大陸、香港和臺灣股票市場聯(lián)動性的動態(tài)分析

摘 要：采用DCC-MVGARCH模型對2000年1月1日至2014年6月30日之間的大陸、香港和臺灣三個地區(qū)的股票市場之間的聯(lián)動性進行了動態(tài)分析。實證結(jié)果表明，大陸與香港、臺灣股市之間的聯(lián)動性均呈現(xiàn)增強的趨勢，但大陸與香港股市之間的聯(lián)動性高于大陸與臺灣股市之間的聯(lián)動性;香港與臺灣股市之間的聯(lián)動性雖然沒有呈現(xiàn)增強的趨勢，但其相關(guān)程度較高，且波動明顯。

關(guān)鍵詞：DCC-MVGARCH模型;聯(lián)動性;股票市場

中圖分類號：F830 文獻標志碼：A 文章編號：1673-291X（2014）31-0116-05

在全球金融市場中，不同的子市場之間經(jīng)常存在價格或波動的相關(guān)關(guān)系，隨著全球一體化程度的不斷推進，這種相關(guān)關(guān)系日趨緊密。長期以來，中國大陸、香港和臺灣地區(qū)的股票市場的發(fā)展相對獨立，大陸股票市場的發(fā)展起步較晚，但是，隨著大陸股票市場發(fā)展的日趨成熟化，大陸股票市場與香港、臺灣股票市場之間的聯(lián)系也在逐步加深。

一、文獻綜述

自20世紀80年代開始，國內(nèi)外學(xué)者開始對金融市場的相關(guān)關(guān)系進行研究。Eun和Shim [1]（1989）以1979年12月31日至1985年12月20日期間的1 560筆股票市場日交易資料為樣本，利用VAR模型對美國、英國等9個股票市場價格指數(shù)的波動性進行研究，探討了國際股市之間的聯(lián)動性。Lee和Kim[2]（1993）研究了1987年股災(zāi)期間12個國家股票市場之間的關(guān)系，研究發(fā)現(xiàn)股市指數(shù)的相關(guān)系數(shù)值從0.23升至0.39，說明股票市場之間存在相互傳染。Calvo和Reinhart[3]（1996）研究了1994年12月墨西哥危機前后新興市場間相關(guān)關(guān)系的變化情況，研究結(jié)果表明，危機后，新興國家之間的相關(guān)系數(shù)有了比較大的提高，說明了新興國家股票市場之間存在金融傳染。

中國股市聯(lián)動性的相關(guān)文獻主要體現(xiàn)在兩個方面：一是研究中國股市與外部股市的聯(lián)動性，二是對中國股市內(nèi)部進行聯(lián)動性分析。洪永淼等[4]（2004）利用風險—Granger因果關(guān)系檢驗和GARCH族模型，選取中國內(nèi)地、香港、臺灣、新加坡、韓國等12個有代表性的股票市場價格指數(shù)，分析了中國A股、B股、H股之間，以及中國與世界其他各國股市之間是否存在風險溢出效應(yīng)。王群勇和王國忠[5]（2005）運用向量自回歸模型和多元GARCH模型研究了中國滬市A、B股之間的信息傳遞模式和均值溢出效應(yīng)，該研究發(fā)現(xiàn)滬市A、B股市場之間僅存在A股市場對B股市場僅存在由A股到B股的單向信息的傳遞，這種單向信息傳遞存在的主要原因是市場微觀結(jié)構(gòu)中投資者差異和信息不對稱。谷耀和陸麗娜[6]（2006）運用DCC-（BV）EGARCH-VAR的方法分析研究了中國滬、深、港三地股票市場收益與波動溢出效應(yīng)和動態(tài)相關(guān)性，這種方法的特點是可以有效克服多個金融市場波動之間的自相關(guān)性。用這種方法得到的結(jié)論是，香港股票市場的波動會產(chǎn)生對境內(nèi)股票市場的波動溢出效應(yīng)。董秀良和吳仁水[7]（2008）利用DCC-MVGARCH模型對中國滬深A(yù)、B股市場之間的動態(tài)相關(guān)性進行了考察，研究發(fā)現(xiàn)，滬深兩市A、B股之間存在正相關(guān)關(guān)系，但整體來看，該動態(tài)相關(guān)系數(shù)相對較低，市場分割明顯，但隨著時間變化呈現(xiàn)一體化的趨勢。張兵、范致鎮(zhèn)和李心丹[8]（2010）以2001年12月12日至2009年1月23日上證指數(shù)與道瓊斯指數(shù)的日交易數(shù)據(jù)檢驗了中美股市的聯(lián)動特征，檢驗結(jié)果顯示，中國股市與美國股市不存在長期的均衡關(guān)系：中國股市對美國股市的波動溢出效應(yīng)不明顯，在QDII實施之后，美國股市對中國股市具有波動溢出效應(yīng)，且不斷增強。何紅霞和胡日東[9]（2011）采用非對稱BEKK-GARCH模型研究了深圳、香港、臺灣三地股票市場之間的短期波動溢出效應(yīng)，研究發(fā)現(xiàn)中國大陸股市和香港、臺灣股市有雙向的信息傳遞。丁振輝和徐瑾[10]（2013）運用GARCH-M模型研究了上海股市和香港股市之間的聯(lián)動關(guān)系，結(jié)果顯示，兩大股市存在相互影響的聯(lián)動關(guān)系，但是上海對香港股市的影響要強于香港對上海股市的影響。

通過對國內(nèi)外關(guān)于股票市場聯(lián)動性的現(xiàn)有文獻進行梳理，發(fā)現(xiàn)國內(nèi)外學(xué)者對于股票市場之間的聯(lián)動性已經(jīng)做了很多研究。本文立足于中國，針對2000年以來大陸股票市場與香港、臺灣股票市場之間的聯(lián)動性進行研究，以期能為中國股市的政策制定者、監(jiān)管機構(gòu)和投資者提供支持。

二、研究方法介紹

為了更準確地研究大陸、香港和臺灣地區(qū)股票市場之間波動的相關(guān)性，文章利用目前時間序列動態(tài)相關(guān)性常用的DCC-MVGARCH模型，該模型是由Engle和Sheppard[11]（2001）在CCC-MVGARCH的基礎(chǔ)上提出的，它放寬了相關(guān)系數(shù)為常數(shù)的假設(shè)，允許相關(guān)系數(shù)矩陣R隨時間t變動，即相關(guān)系數(shù)矩陣R具有時變特征。

假設(shè)有k種資產(chǎn)，其收益率rt的新息{et}為獨立同分布的白噪聲過程，則動態(tài)相關(guān)結(jié)構(gòu)可以設(shè)定為：

rt=ut+et

et|Ωt-1～N（0，Ht）

Ht=DtRtDt

Qt=（1-■αm-■βn）Q+■αm（εt-mεT " t-m）+■βnQt-n

Q=T-1■εtε′t

Rt=diag（Qt）-1Qtdiag（Qt）-1

其中，Ωt-1是rt在時刻t的信息集，Q為標準化殘差的無條件方差矩陣，Rt為動態(tài)相關(guān)系數(shù)矩陣，Dt=diag（hit），hit=ωi+■αipe2 " " i，t-p+■βiqe2 " " i，t-q，εt=D-1tet為向量標準化殘差。αm和βn為DCC模型的系數(shù)（m和n為滯后階數(shù)）。

DCC-MVGARCH模型的估計方法一般通過兩步來實現(xiàn)：第一步，估計要研究的時間序列的單變量GARCH模型，得到條件方差，進而計算出標準化殘差，第二步，采用極大似然方法估計動態(tài)相關(guān)系數(shù)。

三、變量選擇和數(shù)據(jù)描述

（一）數(shù)據(jù)來源

文章選取上證綜合指數(shù)（SHI）、香港恒生指數(shù)（HSI）和臺灣加權(quán)指數(shù)（TWII）的日收盤價作為研究對象，分別代表大陸、香港和臺灣的股票市場的發(fā)展狀況。數(shù)據(jù)時間范圍為2000年1月1日至2014年6月30日，剔除樣本內(nèi)股票市場不匹配的情形（節(jié)假日導(dǎo)致），最終篩選得到有效配對數(shù)據(jù)共計3 078個。則股票市場收益率R可表示為：

Ri，t=100×ln（Pi，t /Pi，t-1）

式中，i=1，2，3，分別表示大陸、香港、臺灣的股票市場，Pi，t 為市場i第t期的收盤價。

（二）描述性統(tǒng)計分析

大陸、香港、臺灣股票市場收益率的基本描述性統(tǒng)計（見表1）。標準差結(jié)果顯示，大陸股市波動性最大，香港次之，臺灣股市波動性最小，但整體差別不明顯;偏度結(jié)果顯示，大陸和香港股市收益率的偏度大于0，是右偏分布，臺灣股市收益率的偏度小于0，是左偏分布;峰度結(jié)果顯示三個地區(qū)股市收益率序列均呈現(xiàn)尖峰厚尾的特點，J-B統(tǒng)計量結(jié)果表明三個股票市場收益率序列均不服從正態(tài)分布。

表2顯示了三個地區(qū)股票市場收益率的相關(guān)系數(shù)。全樣本數(shù)據(jù)的相關(guān)系數(shù)顯示，大陸股市與香港、臺灣股市的相關(guān)系數(shù)分別是0.37837和0.20951，顯示出較弱的相關(guān)性，而香港與臺灣股市的相關(guān)性較強，相關(guān)系數(shù)為0.53683。為了進一步說明三個地區(qū)股市相關(guān)性的變化趨勢，分別測算2008年前后的三個地區(qū)股市的相關(guān)性，結(jié)果顯示，大陸股市與香港股市的相關(guān)系數(shù)從2008年之前的0.20604變?yōu)?008年之后的0.52273，大陸股市與臺灣股市的相關(guān)系數(shù)也從2008年之前的0.08559變?yōu)?008年之后的0.36567，這在一定程度上說明了經(jīng)過近幾年的發(fā)展，大陸股市與香港、臺灣股市的聯(lián)系在逐步增強。 四、實證分析和結(jié)果

（一）平穩(wěn)性、自相關(guān)及ARCH效應(yīng)檢驗

文章分別對大陸、香港和臺灣股票市場的收益率序列進行平穩(wěn)性、自相關(guān)和ARCH效應(yīng)檢驗，結(jié)果（見表3）。

從表3可以看出，大陸、香港和臺灣股票市場收益率序列均通過了平穩(wěn)性檢驗，且Ljung-Box Q檢驗結(jié)果表明：（1）大陸和香港股票市場收益率序列不存在自相關(guān)現(xiàn)象，而臺灣股票市場收益率序列存在自相關(guān)現(xiàn)象;（2）大陸、香港和臺灣股票市場收益率平方序列具有顯著的自相關(guān)現(xiàn)象，說明收益率序列波動聚集效應(yīng)顯著。同時ARCH效應(yīng)檢驗結(jié)果表明三個地區(qū)股票市場收益率序列存在ARCH效應(yīng)，根據(jù)AIC準則，發(fā)現(xiàn)使用GARCH（1，1）模型來估計三個地區(qū)股市的收益率序列是比較合適的。

表4中α表示現(xiàn)有信息對下一期波動性的影響力程度，α值越高說明該股票市場對新信息的敏感度越高，參數(shù)估計結(jié)果顯示，大陸、香港和臺灣股票市場的α值都較低。α+β表示股票市場收益率波動的維持性，用來衡量現(xiàn)有波動性趨勢的消失速度，其值越接近于1，表明波動性趨勢的持續(xù)時間越長，由此可知大陸、香港和臺灣股票市場波動性的持續(xù)性均較長，且沒有明顯差異。

（二）DCC-MVGARCH模型估計結(jié)果

文章利用DCC（1，1）-MVGARCH（1，1）模型分別估計大陸、香港和臺灣股票時間兩兩之間的動態(tài)相關(guān)性，通過R軟件編程得到三地股票市場動態(tài)條件相關(guān)系數(shù)走勢圖。

圖1顯示的是2000年1月1日至2014年6月30日的大陸股市與香港股市動態(tài)條件相關(guān)系數(shù)的走勢圖，可以發(fā)現(xiàn)，大陸股市與香港股市的動態(tài)相關(guān)系數(shù)在多數(shù)時間內(nèi)都大于0，尤其在美國金融危機發(fā)生后，大陸與香港股市的動態(tài)相關(guān)系數(shù)呈現(xiàn)出明顯的上升趨勢，且超過了0.5。

圖2顯示的是2000年1月1日至2014年6月30日的大陸股市與臺灣股市動態(tài)條件相關(guān)系數(shù)的走勢圖，可以發(fā)現(xiàn)，大陸股市與臺灣股市的動態(tài)相關(guān)系數(shù)呈現(xiàn)出動態(tài)上升的趨勢，但其在上升的同時卻呈現(xiàn)較大的波動性。

圖3顯示的是2000年1月1日至2014年6月30日的香港股市與臺灣股市動態(tài)條件相關(guān)系數(shù)的走勢圖，可以發(fā)現(xiàn)，香港股市與臺灣股市的動態(tài)相關(guān)系數(shù)存在大幅波動且趨勢不明顯，但相關(guān)系數(shù)整體較高，大都在0.6附近波動。

五、結(jié)論

本文以上證綜合指數(shù)、香港恒生指數(shù)和臺灣加權(quán)指數(shù)的日收盤價為研究對象，采用DCC-MVGARCH模型，考察了大陸、香港和臺灣股票市場之間的動態(tài)相關(guān)性，根據(jù)實證結(jié)果，可以得到如下結(jié)論：

第一，大陸與香港股市之間的聯(lián)動性呈現(xiàn)明顯加強的趨勢，尤其在美國金融危機之后，大陸與香港兩地的股市之間的相關(guān)性達到了0.5以上，說明經(jīng)過了證券市場改革和經(jīng)濟的快速發(fā)展之后，中國大陸股票市場與香港股票市場之間的聯(lián)動關(guān)系正在逐步增強。

第二，大陸與臺灣股市之間的聯(lián)動性雖然整體上存在增強的趨勢，但同時卻顯示出較大的波動性。整體來看，大陸與臺灣股市之間的聯(lián)動性卻沒有大陸與香港股市之間的聯(lián)動性強，其相關(guān)系數(shù)大都在0.5以下。

第三，香港與臺灣股市之間的聯(lián)動性最高，雖然沒有呈現(xiàn)明顯的變化趨勢，但卻表現(xiàn)出較大幅度的波動。

基于本文的實證結(jié)果分析可知，中國大陸與香港、臺灣股票市場之間的聯(lián)動效應(yīng)均呈現(xiàn)增強的趨勢，大陸股市正逐步改善以前相對獨立的狀態(tài)。這對于政策制定者、監(jiān)管機構(gòu)等都具有重要的意義。

參考文獻：

[1] "Cheol S.Eun amp; Sangdal Shim.International Transmission of Stock Market Movements[J].Journal of Financial and Quantitative Analysis，

1989，24（2）：241-256.

[2] "Lee，S.B.，amp; Kim，K.J.Does the October 1987 crash strengthen the co-movements among national stocks markets？[J].Review of Financial

Economics，1993，3（1）：89-102.

[3] "Calvo，Sara amp; Reinhart，Garmen.Capital flows to Latin America：Is there evidence of contagion effects？[R].Policy Research Working

Paper Series 1619，1996.

[4] "洪永淼，成思危，劉艷輝，汪壽陽.中國股市與世界其他股市之間的大風險溢出效應(yīng)[J].經(jīng)濟學(xué)（季刊），2004，（3）：24.

[5] "王群勇，王國忠.滬市A、B股市場間信息傳遞模式研究[J].現(xiàn)代財經(jīng)—天津財經(jīng)學(xué)院學(xué)報，2005，（6）：25-29.

[6] "谷耀，陸麗娜.滬、深、港股市信息溢出效應(yīng)與動態(tài)相關(guān)性——基于DCC-（BV）EGARCH-VAR的檢驗[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，

2006，（8）：142-151.

[7] "董秀良，吳仁水.基于DCC-MGARCH模型的中國A、B股市場相關(guān)性及其解釋[J].中國軟科學(xué)，2008，（7）：125-133.

[8] "張兵，范致鎮(zhèn)，李心丹.中美股票市場的聯(lián)動性研究[J].經(jīng)濟研究，2010，（11）：141-151.

[9] "何紅霞，胡日東.大中華區(qū)股市波動溢出效應(yīng)實證研究——基于多元非對稱BEKK-GARCH模型[J].重慶科技學(xué)院學(xué)報（社會科

學(xué)版），2011，（10）：139-143.

[10] "丁振輝，徐瑾.上海和香港兩地股市聯(lián)動性研究——基于GARCH模型的分析[J].金融發(fā)展研究，2013，（5）：20-25.

[11] "Robert F.Engle amp; Kevin Sheppard.Theoretical and Empirical properties of Dynamic Conditional Correlation Multivariate GARCH[R].

NBER Working Paper Series 8554，2001.

[12] "呂亮雯.DCC-MVGARCH模型計算方法研究及在金融市場中的應(yīng)用[D].廣州：暨南大學(xué)，2006.[責任編輯 " 吳明宇]