與以往文獻不同的地方在，過去的文獻主要探討金融危

機蔓延理論下的蔓延效果，或債券市場、貨幣市場受到金融危機的影響，並未同時考量三種市場

(0.0060) (0.0068) (0.0016) (0.0135)

6.93E-07 3.40E-06 9.01E-07*** 1.89E-06

(0.1161) (0.1082) (0.0030) (0.2644)

-4.94E-08 -1.07E-07 -2.44E-07*** -2.96E-07***

(0.2809) (0.2541) (0.0000) (0.0012)

0.000209*** 0.000603*** 7.55E-05*** 0.000463**

(0.0000) (0.0061) (0.0047) (0.0269)

-5.19E-06*** -2.50E-05* -1.50E-06* -1.98E-05*

(0.0065) (0.0645) (0.0950) (0.0660)

1.16E-06*** 1.17E-06*** -4.98E-07 -1.44E-09

(0.0003) (0.0043) (0.1257) (0.9980)

0.213456*** 0.292032*** 0.158685*** 0.114427

(0.0000) (0.0000) (0.0000) (0.0420)

0.299552*** 0.351839*** 0.184398*** 0.298291***

(0.0000) (0.0000) (0.0000) (0.0000)

0.241377*** 0.217659*** 0.201544*** 0.203690***

(0.0000) (0.0000) (0.0000) (0.0000)

0.966136*** 0.908185*** 0.960287*** 0.933836***

(0.0000) (0.0000) (0.0000) (0.0000)

0.867882*** 0.574041*** 0.944393*** 0.679905***

(0.0000) (0.0027) (0.0000) (0.0000)

0.966800*** 0.968449*** 0.969812*** 0.967983***

(0.0000) (0.0000) (0.0000) (0.0000)

D1(1,1) - - 0.207260*** 0.317795***

- - (0.0000) (0.0000)

D1(2,2) - - -0.185669*** 0.229601

- - (0.0001) (0.1108)

D1(3,3) - - 0.341787*** 0.294562***

- - (0.0000) (0.0000)

註: ***表示在 1%的顯著水準下為顯著；**表示在 5%的顯著水準下為顯著；*表示在 10%

的顯著水準下為顯著。 ；

15

同時具有蔓延效果，抑或已假設存在蔓延的效果。本研究透過此次希臘引發的歐洲主權債務危機，

探討主權信用違約交換在金融危機下所產生的蔓延效果，並進一步探討蔓延效果傳染的方向及幅

度。

第一階段實證結果與理論預期相符，歐洲主權債信危機的具有蔓延效果的存在，且由CDS

市場蔓延至債券市場，最後傳遞至外匯市場。同時，兩市場具有聯合顯著的結果。另一方面，本

研究進一步採用VAR-GRACH模型捕捉各市場之波動情形。第二階段結果指出，債券市場、外匯

市場及股票市場對於當期CDS皆具有顯著的統計量。此外，經濟衝擊確實對股市、匯市及債市造

成顯著影響，影響方向多數符合理論預期。在捕捉市場不對稱的部分，危機期間的負向衝擊的確

比正向衝擊引起更大的波動。

伍、 參考文獻

1. 鉅亨網新聞，20110906 ，日盛期貨台股期指盤後－歐洲債信危機干擾台股失守 7400 點。

2. Aktug Rahmi Erdem. , 2011,”Price Discovery in Emerging Financial Markets during the Global

Mortgage Crisis,” Lehigh University.

3. Arshanapalli, B., Doukas, J. and M. H. P. Lang., 1995, “Pre and Post October 1987Stock Market

Linkages Between V.T.and Asian Markets,” Pacific BasinFinance Journal, pp.57-74.

4. Bae,K.-H., G.A. Karolyi, and R.M. Stulz, ,2003, “A New Approach to Measuring Financial

Contagion,” Review of Financial Studies 16,pp.717-763.

5. Black, F. and M. Sholes, 1973, “The Price of Option and Corporate Liabilities,” Journal of

Political Economy 81, pp.637-659

6. Black, F ,1976, “Studies of Stock Price Volatility Changes, in Proceeding of the 1976 Meetings

of the Business and Economic Statistics Section,” American Statistical Association, pp.177-181

7. Bollerslev,T ,1986, “Generalized Autoregressive Conditional Heteroskedasticity,” Journal of

Econometrics, 31, pp.307-327

8. Chang, A.K.H., S.L. Chou and C.S. Wu, 2000, “International Transmission of Stock Market

Movements within the Great China Economic Area,” PanPacific Management Review, 3,

pp.283-298.

9. Chan, K., Chan, K.C. and Karolyi, G.A, 1991, “Intraday Volatility in the Stock Index and Stock

Index Futures Markets.”Review of Financial Studies, 4, pp.657-684.

10. Hui Cho-Hoi, Chung Tsz-Kin ,2011,Crash risk of the euro in the sovereign debt crisis of

2009-2010, Journal of Banking & Finance 35 , pp.2945-2955.

11. Copeland, M., and T. Copeland, 1999, “Market Timing: Style and Size Rotation Using the VIX,”

Financial Analysts Journal, Vol. 55, pp.73-81.

12. Dornbush,R., Y.C. Park, and S. Claessens, ,2000, “Contagion: Understanding How It Spread,”

Word Bank Research Observe, 15, pp.177-197.

13. Dungey, M., and Fry, B. Gonz´alez-Hermosillo, and V.L.Martin. , 2002, “International Contagion

Effects from the Russian Crisis and the LTCM Near-Collapse,” International Monetary Fund

Working Paper, 02/74.

16

14. Dungey, M., and Fry, B. Gonz´alez-Hermosillo, and V.L.Martin. , 2005,”Empirical Modeling of

Contagion: A Review of Methodologies,” Quantitative Finance.

15. Dungey, M., and V.L.Martin. , 2002,”A Multifactor Model of Exchange Rates with Unanticipated

Shocks: Measuring Contagion in the Ease Asian Currency Market,” Journal of Emerging Markets

Finance, 3, pp.305-330.

16. Engle, R., 1982, “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance

of United Kingdom Inflation,” Econometrica, Vol.50, pp. 987-1007.

17. Engle, R. and G. Lee. ,1999, “A Long-Run and Short-Run Component Model of Stock Return

Volatility,” in Cointegration, Causality and Forecasting, edited by R. Engle and H. White, Oxford

University Press.

18. Favero,C.A., and F. Giavazzi.,2002, ”Is the International Propagation of Financial Shocks

Non-Linear? Evidence from the ERM,” Journal of Internaional Economics 57, pp.231-246.

19. Forbes,K.J., and R. Rigobon.,2002,”No Contagion, Only Interdependence: Measuring Stock

Market Comovements,” Journal of Finance, 57, pp.2223-2261.

20. Longstaff F. A. (2010).”The subprime credit crisis and contagion in financial markets,” Journal

of Financial Economics, 97, pp.436–450.

21. French, K.R., G.W. Schwert, R.F. Stambaugh.,1987, “Expected Stock Returns and Volatility.”

Journal of Financial Economics 19, pp.3-29.

22. Galai, D., 1977, “Test of Market Efficiency of the Chicago Board of OptionsExchange.” Journal

of Business 50, pp.167-197.

23. Glosten, L.R., R. Jagnnathan, and D.E. Runkle., 1993,“On the Relation Between the Expeted

Value and the Volatility of the Nominal Excess Return on Stocks,” Journal of Finance, 5,

pp.1779-1801.

24. Kaminsky, G. L. and C. M. Reinhart. , 2003, “The Center and the Periphery: The Global ization

of Financial Turmoil,” National Bureau of Economic Research Working Paper, pp. 9479.

25. Kaminsky G. L., Carmen M. Reinhart, and Carlos A. Vegh. (2004). “The Unholy of Financial

Contagion,” Journal of Economic Perspectivesv, 17, pp.51-74.

26. Liu, Y.A. and M.S. Pan. ,1997, “Mean and Volatility Spillover Effects in the US and

Pacific-Basin Stock Markets,” Multinational Finance Journal,1(1), pp.47-62

27. Masih, R. and A.M.M. Masih. , 2001, “Long and short term dynamic causal transmission

amongst international stock markets,” Journal of Internationa Money and Finance, 20,

pp.563-587.

28. Masson, P.R., 1999, Contagion: Macroeconomic Model with Multiple Equilibria, Journal of

Internaional Money and Finance18, 587-602.

29. Mun Kyung-Chun, 2012, “The joint response of stock and foreign exchange markets to

macroeconomic surprises: Using US and Japanese data” , Journal of Banking & Finance

36 :383–394

30. Pan, M.S.,and P.L. Hsueh.,1998, “Transmission of Stock Returns and Volatility Between the US

and Japan: Evidence from the Stock Index Futures Markets,”Asia-Pacific Financial Markets, 5,

17

pp.211-225.

31. Pericoli, M., and M. Sbracia, 2003, “A Primer on Financial Contagion,” Journal of Economic

Surveys 17, pp.571-608.

32. Reinhart, Carmen M., and Kenneth S. Rogoff, 2008,”The Forgotten History of Domestic Debt,”

NBER Working Pap er , pp.13946.

33. Theodossiou, P. and U. Lee, 1993,” Mean and Volatility Spillovers across Major National Stock

Market: Further Empirical Evidence,” Journal of Finance Research, 16, pp.337-350..

18

附表一 各變數名稱及定義資料

變數名稱 變數代碼 變數定義

CDS GRG5EAC 五年期希臘主權信用違約交換中的報酬

(HELLENIC REPUBLIC SNR CR 5Y E)

BOND MLUGVTE 美國銀行美林證券編制歐洲政府債券指數

(BOFA ML EUR UNION GVT)

EXCHANGE FVEUR1M 一個月期的外匯市場波動率

(EURO 1M FX VOLATILITY)

DAX DAXINDX 歐洲 DAX 全球農金指數

(DAX 30 PERFORMANCE)

CRB RJEFCRT 商品期貨價格指數

(TR/Jefferies CRB Index TR)

S&P GSCI Gas Oil GSGOTOT 標準普爾高盛綜合商品指數

(S&P GSCI Gas Oil Total Return、S&P GSCI Gold Total

Return 以及 S&P GSCI Commodity Total Return)

S&P GSCI Gold GSGCTOT

&P500 BANKS 的股價指數(S&P500 BANKS)

S&P GSCI Commodity GSCITOT

BANK SP5GBNK