香港股市與國(guó)際投資者情緒的動(dòng)態(tài)傳導(dǎo)研究

關(guān)志偉

(上海財(cái)經(jīng)大學(xué)，上海 200433)

一、引言

行為金融學(xué)是經(jīng)濟(jì)金融學(xué)一門比較新的學(xué)科，其基本假設(shè)是投資者不是完全理性的，它結(jié)合金融學(xué)、心理學(xué)、行為學(xué)、社會(huì)學(xué)等學(xué)科的知識(shí)與研究方法，揭示金融市場(chǎng)上存在的非理性行為和決策規(guī)律。Scharfstein和Stein(1990) 研究投資經(jīng)理人模仿其他投資經(jīng)理人的投資決策，而引至市場(chǎng)表現(xiàn)出羊群行為。Wermer(1999)認(rèn)為當(dāng)投資者對(duì)某一股票形成某種偏好或厭惡的共同的觀點(diǎn)時(shí)，投資者就會(huì)可能具有相同的投資決策和形成羊群效應(yīng)。Sias(2004)提出五種機(jī)構(gòu)投資者的羊群行為:信息型、研究型、聲譽(yù)型、時(shí)尚型和特征型?？偫ǘ裕善笔袌?chǎng)的價(jià)格并不只由經(jīng)濟(jì)基本面分析的內(nèi)在因素決定，還很大程度上受到投資者行為，即投資者預(yù)期與情緒的影響，從而使不同市場(chǎng)的價(jià)格產(chǎn)生基于投資者預(yù)期的聯(lián)動(dòng)，亦即市場(chǎng)間存在傳染性的現(xiàn)象。

衡量國(guó)際投資者情緒，本文提出使用恐慌指數(shù)VIX?？只胖笖?shù)VIX其實(shí)是芝加哥期權(quán)交易所市場(chǎng)波動(dòng)率指數(shù)，衡量標(biāo)準(zhǔn)普爾500指數(shù)期權(quán)的隱含波動(dòng)性，它是了解市場(chǎng)對(duì)未來(lái)30天市場(chǎng)波動(dòng)性預(yù)期的一種方法。VIX指數(shù)的值一般可以用來(lái)衡量國(guó)際投資者的情緒或他們的預(yù)期，高的VIX指數(shù)代表國(guó)際投資者認(rèn)為市場(chǎng)會(huì)有很劇烈的波動(dòng)。VIX指數(shù)的最高值出現(xiàn)在當(dāng)國(guó)際投資者預(yù)期市場(chǎng)很可能會(huì)出現(xiàn)很大波動(dòng)。只有當(dāng)國(guó)際投資者認(rèn)為既不會(huì)有較大的下跌風(fēng)險(xiǎn)或較大的上漲可能時(shí)，VIX指數(shù)才會(huì)低。

香港作為世界最自由的經(jīng)濟(jì)體，其股市如何受國(guó)際投資者的預(yù)期影響是本文研究的重點(diǎn)。本文的研究假設(shè)是從投資者行為的角度提出香港股市應(yīng)受投資者情緒所影響而且投資者情緒應(yīng)是一個(gè)合理因素來(lái)帶動(dòng)香港股市。本文亦創(chuàng)新地提出使用恐慌指數(shù)來(lái)研究香港股市，研究?jī)墒袌?chǎng)的聯(lián)動(dòng)和因果關(guān)系。

二、數(shù)據(jù)來(lái)源和描述性統(tǒng)計(jì)

本文選擇2009～2013年的每周數(shù)據(jù)作樣本。以香港恒生指數(shù)(HSI)代表香港股市，而國(guó)際投資者情緒以恐慌指數(shù)(VIX)來(lái)代表，共261組數(shù)據(jù)。我們以取對(duì)數(shù)后差分的方法將收盤價(jià)格轉(zhuǎn)變?yōu)槭找媛剩篖HSI和DLHSI為香港恒生指數(shù)的對(duì)數(shù)和收益率，VIX為恐慌指數(shù)原序列。

圖1 香港恒生指數(shù)及收益率

首先，本節(jié)對(duì)香港股市收益率和恐慌指數(shù)作描述性統(tǒng)計(jì)，觀察其序列的波動(dòng)性特征。作出各個(gè)時(shí)間序列圖如圖1與圖2所示。序列圖。從圖中可以看出，2009年和2011年股票市場(chǎng)的波動(dòng)幅度較大，波動(dòng)性較為明顯。表1給出了恒生指數(shù)收益率與恐慌指數(shù)序列的基本統(tǒng)計(jì)性描述。JB檢驗(yàn)統(tǒng)計(jì)量表明這兩個(gè)序列都不服從正態(tài)分布。從表1可以看出，恒生指數(shù)收益率與恐慌指數(shù)的偏度值都為正，即右偏，峰度值都大于3，說(shuō)明這兩個(gè)市場(chǎng)收益率呈尖峰厚尾的特征。

表1 恒生指數(shù)收益率與恐慌指數(shù)的描述性統(tǒng)計(jì)特征

三、單位根檢驗(yàn)

使用PP檢驗(yàn)和ADF檢驗(yàn)方法對(duì)香港股市的對(duì)數(shù)序列、收益率序列和恐慌指數(shù)的原序列進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果表2所示。表中的結(jié)果表明，股票市場(chǎng)的對(duì)數(shù)序列是非平穩(wěn)時(shí)間序列。而其收益率序列卻是平穩(wěn)的。對(duì)于恐慌指數(shù)而言，其原序列是平穩(wěn)的。

表2 香港股市與恐慌指數(shù)單位根檢驗(yàn)結(jié)果

四、動(dòng)態(tài)傳導(dǎo)效應(yīng)分析

我們對(duì)恒生指數(shù)收益率與恐慌指數(shù)構(gòu)建向量自回歸(VAR)模型，根據(jù)LR值確定最佳滯后階數(shù)為9。建立VAR(9)模型，其AR特征多項(xiàng)式的根的倒數(shù)全部位于單位圓內(nèi)，這表明模型是有效和穩(wěn)定的。因此，可以構(gòu)建脈沖響應(yīng)函數(shù)，進(jìn)一步分析這兩個(gè)市場(chǎng)之間的動(dòng)態(tài)傳導(dǎo)關(guān)系。

脈沖響應(yīng)函數(shù)是用來(lái)刻畫當(dāng)變量VAR方程中的誤差項(xiàng)發(fā)生變化時(shí)，即信息沖擊如何對(duì)變量當(dāng)前值和未來(lái)值產(chǎn)生影響，脈沖響應(yīng)函數(shù)圖能夠直觀地刻畫出變量之間動(dòng)態(tài)作用的路徑變化。香港股票市場(chǎng)與恐慌指數(shù)之間相互作用的脈沖響應(yīng)函數(shù)圖，如圖3和圖4所示。在圖中，橫軸表示信息沖擊作用的滯后期間數(shù)（單位：周），縱軸表示另一市場(chǎng)的響應(yīng)。實(shí)線表示脈沖響應(yīng)函數(shù)，即一個(gè)市場(chǎng)對(duì)另一個(gè)市場(chǎng)沖擊的反應(yīng)。

圖3顯示了香港股票市場(chǎng)對(duì)于受到恐慌指數(shù)沖擊的響應(yīng)函數(shù)，圖4顯示了恐慌指數(shù)對(duì)于受到香港股票市場(chǎng)沖擊的響應(yīng)函數(shù)。從圖3可以看出，香港股票市場(chǎng)對(duì)恐慌指數(shù)一個(gè)標(biāo)準(zhǔn)差信息沖擊的反應(yīng)是比較明顯的兩階段式，第一階段為第一至第十期，恐慌指數(shù)一個(gè)標(biāo)準(zhǔn)差的沖擊，即是恐慌增強(qiáng)時(shí)，股市會(huì)下跌而且維持十期之久，但第十期后進(jìn)入第二階段，可見(jiàn)一個(gè)強(qiáng)力的反彈，而緩慢的減弱，這時(shí)應(yīng)代表恐慌消退，股市進(jìn)入比較平穩(wěn)的階段。從此可看，投資者恐慌對(duì)股市的影響是需要一段以周及月計(jì)的時(shí)間來(lái)被市場(chǎng)消化的，而且投資者在恐慌中的過(guò)度反應(yīng)可從第二階段的反應(yīng)中實(shí)證到。從圖4可以看出，恐慌指數(shù)對(duì)于受到香港股票股票市場(chǎng)一個(gè)標(biāo)準(zhǔn)差信息沖擊的反應(yīng)在第3周達(dá)到最高點(diǎn)，然后相對(duì)平穩(wěn)地消失逐漸減弱。

圖3 股市對(duì)恐慌指數(shù)的響應(yīng)函數(shù)

方差分解是將一個(gè)內(nèi)生變量的變化分解成VAR模型中不同變量的沖擊，以相對(duì)百份比顯示沖擊的貢獻(xiàn)度大小。從方差分解的長(zhǎng)期貢獻(xiàn)度來(lái)看，股票市場(chǎng)收益率變化的長(zhǎng)期貢獻(xiàn)度為3.6%。在恐慌指數(shù)的變化中，恒生指數(shù)收益率的貢獻(xiàn)度小于1.4%。

五、GRANGER 因果

前文的結(jié)果表明恐慌指數(shù)對(duì)香港股市收益率的影響相對(duì)地大很多，但這是否構(gòu)成因果關(guān)系，還需要進(jìn)一步檢驗(yàn)。本文進(jìn)行兩兩Granger因果關(guān)系檢驗(yàn)和測(cè)驗(yàn)各內(nèi)生變量是否可以看作是外生變量。對(duì)于VAR每個(gè)方程，以Wald試統(tǒng)來(lái)檢驗(yàn)對(duì)于其他變量的滯后項(xiàng)系數(shù)是否顯著，其原假設(shè)為獨(dú)立變量的系數(shù)為0。若原假設(shè)被拒絕，亦即系數(shù)顯著的話，則代表Granger因果成立。從表3可見(jiàn)，恐慌指數(shù)作為香港股市收益率的Granger原因是十分顯著的，但香港股市收益率就不是恐慌指數(shù)的Granger原因。從而我們實(shí)證了國(guó)際投資者情緒是會(huì)影響香港股市而本文提供了定量的分析。

表3 香港股市收益率與恐慌指數(shù)的Granger 因果檢驗(yàn)結(jié)果

六、波動(dòng)聯(lián)動(dòng)性

建立Diagonal-BEKK多元GARCH(1,1)模型，引入TARCH項(xiàng)到條件方差方程。

表4 香港股市和恐慌指數(shù)的Diagonal-BEEK GARCH(1，1)估計(jì)結(jié)果

表4列出了條件方差-協(xié)方差矩陣模型的系數(shù)估計(jì)。序號(hào)1為香港股市而序號(hào)2為恐慌指數(shù)。從實(shí)證結(jié)果我們可以得出市場(chǎng)波動(dòng)性(風(fēng)險(xiǎn))隨時(shí)間變動(dòng)的結(jié)論，由B1(1,1)比D1(1,1)和A1(1,1)大可見(jiàn)，香港股票市場(chǎng)的GARCH效應(yīng)比較強(qiáng)，而ARCH效應(yīng)比較弱。但恐慌指數(shù)的表現(xiàn)就不同，由A1(2,2)比B1(2,2)大可見(jiàn)，它的ARCH效應(yīng)比GARCH效應(yīng)更強(qiáng)，即是說(shuō)恐慌指數(shù)的方差變動(dòng)受其前期的沖擊的影響更多于它歷史的方差。對(duì)于TARCH效應(yīng)，即負(fù)殘差的影響，香港股市（D1(1,1)）是顯著的，但恐慌指數(shù)（D1(2,2)）就不顯著了。對(duì)于恐慌指的TGARCH效應(yīng)不顯著，其實(shí)從其定義就可看出，恐慌指數(shù)如下跌，就是表示投資者預(yù)期后市比較平穩(wěn)，因此負(fù)的殘差沖擊沒(méi)有大的作用。

七、結(jié)論

本文研究香港股票市場(chǎng)國(guó)際投資者情緒的關(guān)系，以恒生指數(shù)收益率和恐慌指數(shù)為代表，使用VAR模型、脈沖響應(yīng)函數(shù)、方差分解、Granger因果關(guān)系檢驗(yàn)和Daigonal-BEEK GARCH等計(jì)量經(jīng)濟(jì)分析方法，實(shí)證研究了香港股市和國(guó)際投資者情緒之間的動(dòng)態(tài)傳導(dǎo)關(guān)系。通過(guò)前文的分析，得到以下結(jié)論：

(1)恐慌指數(shù)是香港股市收益率的Granger原因。

(2)香港股票市場(chǎng)與國(guó)際投資者情緒之間有明顯的動(dòng)態(tài)傳導(dǎo)效應(yīng)。沖擊需要長(zhǎng)時(shí)間來(lái)消化，國(guó)際投資者情緒對(duì)香港股市的影響遠(yuǎn)大于香港股市對(duì)國(guó)際投資者情緒的影響。而香港股市在消化國(guó)際投資者情緒的沖擊時(shí)會(huì)出現(xiàn)明顯的過(guò)度反應(yīng)而后回復(fù)，從方差分解的長(zhǎng)期貢獻(xiàn)度來(lái)看，對(duì)于香港股票市場(chǎng)，國(guó)際投資者情緒的沖擊貢獻(xiàn)度為3.6%。而對(duì)于國(guó)際投資者情緒，香港股票市場(chǎng)的沖擊貢獻(xiàn)度小于1.4%。

(3)香港股票市場(chǎng)和國(guó)際投資者情緒存在負(fù)的波動(dòng)聯(lián)動(dòng)性效應(yīng)。就是說(shuō)當(dāng)恐慌上升，股市為之下跌。

本文提出引入量化國(guó)際投資者情緒的方法，以此研究香港股市與情緒的互動(dòng)。以上結(jié)論對(duì)香港股市的監(jiān)管機(jī)構(gòu)和投資者認(rèn)識(shí)情緒對(duì)股市的影響、滯后期數(shù)和過(guò)度反應(yīng)有一定的幫助，從而提高風(fēng)險(xiǎn)管理的意識(shí)和作出相應(yīng)的市場(chǎng)規(guī)劃。

[1]Scharfstein，D.S.，&Stein，J.C，1990，“Herd behavior and investment”，The American Economic Review，PP465-479.

[2]Wermers，R，1999，“Mutual fund herding and the impact on stock prices”，The Journal of Finance，Vol 54(2)，PP581-622.

[3]Sias，R.W，2004，“Institutional herding”，Review of financial studies，Vol 17(1)，PP165-206.