We analyze the relation between volatility spillovers and jumps in financial markets. For this, we compared the volatility spillover index proposed by Diebold and Yilmaz (2009) with a global volatility component, estimated through a multivariate stochastic volatility model with jumps in the mean and in the conditional volatility. This model allows a direct dating of events that alter the global volatility structure, based on a permanent/transitory decomposition in the structure of returns and volatilities, and also the estimation of market risk measures. We conclude that the multivariate stochastic volatility model solves some limitations in the spillover index and can be a useful tool in measuring and managing risk in global financial markets. / Analisamos a relação existente entre spillovers e saltos na volatilidade nos mercados financeiros. Para isso, comparamos o índice de spillover de volatilidade proposto por Diebold and Yilmaz (2009), com um componente de volatilidade global, estimado através de um modelo multivariado de volatilidade estocástica com saltos na média e na volatilidade condicional. Este modelo permite uma datação direta dos eventos que alteram a estrutura de volatilidade global, baseando-se na decomposição das estruturas de retorno e volatilidade entre efeitos permanentes/transitórios, como também a estimação de medidas de risco de mercado. Concluímos que este modelo resolve algumas das limitações do índice de spillover além de fornecer um método prático para mensurar e administrar o risco nos mercados financeiros globais.

We analyze the relation between volatility spillovers and jumps in financial markets. For this, we compared the volatility spillover index proposed by Diebold and Yilmaz (2009) with a global volatility component, estimated through a multivariate stochastic volatility model with jumps in the mean and in the conditional volatility. This model allows a direct dating of events that alter the global volatility structure, based on a permanent/transitory decomposition in the structure of returns and volatilities, and also the estimation of market risk measures. We conclude that the multivariate stochastic volatility model solves some limitations in the spillover index and can be a useful tool in measuring and managing risk in global financial markets. / Analisamos a relação existente entre spillovers e saltos na volatilidade nos mercados financeiros. Para isso, comparamos o índice de spillover de volatilidade proposto por Diebold and Yilmaz (2009), com um componente de volatilidade global, estimado através de um modelo multivariado de volatilidade estocástica com saltos na média e na volatilidade condicional. Este modelo permite uma datação direta dos eventos que alteram a estrutura de volatilidade global, baseando-se na decomposição das estruturas de retorno e volatilidade entre efeitos permanentes/transitórios, como também a estimação de medidas de risco de mercado. Concluímos que este modelo resolve algumas das limitações do índice de spillover além de fornecer um método prático para mensurar e administrar o risco nos mercados financeiros globais.

本文採用 Chib， Nardari， 與 Shephard(2006) 的多變量動態因子隨機波動模型(MSV)， 來探討美、日、台三國的資訊、電腦類股股價報酬率波動的共同行為。 我們將模型中的因子解釋為產業的前景或信心，並藉由模擬的方式描繪出其樣貌，進而希望了解產業景氣循環在股價的波動行為中扮演什麼角色。 研究財務市場間的關聯性一值是一項重要的課題，也發展出各種的模型來描述既有的現象。 MSV 模型將看不到的解釋變量數量化，並將變數的波動行為切割為可由因子所解釋與不能解釋的部分。 且藉由將觀察值的誤差項以及單一因子的波動行為設定為隨機波動，放寬共變數變異數矩陣為定值的假設，讓每一時點都能依時變動，在同類的模型中對資料的設定是較少的。 在實證分析中我們有幾點發現：1. 因子能夠解釋資產間的波動行為，其反映在扣除因子波動之後的自有波動，其波動水準值的降低。 2. 在股價波動劇烈期間，因子解釋能力提高。 3. 因子的解釋能力在不同的國家中差異幅度很大，日本有超過一半的波動可以為因子的波動所解釋，而因子在台灣股價的波動行為只有兩成左右的解釋能力。