二、危机跨国传导的实证文献梳理
本小节将对近年具有代表性的研究危机跨市场传导机制的实证文献进行梳理，简要介绍主要的实证研究的方法和应用，并对这些文献的发现和结论做出归纳。
（一）跨市场“传染”定义的三种外延
国外文献相对于危机的传导机制的研究则相对较多。危机的跨市场传导常被称作“传染”（Contagion）。对“传染”这个概念的使用可以追溯到20世纪90年代的几次危机期间，而21世纪伊始，Christiansen（2000）就对这一概念作了详细的定义——“‘传染’是指同时满足以下两点的情形：①一个市场的危机引发了其他市场的反应；②经济的基本面因素并不能完全解释其他市场对于危机的反应”。同时他更进一步地提出了“传染”定义的三个内涵：相关性（Correlation）、纯粹“传染”（Pure Contagion）和溢出效应（Spillover）。相关性是指，危机从发源地传导至世界的其他市场或者国家必须具有因果关系，亦即两个市场的联系再如何紧密，如果因果关系缺失，也不能称作“传染”；纯粹“传染”是指危机从发源地传导至其他与发源地在基本面因素上完全不相关的市场的情形；溢出效应是指危机通过影响到其他国家的基本面因素来传导至发源地以外的市场，其主要途径有贸易渠道和金融渠道两种，具体受到影响的宏观因素包括总需求、竞争力、商品价格以及流动性等。
Billio（2003）等根据世界银行的分类，对“传染”定义的三种外延做了归纳：
第一种，广义的“传染”，指经济冲击从一个国家传导至其他国家的过程，既涵盖危机和非危机时期，也包括了恶性和良性的冲击。
第二种，相对广义的“传染”，指超出了基本面因素所能解释范围的经济冲击的跨市场传导。
第三种，狭义的“传染”，指危机时期危机的跨市场传导。
第三种对“传染”的定义被广泛采用于危机跨市场传导的实证研究，而这种定义隐含的要求是要对不同市场或者经济体之间的相关性进行定量分析，通过观察危机时期相关性的强度和方向的改变来确认“传染”的存在和检验“传染”的程度。
（二）危机的跨国传导研究：风险和流动性渠道
在狭义的“传染”定义框架下，我们选取对近年来的危机传导机制具有代表性的国外实证研究文献，对其所用的模型、方法、应用以及研究过程和研究结论进行梳理，并对研究结论作归纳和汇总。
以Chudik和Fratzscher（2011）的研究作为综述的开端非常适合。他们对2007—2008年全球金融危机和2010—2011主权债务危机做了深入的实证分析，研究两次危机是如何通过流动性和风险冲击在全球市场传导的，两次危机之间的区别以及投资者对资产配置的选择及其决定因素。他们选取28个新兴市场经济和发达经济国家，利用资产价格（股市和债券收益率）、利率、汇率和资本在各市场之间流动的高频周数据，来观察危机的传导过程，一共使用了144个外生变量来进行回归分析。为了克服如此大维度的变量不适合传统模型的问题，他们采用了Chudik和Pesaran（2011）提出的“无限维度VAR模型”。同时，通过对模型形式进行转换，引入了变量矩阵，使得他们的“Global VAR”模型可以同时对目标国家的自身滞后数据、邻国滞后数据、全球冲击因素（美国数据）以及不可观测因素进行参数估计。
由于传统的一般性冲击—反馈（Impulse-response）研究分析方法因不具备经济学意义，他们使用结构性冲击—反馈分析对模型的结果进行研究。危机全球传导过程中，风险冲击和流动性冲击无法被直接观测到，因此他们使用VIX指数作为风险冲击的代理变量，用美国TED spread作为流动性冲击的代理变量，研究证券的收益率、汇率和资本流对风险和流动性冲击的反应。对于风险冲击和流动性冲击的区分也很重要。在控制其他变量恒定的情况下，风险冲击的判别是VIX指数的上升，伴随着美国证券收益率的下降和全球硬通货（美元、日元、瑞士法郎等）的升值。而流动性冲击的判定是TED利差的上升，伴随着美国债券收益率的上升以及股市收益率的下降。
在数据的选择上，他们选用了占全球总产出86%的28个发达和发展中国家，用它们的高频周数据来详细地对危机的传导机制进行分析。实证分析的结果很好地显示了28个国家和市场之间的互动关系。第一，实证模型是稳定的。模型的最大特征值无论是在危机前后还是在危机期间都显著小于1，在危机期和非危机期的差异并不大。第二，很多参数的估计量都具有统计显著性。例如股市数据的同期截面数据具有高达96%的显著性，而外汇和债券市场的显著性也在67%～85%。第三，估计参数的符号和大小都符合经济学和现实的预期。例如，对于股市全球型普遍的冲击来说，发达国家的弹性比较稳定，在0.71～0.74，而发展中国家的弹性则大于1，在1.12～1.32。第四，对实证结果和残差项的研究显示模型的适用性总体来说很高，也没有任何重要的违背模型假设的因素存在。
他们的实证研究结论具有很强的整体性和启示意义，主要包括以下四方面：
第一，流动性和风险冲击的传导在不同国家、不同资产类型和不同时期显示出异质性。相比于2007年之前和2010—2011年，流动性和风险冲击在2007—2008年阶段对资产价格和资本流动的影响更大。同样，冲击对新兴市场经济国家的影响更大，有的甚至高达发达国家的两倍。
第二，避险（Flight-to-safety）效应在两次危机期间呈现不同的表现形式。2007—2008年阶段，Flight-to-safety效应表现为地理上的资本从新兴市场经济国家流向发达国家。然而，2010—2011年，一些相关的发达国家债券市场收益率出现了显著下降，而新兴市场经济国家受到的影响则有限。此阶段的Flight-to-safety效应主要发生在资产种类的配置上。
第三，资本具有追求高风险高收益的趋势。风险冲击使相对安全的资产（发达国家的债券）的收益和资本净流入存在负相关性，而相对高风险的资产（发达国家的股票和新兴市场经济国家的股票债券）的收益和资本净流入存在正相关性。这可能是由于发达国家主权评级下调使其和新兴市场经济国家主权评级之间的差距缩小了，使得市场对原先认为的高风险资产厌恶程度降低。
第四，主权评级较低和经济、政府部门相对低效的国家在两次危机中均受到影响更大。造成冲击的传导的国别差异的原因，第一是受到各国对美国的金融风险暴露的影响，第二是受到各国自身基本面情况的影响。
Chudik和Fratzscher的研究揭示了关于两次危机本身以及传导机制的一些本质区别，这与我们从经济地缘结构的分层中所得出的推论不谋而合。首先，作为发端于第一层次美国的全球金融危机，其影响范围和深度都远大于源于第二层次的欧债危机。其次，全球金融危机的传导主要是地缘传导，而欧债危机主要是资产种类之间的传导。最后，位于第三层次的新兴市场经济国家，往往和美国的联系很紧密，并且相对而言主权评级较低、政府部门相对低效，因此更易受到冲击的影响。而欧债危机的发生在某种程度上缩小了第一层次、第二层次与第三层次之间的差距，改变了原有的全球金融格局。
Kenourgios和Padhi（2012）利用约翰逊—协整检验和矢量误差相关性模型，发现显著的长期和短期市场动态存在于俄罗斯和亚洲危机期间的新兴股票市场以及美国次贷危机期间的股票和债券市场，但是阿根廷危机对任何被检验的市场没有影响。为了克服传染效应文献的局限性，采用了较新的GARCH模型，即非对称一般动态条件相关性模型（AG-DCC）。这个模型是由Cappiello（2006）提出的，他把DCC-GARCH模型（Engle，2002）一般化。在稳定和危机时期，危机国家和其他国家的平均相关性能够被估计出来，这样可以获得在多元框架下波动性和相关性的条件非对称性，并且可以确定跨市场相关性动态（传染效应）究竟是由宏观经济基本面驱动的还是由行为因素驱动。结果表明，次贷危机和俄罗斯危机具有全球传染效应，亚洲危机具有区域内影响效应，阿根廷危机具有国内和全球市场指数的脱离性。
（三）危机的跨国传导研究：资产重配和基本面因素
在结束对两次危机和三层结构的纵览基础上，我们接下来具体关注对某次危机在某两层级之间的传导机制的实证研究。
Syllignakis和Kouretas（2011）使用了DCC-GARCH模型对1997年至2009年间7个中东欧新兴市场经济国家（捷克、爱沙尼亚、匈牙利、波兰、罗马尼亚、斯洛伐克和斯洛文尼亚）与美国、德国、俄罗斯三国股市收益率之间的相关性进行了实证研究。他们首先对中东欧七国的市场特征进行了分析。20世纪90年代初苏联解体后，中东欧各国政治上发生变迁的同时，也面临着经济和社会的巨大变革，私有制和国有企业私有化是当时改革者们的首要任务。
随着企业法、合同法、经济法等一系列法律法规的建立和完善，这些中东欧国家在后社会主义时代进入了经济快速发展的时期。经济快速发展的必然结果是证券交易所也在20世纪90年代初在各国相继成立。经历了近15年的经济快速发展后，2004年5月1日，欧盟进行了历史上的第五次扩张，吸纳了塞浦路斯、匈牙利、捷克、爱沙尼亚、拉脱维亚、立陶宛、马耳他、波兰、斯洛伐克和斯洛文尼亚10个中东欧国家入盟。加入欧盟对这些国家的市场产生了巨大的影响，吸引了大量此前受到限制或潜在限制而不能进入这些国家市场的国际投资者们的目光或资本。然而，十多年发展各异，加上各国不同的经济政策，也使得各国的证券市场呈现明显的区别。资本规模大的市场，如波兰和捷克，证券市场市值分别超过900亿美元和410亿美元，而规模小的市场，如斯洛文尼亚，市值只有13亿美元。同时，受各国私有化形式和进程的不同，证券市场的上市公司本身也差异巨大。例如因受“大跃进”式国企私有化改革浪潮的影响，捷克和斯洛伐克的上市公司基本都是以往的国有制大企业，而波兰因为循序渐进推行私有化进程，上市公司类型呈现多样化，数量上逐年稳步增加。
在对这些国家的市场特征进行初步分析的基础上，他们对1997年3月至2009年1月期间各国的股指周数据进行了实证分析。德国、美国作为该区域和全球的重要经济体，对这些国家经济的影响不言而喻。而俄罗斯拥有中东欧地区最大市值的证券市场，同时由于传统上和这些国家之间存在政治、贸易纽带，对这些国家的影响也不可忽视。因此，他们通过对比中东欧七国与德国、美国、俄罗斯三国股市收益率之间的相关性，对危机期间的传导效应进行研究。将七国股指数转化为其自然对数的一阶差分收益率，发现存在着在新兴市场常见的非正态分布特性——厚尾。鉴于数据中存在的条件相关性问题，他们使用DCC-GARCH模型进行分析。该模型对研究金融时间序列的适用性于2002年由Engle提出，由刻画相关性的DCC模型（Dynamic Conditional Correlation）和刻画波动性的GARCH模型组成，成为对市场联系的实证研究的主要模型之一。该模型的优势之一在于：其能在任意选定的时期，如危机时期，对任何两国之间的动态条件相关系数进行估测。对周数据的实证分析发现，2007年至2009年的全球金融危机期间，美德两国对七国的条件相关系数出现了统计上显著的上升，存在显著的危机传导效应。而此前的亚洲金融危机（1997—1998年）和互联网泡沫危机则并没有发现存在显著的传导效应。结合之前对于该地区政治、经济和历史因素的分析，他们将此归因于21世纪以来外国投资者的参与增加、金融自由化程度更高以及2004年以后中东欧地区国家和欧盟的联系更加紧密。此外，基于危机传导可能源于投资者资产重配或是基本面因素等理论，他们还发现宏观经济变量对危机阶段的条件相关系数具有很可观的解释力，侧面印证了我们关于第一层级和第二层级经济体到第三层级经济体的危机传导主要通过实体经济渠道的推论。
Cheung、Fung和Tam（2008）使用了DCC和Spillover Index（SI）对11个EMEAP（东亚及太平洋地区中央银行行长会议组织）国家和美国的证券市场的相关性进行了实证研究。其中，SI由Diebold和Yilmaz（2008）提出，用于分解简单VAR模型中证券市场收益的波动性，可以看作跨市场收益溢出效应的总和。一个高的SI代表了该证券市场收益波动性中的很大一部分可以被发端于其他市场的冲击所解释。他们使用了周数据，因为周数据不仅相对而言在拥有更少噪声的同时能保持数据的准确性，而且也能避免美国和亚太地区之间交易时间错位方面的问题。他们发现十一国和美国的证券市场收益的相关系数在2000年至2005年相对稳定地保持在0.3左右，而从2006年初开始逐步上升。可能的解释之一是：在亚太地区，2005年以后资本大量流入，亚太区域整体显示出的强劲的经济增长和良好的投资环境吸引了大量的国际资本增加在亚太市场的资产配置，境外投资者关注度的增加和资本的流入都加强了区域内部金融市场和全球金融系统的联系。
2008年9月雷曼倒闭以后，伴随着全球股指大跌，美国和亚太地区经济体之间的DCC出现了大幅快速上升，在随后的10月中旬上升到了0.5，一个月之内暴增了近40%。2008年金融危机期间的DCC暴增和1997年亚洲金融危机形成了鲜明的对比。在亚洲金融危机期间，除了中国大陆因受到资本管制而免受影响外，其他亚太国家市场的DCC都呈现先上翘后整体上移的形态。另外，SI指数也显示出了类似的趋势。他们使用了包含和不包含美国市场的两种SI指数来度量区域内部或区域和美国之间的溢出效应。包含美国市场的SI在2005年之前的十年间在40%和45%之间波动，从2006年初开始缓慢上升，而在2008年10月出现了快速跳升，达到了58%的历史高点。不包含美国市场的SI呈现出了类似的形态，在2008年10月也出现了大幅跳升，甚至超过了包含美国市场的SI。这代表着亚太地区内部的溢出效应比美国到该地区的溢出效应更加显著，这和2005年以后国际资本对本地区资产配置的增加是相互印证的。
他们同时对金融危机期间的危机传导效应进行了研究，发现传导效应在美国和EMEAP国家之间不显著，而区域内部的危机传导效应则是显著的。他们将此归因于投资者在面对一般性外部冲击时无差别地对待区域内部的各市场。鉴于他们的研究时间较早（2008年12月），因此他们得出了金融危机期间的美国到该区域危机传导效应不显著的结论，这可能和数据量较少有关，其参考价值有限。而EMEAP国家区域内部较强的羊群效应则侧面印证了Chudik和Fratzscher（2011）等关于2007—2008年这一阶段，Flight-to-safety效应表现为地理上，资本从新兴市场经济国家流向发达国家的结论。研究发现，资本无差别地对待该区域内部的新兴市场国家市场。
Ahmad和Sehgal（2012）使用了DCC-GARCH模型对GIPSI（欧洲五国）、美国、英国和日本对BRIICKS各国在2009年至2012年欧债危机期间的危机传导效应进行了实证研究。实证结果发现，欧债危机期间的条件相关系数发生了显著的增加，代表了因羊群效应而导致的显著的危机传导效应，显示出了BRIICKS国家易受危机影响的特征。欧洲五国中，爱尔兰、意大利和西班牙对BRIICKS各国的影响比希腊更大。同时，欧洲五国作为整体比其中单个别国家对BRIICKS的影响更大。与其他文献的结论类似，他们也得出了在危机时期，全球化的投资策略所希望的风险分散效果可能远低于投资者的预期。
以上三篇文献具有很强的代表性，从地域和类型角度对第三层级的国家进行了归类，使用DCC、VAR和SI等模型对全球金融危机和欧债危机期间美国、欧洲等第一层级、第二层级的国家对其的危机传导效应做了实证研究，所得出的结论互相印证和补充，我们将其归纳如下：
首先，第三层级国家易受到发源于第一层级和第二层级国家危机的“传染”，在两次危机中均显示出了显著的危机传导效应。
其次，第三层级国家之间显示出了“羊群效应”，在全球金融危机期间尤为明显，资本从新兴市场国家流向发达国家。
最后，在危机时期，全球化的投资策略所希望的风险分散效果可能远低于投资者的预期。
（四）危机的跨国传导研究：基于金融市场波动的联动性
Kenourgios、Samitas和Paltalidis（2010）使用了AG-DCC（Asymmetric Generalized DCC）模型和Gaussian copula模型（高斯联合相依模型）对发生在20世纪90年代末至21世纪初的五次危机（1997年亚洲金融危机、1997—1998年巴西金融危机、1998年俄罗斯债务危机、2000年互联网危机和2002年巴西危机）中BRIC四国和美英两国之间的危机传导效应进行了实证研究。他们使用了以历史收益率和波动性的跨国差异作为条件的多变量条件联合相依模型来代表股指收益率之间的相关性，估测单变量分布和联合分布。对高斯联合相依模型中的自变量参数建模是基于当前可得信息的条件时变过程，包含了时变、非线性关系和非对称性。同时，他们使用了GARCH（1，1）模型来估测单变量波动性，使用标准化残差来估测相关性参数。他们所选用的数据包括巴西、俄罗斯、印度和中国（金砖四国）和美英两个发达国家的股指。数据样本包括了从1995年1月2日开始至2006年10月31日的股指周数据，以美元计价，不调整股息。非同步交易可能会导致对相关系数的观测误差。因此，周数据避免了日数据所存在的市场宏观结构性偏误，但又不失高频特征。
他们将数据分成五个阶段：①亚洲经济危机，1997年；②巴西金融危机，1997—1998年；③俄罗斯债务危机，1998年；④互联网泡沫破裂，2000年；⑤巴西危机，2002年。他们对不同危机和非危机时期的股指收益率的实际非对称波动性和相关性进行分析。分析中存在的一个难题：在这些危机期间并不存在某一事件可以被作为危机发生的催化剂。例如，泰国股市在1997年6月崩盘，随后印度尼西亚股市在8月、中国香港股市在10月中期相继崩盘。此外，长期资本管理公司的倒闭在俄罗斯和巴西危机中扮演了重要的角色。同样地，互联网泡沫似乎在2000年3月破裂，但同期的美国市场却普遍相信市场会很快回到前期的高点。很显然，这些危机中存在着传导效应。因此他们将所有危机前后的可得历史信息都纳入数据样本。实证结果显示，条件联合相依模型在所有市场和所有期间都发现了正收益率均值、负偏峰态和非对称性。与非危机期相比，危机期间的动态相关系数出现了显著的“跳跃”，亦即发源于某一国家的危机都显著地存在着传导效应，都传导至了其他五个国家。股指的条件波动性显示出了这几次危机存在的广泛的、非对称、结构性的传导效应，而尾部风险相关性的上升则说明了各国市场同时暴跌的可能性在危机期间更大。同时，他们发现互联网泡沫危机作为产业性的危机（Industry-specific crises），比其他几次国别性的危机（Country-specific Crises）的影响更加显著。可能的解释是：作为一个“全球因素”，在美国爆发的危机的影响力更大。我们不难看出，在第一层级和第二层级国家产生的危机对第三层级国家具有强大影响力的同时，发源于第三层级国家的危机也同样可能存在对第一层级和第二层级的国家的明显的传导效应。
Kazi、Mehanaoui和Akbar（2014）使用ADCC（Asymmetric DCC）模型对16个经济合作与发展组织（Organisation for Economic Co-operation and Development，OECD）成员之间在全球金融危机（Global Financial Crisis，GFC）和欧债危机（The European Sovereign Debt Crisis，ESDC）期间的危机传导进行了实证研究。实证研究分为三步：第一步，他们使用单变量GARCH模型对各国股市收益率进行回归。通过估算一个均值方程来获得对方差方程建模所需要的残差项。使用EGARCH模型允许利好信息和利空信息对波动性有非对称的影响，因为在现实中常见利空信息对波动性的影响更大。第二步，他们使用了多变量非对称DCC模型来对美国和15个OECD市场之间，以及希腊和其他14个OECD市场之间的时变条件相关系数进行回归。使用多变量ADCC模型的优势在于他们可以同时对所有市场进行配对来估算其股市收益率之间的相关系数，并研究潜在的危机传导效应。第三步，他们利用包含着两个分别代表GFC和ESDC危机时期的虚拟变量的AR（1）模型来对第二步中所得到的动态相关系数进行回归，以检验在全球金融危机中是否存在着从美国到15个OECD国家、在欧债危机中是否存在着从希腊到其他14个OECD国家之间的危机传导效应。他们使用了包含美国的16个OECD国家的股指周数据，以美元计价来避免受到同期汇率和通胀率的影响。
而对于两段危机时间窗口的划分，在市场或学术界并没有一个统一的标准。对于全球金融危机，2008年9月15日雷曼兄弟的破产被广泛接受作为危机的开端。而对于欧债危机的开端则众说纷纭，分歧较大。他们选用了2009年11月5日希腊政府突然宣布财务赤字率占到GDP的12.7%，而非市场所预期的6%，导致了希腊的经济崩溃的时间点来作为欧债危机的起点。这一事件的影响并不仅仅局限于改变了希腊国内和欧元区的市场心理，同样也对全球的投资者的预期产生了很大的影响。他们数据样本的跨度从2004年1月初到2012年5月底，涵盖了这两次危机。通过上述三步对数据进行回归分析以后，他们发现金融危机期间存在着显著的传导效应而欧债危机期间则没有。换言之，在金融危机期间，美国和其他15个国家之间股市收益率的DCC都呈现出了显著的上升，而在欧债危机期间，希腊与其他各国之间则没有显著的上升关系。有趣的是，美国和瑞士的股指收益率均值，在欧债危机期间甚至由负转正。他们将此发现归因于希腊相对较小的经济规模所产生的影响相对有限，以及国际金融机构，如IMF和ECB对在面临国债违约事件时对危机的反应措施做到了及时和有效。
Grammatikos和Vermeulen（2010）使用GARCH模型对美国和15个欧元区国家在2007—2010年金融危机和主权债务危机期间的危机传导进行实证研究。他们使用股指日数据，将市场指数分为金融市场和非金融市场两部分，同时将时间区间分为雷曼倒闭前后两阶段。数据显示出了典型的金融时间序列数据所具有的非正态分布性和时变波动性。五年期的希腊政府债券CDS利差也有类似的特征，其非正态性和时变波动性甚至比股市更加明显。对数据的分析显示，日平均回报率在2003—2010年间呈现出繁荣—衰退的模式。所有的市场在危机之前的回报率均值为正，而在危机期为负。在考量雷曼破产前后两段时间窗口时，并未在各国发现一种普遍的模式。对于波动性而言，在危机前和雷曼倒闭前后两阶段危机期之间存在天壤之别，清楚地显示出了危机带来的风险上升。危机前的时期，市场较平静，波动性很低。
雷曼破产前的危机第一阶段，市场数据的波动性大多数是翻番或者翻了三番。对于非金融市场来说，金融市场波动性的增加更多。雷曼破产后，悲观情绪的蔓延使得股市波动性进一步骤增，特别是在美国、希腊和爱尔兰。15个欧元区国家的金融和非金融市场在危机前和美国同期的市场特征非常相似。然而，在危机开始后，尤其是在雷曼破产后，美国市场尤其是金融市场的波动性比欧洲各国高得多。在模型的选择上，他们使用了传统的GARCH模型，对全球金融危机期间美国和欧元区各国的市场指数之间的波动性和相关性进行回归，对欧洲主权债务危机时期希腊国债CDS利差为因变量的因素模型进行估测。他们的实证结果发现，在全球金融危机期间，存在很强的从美国到欧洲的非金融市场间的危机传导效应，但是金融市场间的传导效应则相对有限。而在雷曼倒闭以后，金融市场越发受到希腊CDS利差的影响，而非金融市场并未如此。欧债危机之前，欧元汇率变动和欧洲股市收益率呈负相关，而在雷曼倒闭前的危机第一阶段则变得无关，在雷曼倒闭后的危机第二阶段呈正相关。这种相关性的转变过程显示出了欧元升值在危机后期被投资者们理解为资本回流所预示的危机影响减弱和经济形势好转。
Tamakoshi、Toyoshima和Hamori（2012）使用ADCC模型对2007年至2011年间希腊和其他欧洲六国之间的相关性进行了实证研究。他们使用了1046个股指日数据的观测值，涵盖了希腊、爱尔兰、意大利、西班牙、德国、法国和英国欧洲七国。所有股指回报率均为指数价格的一阶差分，除了英国以英镑计价以外，其他六国均以欧元计价。选用日数据的理由有两个：第一，使用日数据可以避免因使用更低频数据所忽略潜在溢出效应的可能性；第二，日数据为研究近期的欧债危机提供了足够的样本量。对数据的研究显示，所有的七国在欧债危机前，平均股指收益率都为负值。这不难理解，因为数据的时间范围涵盖了2007年开始的全球金融危机。而从2009年11月开始，即通常所认为的欧债危机开端，除了希腊的平均股指收益率进一步下跌外，其他六国的收益率均回升。标准差的变化呈现类似特征。除了西班牙，其他国家数据的峰度均下降。Jacque-Bera检验拒绝了所有七国数据的正态分布性。同时，ADF（Augmented Dickey-Fuller）检验也在1%的显著性水平上拒绝了单位根的存在。
他们的研究分为三步：首先，他们使用多变量GARCH模型对每个国家股指收益率的条件方差进行了估计。与常见的GARCH（1，1）模型不同的是，他们使用了Schwartz Bayesian Information Criterion（SBIC）估计了最优的AR（k）-EGARCH（p，q）模型。他们发现除了希腊适合使用AR（2）-EGARCH（1，1）以外，其他六国数据更适合传统的AR（1）-EGARCH（1，1）模型。方差方程的所有参数在1%的显著性水平上都显示出了很好的适应性，包括GARCH和非对称性的参数。然而，均值方程的参数即使在10%的显著性水平上仍不显著。鉴于分析的目标是对股指收益率相关系数的动态进行研究，方差方程的适用性使模型整体来说仍然是可行的。第二步，他们使用非对称DCC模型测算出时变条件相关比率。第三步，他们使用AR（1）自回归模型对第二步中得到的相关比率进行建模回归。在模型中，他们引入了虚拟变量来代表主权债务危机期，以观察债务危机是否显著地改变了希腊和其他六国之间的条件相关系数。基于对实证结果的分析，得出以下四个结论：
第一，希腊股指的波动性和爱尔兰的相关程度远高于和其他欧洲大陆国家的相关性。
第二，在2009年末欧债危机开始前，希腊的股指和其他六国之间的相关性呈现出波动起伏的特征，在2008年第四季度达到峰值。和其他文献的结论类似，2008年9月雷曼兄弟申请破产保护使得全球的危机传导效应达到了顶点。
第三，欧债危机开始后，相关性的峰值出现在2010年的第二季度，尤其是希腊和西班牙之间。这与2010年5月雅典街头爆发的大规模抗议和投资者对于希腊的债务清偿能力的怀疑持续升温而导致欧洲主要股指暴跌的时间重合。需要注意的细节是，这次相关性程度的峰值要低于2008年的峰值，显示出欧债危机的传导性要小于全球金融危机的传导性。
第四，也是最重要的一点，在2010年5月以后，动态相关系数呈现下降趋势，尤其是希腊和德国、法国、英国之间的相关性甚至下降到2007年初的水平以下。整体区间的出人意料的下降趋势，给国际投资者带来了重要的启示，即在欧债危机不断恶化、存在着严重但是短期的危机传导效应（2010年初至5月）的同时，希腊和其他欧洲六国之间却存在着一定的分散风险的机会。
以上四篇文献主要使用了ADCC、GARCH等模型，针对第一层级和第二层级国家之间的危机传导机制进行了实证研究。我们对其所得出的结论归纳如下：
首先，第一层级的危机对第二层级国家的传导非常显著，而第二层级的危机对第一层级和第二层级内部的传导效应有限。
其次，从欧债危机开始至2011年期间，只有2010年初至5月这一时间段显示出了强传导效应。这与2009年12月希腊主权评级被下调、2010年5月欧盟批准7500亿欧元希腊援助计划在时间上是相吻合的。
再次，欧债危机对第一层级、第二层级的传导效应不显著的可能原因包括：希腊等国家本身经济规模不大，以及欧盟、ECB、IMF等及时采取了措施。
最后，欧债危机期间，希腊和部分欧洲国家之间的动态相关系数呈现出了总体下降趋势，显示出了一定的分散风险的机会。
我们对近年来具有代表性的对危机传导机制进行实证研究的文献进行了梳理，结合全球经济的地缘结构分层框架，非常清晰地对各次危机在各层之间的传导机制进行了归纳，同时对各次危机以及各层的特性也做了深入的了解。在此，我们对每一层级的经济体及其产生危机的传导机制进行汇总，归纳如下：
第一层级：以美国为代表，其产生的危机影响大、范围广、程度深，极易“传染”到其他各层级国家，以致产生全球性的危机。
第二层级：以欧洲、日本等为代表，其产生的危机具有显著的国别、地域特征，相对而言易受控制，对第一层级和第二层级的传导性有限，而对第三层级的经济体影响更大。
第三层级：以BRICKS等新兴市场经济国家为代表，其非常容易受到外来危机（包括本层之内其他经济体发生的危机）的“传染”，而且所受的影响程度往往比发达经济体更深；同时，发源于第三层级的危机也可能存在对第一层级和第二层级的传导效应。
同时，我们注意到这些文献所使用的实证研究工具主要包括VAR、DCC-GARCH等适合进行金融变量间相关性的可靠估值的模型，我们将在下一节通过引述Engle（2002）的研究，来对我们使用的DCC-GARCH模型进行详细的介绍，并对其适用性和可靠性进行探讨。