2007年由美国引发的次贷危机对全球经济产生重要影响，其中最为迅速的表现便是各国股票市场指数的迅速下跌。本文以次贷危机为研究背景，以讨论各国证券指数之间的波动变化趋势为出发点，借以分析国际证券市场间的关联性。　　 关联性包括动态的传染性和静态的相关性，因此本文通过两个实证模型来分别从这两个角度分析。传染性指一国市场发生变动对其他证券市场影响的蔓延，采用基于VAR的Granger因果检验和脉冲响应函数来刻画；相关性指两个市场协同变化相关程度，采用Copula函数来刻画。　　 本文分别利用VAR模型的Granger因果检验和Copula函数这两个模型进行数据分析，在分析的过程中将世界各个证券市场分为两类，一类为发达市场，一类新兴市场，同时考虑危机发生前中后不同时期美国市场同其他市场的关联性的不同。发达市场选则英国、法国、德国、加拿大、日本、新加坡、香港证券市场，新兴市场选择“金砖四国”中国、印度、俄罗斯和印度。在分析不同类型证券市场同美国市场关联性差异的同时，也考虑不同区域，例如欧洲与亚洲市场同美国市场的关联性的不同。　　 文章全文安排如下：第二章首先给出市场关联性，危机传导以及两个模型国内外文献综述，旨在理清脉络的同时找到论文的切入点。其次在第三章给出本文所使用的两个模型的理论基础，包括相关概念、性质、公式及应用范围。第四章和第五章采用结构化方法，分别利用VAR和Copula函数两种方法从波动传导及市场关联系数方面考察不同市场的关联性。每个章节可独立成文，从模型简述、实证结果到分析总结，把两种方法的全部处理过程都完整叙述。第六章将在两个模型的基础上对市场波动传导机制在理论上进行论述，针对不同模型得到的不同结果根据实际结果进行比较。最后部分是全文总结，包括本章的总体结论及今后的研究方向探讨。　　 研究美国次贷危机对全球主要资本市场的影响时，文章也侧重从不同于前人的角度分析问题。创新之一在于对不同类型的证券市场进行分类比较，分别从市场特征及地域特征两方面比较发达市场与新兴市场，欧洲市场与亚洲市场在危机传导方面的不同特点。创新之二在于将危机传导的讨论扩展到危机发生前中后三个时期，分别就不同时期进行讨论不仅可以确切看到危机导致市场波动的传导，而且可以看到不同市场波动传导速度和效率。创新之三在于分别采用基于VAR的Granger因果检验和Copula函数这两种方法来分析；这两种方法原理和侧重点各不相同，但可以得到类似的结论，通过联系实际比较结果不仅可以得到更为精确的结论，而且还能类比模型。　　 在数据处理方法上，本文选择2005年1月至2009年12月这五年中所要考察的12个市场的主要市场指数收益率作为样本，通过筛选得到这12个市场同时开盘的数据。最后将这些市场在2005年初至2009年末次贷危机发生前、发生时和发生后的股票价格指数收益率分别与美国股票价格指数进行阶段比较，得出这三阶段发达市场和新型市场与美国股市的相关性衡量指标。　　 在研究内容上，相关系数可以求得变量间的线性关系，VAR的方法可以通过Granger因果分析得出变量间的因果关系。Copula函数则是将不同变量整合，建立一个函数，得到不同变量间的相关关系，这种相关关系并不局限于线性关系。同时，基于VAR的Granger因果检验或者脉冲响应函数重点考察的是市场之间的动态关系和调整过程。而Copula函数则可能仅仅考察市场的静态关联程度。因此，我们可以粗略地认为，基于VAR的Granger因果检验更偏重于考察市场之间的“传染性”，而Copula函数则更多侧重于考察市场之间的“相关性”。　　 在研究方法上，Granger因果检验基于VAR模型，而VAR模型采用最小二乘法进行估计时要求数据具有平稳性，因而需要对所得数据进行单位根检验，以确保平稳性。考察数据平稳性的基础上建立VAR模型。最后进行Granger因果分析和脉冲响应函数分析。Copula函数的方法首先需要对收益率序列残差的分布状况进行描述和刻画，这主要是通过GARCH(1，1)模型完成。残差的条件边缘分布可以代表收益率序列的特点，因此这一步也是对收益率序列本身特定的把握。因为Copula函数所要求的变量必须在(0.1)之间，因而第二步需要对得到的残差序列进行概率积分，使得不改变分布特点的情况下将序列映射到u，v这两个满足值在(0，1)之间的变量。第二步完成后便可用Copula函数进行两个变量相关性的计算了。当然选择什么样的Copula函数还取决于数据的特点和想要描绘的背景，不同的Copula函数在不同类型的市场状况下刻画的效果也不同。由于本文在分析时将样本分为三个时期，一个时期是牛市，而后两个时期接近熊市，所以第三步便是分别选用Gumbel Copula和Clayton Copula函数进行分析。　　 第一个模型，即基于VAR模型的Granger因果检验，得到主要的结论如下：首先，美国次贷危机对美国证券市场带来巨大波动，这个波动在全球证券市场进行传导，主要表现为危机发生后市场之间的关联性显著增加。其次，对不同市场而言，美国证券市场的波动对发达市场的传导要明显强于中国、巴西、印度这三个新兴市场；最后，同一类别的市场当中，不同地区的传导效率也不同，具体表现为同样是发达证券市场，对英国、法国、德国这样的欧洲市场的影响要快于对日本、香港、新加坡这样的亚洲证券市场，虽同样是新兴市场，对俄罗斯的传导要更为明显。总之，对于证券市场的相关性可以总结为，美国和欧洲市场较美国和亚洲市场关联性更大，发达市场较新兴市场关联性更大。　　 第二个模型，即Copula函数方法得到的主要结论如下：首先，不同类型市场的区分在结果上并没有良好的表现，即无法通过Copula函数的相关性结果看出发达证券市场同新兴证券市场在同美国市场的关联性上有一致的区别。其次，从地域上来看，欧洲发达证券市场比亚洲发达证券市场要同美国市场的关联性更强。对于同属于新兴的金砖四国的证券市场，处于美洲的巴西同美国市场的关联性要强于其他三国国家。再次，在时期的划分上，危机发生中后期各国同美国市场的关联性整体上是提高的，而且尤其表现在欧洲证券市场上。　　 比较这两个模型，虽然在研究市场关联性方面讨论的侧重点不同，但是其得到的主要结论还是有很多相似之处。虽然Copula函数主要刻画市场之间的相关性，但是由于本文将时间段分为前中后三个部分，因此，通过考过各个部分的市场之间的相关性，对于危机的传导过程在一定程度上也是可以把握的。在主要结论上，二者都明确地得出欧洲市场较亚洲市场更容易收到美国证券市场的影响，同时，英国、法国、德国的证券市场具有非常高的同步性。对于新兴市场，中国和印度都不易受美国市场的影响，而巴西和俄罗斯相对更容易受美国市场的影响。同属亚洲市场，发达市场例如香港，日本和新加坡比新兴市场如印度、中国更容易受到美国市场的影响。　　 最后在总结部分通过利用套利定价模型、有效市场等经典投资学理论以及信息不对称、理性预期等经典经济学理论作为思考出发点，并联系各国的实际情况来解释所得到结论的合理性和有效性。