Determining the dynamic connectedness of stock returns across asean securities markets by spillover index approach

Tran Thi Tuan Anh *

* Corresponding author (anhttt@ueh.edu.vn)

Article Sidebar

Full Text: PDF

Received: 29 Feb 2020
Revised: 23 Apr 2020
Accepted: 29 Jun 2020
Published: 29 Jun 2020
Title: Determining the dynamic connectedness of stock returns across asean securities markets by spillover index approach
DOI: 10.22144/ctu.jvn.2020.072
Views
190
Downloads
263
Crossref
Scopus
Google Scholar
Europe PMC
How to Cite
Anh, T. T. T. (2020). Determining the dynamic connectedness of stock returns across asean securities markets by spillover index approach. CTU Journal of Science, 56(3), 223-235. https://doi.org/10.22144/ctu.jvn.2020.072
Issue
Vol. 56 No. 3 (2020)
Section
Economics

Abstract

Investigating the connectedness between countries is one of the most interesting research topics of economists. This paper is designed to determine the level and direction of the connectedness across ASEAN-6 stock markets including Indonesia, Malaysia, Philippines, Singapore, Thailand and Vietnam. The Diebold and Yilmaz (2012) method to calculate the spillover index is applied in combination with the rolling window technique based on data on daily return from 2012 to 2019. Both static and dynamic spillover indices demonstrate a high level of connectedness among ASEAN-6, nearly 27%. However, only 4 out of these 6 countries are well connected, including Indonesia, Malaysia, Thailand and Singapore. Vietnam and Philippines play roles as receivers in ASEAN-6 markets, while Malaysia and Singapore are the countries that play more active roles in the region as senders.
Keywords: ASEAN-6, bidirectional spillover index, market connectedness, stock market, total spillover index

Tóm tắt

Việc nghiên cứu mức độ hội nhập và sự kết nối giữa các quốc gia trong cùng khu vực là một trong những đề tài nghiên cứu rất được quan tâm của các nhà kinh tế. Bài viết này được thực hiện nhằm xác định mức độ và chiều hướng kết nối giữa các thị trường chứng khoán trong khối ASEAN-6 bao gồm Indonesia, Malaysia, Philippines, Singapore, Thái Lan và Việt Nam. Phương pháp Diebold and Yilmaz (2012) để tính chỉ số lan truyền được áp dụng kết hợp với kỹ thuật cửa sổ cuộn dựa trên dữ liệu về tỷ suất sinh lợi hàng ngày trong giai đoạn từ 2012 đến 2019. Kết quả phân tích chỉ số lan truyền tĩnh và động đều cho thấy mức độ kết nối trong khu vực ASEAN-6 khá cao, lên đến gần 27%. Tuy nhiên, chỉ có 4 trong số 6 quốc gia này thực sự có kết nối chặt chẽ gồm Indonesia, Malaysia, Thái Lan và Singapore. Việt Nam và Philippines có mức độ kết nối với thị trường ASEAN-6 khá yếu. Ngược lại, Malaysia và Singapore là hai quốc gia đóng vai trò chủ động trong khu vực.
Từ khóa: ASEAN6, chỉ số lan truyền tổng, chỉ số lan truyền song phương, mức độ kết nối giữa các thị trường, thị trường chứng khoán

Article Details

References

Allen E. A, McAleer. M., Powell, R., and Singh, A. K., 2017. Volatility spillover and multivariate volatility impulse response analysis of GFC news events. Applied EconomicsJournals. 49(33): 3246-3262.

Baele, L., Ferrando, A., Hördahl, P., Krylova, E., andMonnet, C., 2004. Measuring financial integration in the euro area. Oxford Review of Economic Policy. 20(4): 509-530.

Baruník, J., Křehlík, T., 2018. Measuring the frequency dynamics of financial connectedness and systemic risk. Journal of Financial Econometrics. 16(2): 271–296.

Bekaert, G., Harvey, C, R., and Lumsdaine, R. L., 2002. Dating the integration of world equity markets. Journal of Financial Economics. 65(2): 203–247.

Cronin, D., 2014. The interaction between money and asset markets: A spillover index approach. Journal of Macroeconomics, Volume 39. Part A: 185-202.

Diebold, F. X., and Yilmaz, K., 2009, Measuring financial asset return and volatility spillovers, with application to global equity markets. Economic Journal. 119:158-171.

Diebold, F,X., and Yilmaz, K., 2012. Better to give than receive:predictive directional measurement of volatility spillovers, International Journal of Forecasting. 28: 57-66,

Engle, R. F., and Granger, C. W., 1987. Co-integration and error correction: Representation, estimation and testing, (PDF). Econometrica. 55(2): 251–276.

Fasanya, I., AkinbowaleS., 2019. Modelling the return and volatility spillovers of crude oil and food prices in Nigeria. Energy. Volume 169:186-205.

Granger, C. W. J., 1969. Investigating causal relations by econometric models and cross-spectral methods. Econometrica. 37(3): 424–438.

Johansen, Søren., 1991. Estimation and hypothesis testing of cointegration vectors in gaussian vector autoregressive models. Econometrica. 59(6): 1551–1580.

Kallberg, J, and Pasquariello, P., 2008. Time-series and cross-sectional excess comovementin stock indexes. J. Empir, Financ. 15(3): 481-502.

Kang, S, H., Uddin, G, S., Troster, V. and Yoon, A. M., 2019. Directional spillover effects between ASEAN and world stock markets. Journal of Multinational Financial Management.Volumes52–53.

NguyễnMinh Kiều và Lê Đình Nghi, 2018. Lan tỏasuất sinh lợi từ thị trường chứng khoán Mỹsang thị trường chứng khoán Việt Nam: phân tích trong miền tần số. Tạp chí Khoa học Đại học Mở. 55(4): 64-74.

NguyễnThị Ngân, NguyễnThị Diễm Hiền và Hoàng Trung Nghĩa ,2019. Tác động từ thị trường chứng khoán Mỹvà Nhật Bản đến TTCK các nước mới nổi khu vực châu Á và Việt Nam. Tạp Chí Phát Triển Khoa Học Và Công Nghệ – Kinh Tế-Luật Và Quản Lý. 3(4):438-448.

Pindyck, R. S., RotembergJ. J, ,1993. The comovementof stock prices. Q. J. Econ.108 (4):1073-1104.

Reboredo, J. C., Rivera-Castro, M. A., UgoliniA., 2016. Downside and upside risk spillovers between exchange rates and stock prices. J. Bank. Finance. 62: 76-96.

Sims, C., 1980. Macroeconomics and reality. Econometrica. 48(1): 1–48.