中美股票市場流動性相依結(jié)構(gòu)的動態(tài)特征研究

湯 芮

(安徽財經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233000)

中美股票市場流動性相依結(jié)構(gòu)的動態(tài)特征研究

湯 芮

(安徽財經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233000)

金融市場間存在著某種相依結(jié)構(gòu)，并呈現(xiàn)復(fù)雜性和加強(qiáng)的趨勢，特別在金融市場出現(xiàn)極端情況時，這種加強(qiáng)使得暴漲暴跌在若干金融市場內(nèi)同時出現(xiàn)。研究采用滬深300與標(biāo)普500指數(shù)的流動性時間序列為樣本，利用時變Copula函數(shù)研究了中美股票市場的流動性動態(tài)相依結(jié)構(gòu)特征。研究結(jié)果表明：中美兩國股市流動性相依結(jié)構(gòu)較穩(wěn)定，尾部相關(guān)性水平較低；金融危機(jī)爆發(fā)時，兩市總體相關(guān)系數(shù)波動減小，而尾部相關(guān)性輕微增加；相依結(jié)構(gòu)存在明顯的“政策效應(yīng)”，這種效應(yīng)將減弱相關(guān)性水平，但是壽命短暫。

相依結(jié)構(gòu)；Copula函數(shù)；政策效應(yīng)；流動性

流動性是衡量金融市場健康有序的關(guān)鍵標(biāo)準(zhǔn)，是金融市場和眾多金融工具生存的前提。隨著金融全球化、一體化程度的加深，金融市場間呈現(xiàn)出復(fù)雜和日益加強(qiáng)的關(guān)聯(lián)性，這種關(guān)聯(lián)性造成了不同金融市場間的流動性呈現(xiàn)出不同的相依結(jié)構(gòu)。眾多的研究結(jié)果表明，在金融危機(jī)或極端情況中，金融變量間的相關(guān)性、特別是尾部相關(guān)性顯著增強(qiáng)。面對復(fù)雜、波動劇烈的全球金融環(huán)境，我國的金融市場已不能獨(dú)善其身，因此，研究我國與主要發(fā)達(dá)國家金融市場之間的流動性相關(guān)結(jié)構(gòu)，對于有效應(yīng)對外部流動性沖擊，合理調(diào)控流動性水平，保持我國金融市場健康發(fā)展具有重要的現(xiàn)實(shí)意義。

金融市場間存在相依結(jié)構(gòu)已被理論界所認(rèn)可和接受，這種相依結(jié)構(gòu)對資產(chǎn)風(fēng)險管理具有重要意義，也是理論界研究的熱點(diǎn)。胡秋靈和于婷婷(2013)研究了不同時期我國股票市場和債券市場的聯(lián)動性，發(fā)現(xiàn)國內(nèi)因素對兩市場的影響較大，國際因素的影響程度相對有限[1]。朱為玉(2014)從收益率角度，研究了股票市場中與債券收益率高度相關(guān)的股票投資組合的特征[2]。范原源(2014)利用DCC-MVGARCH模型實(shí)證研究了股票市場和債券市場間收益率的聯(lián)動關(guān)系，發(fā)現(xiàn)兩市場間的流動仍存在較大的摩擦[3]。楊寶臣和趙亮(2015)研究了我國股票和債券市場流動性之間的溢出效應(yīng)，表明了兩市間存在雙向的非線性Granger因果關(guān)系[4]。陳學(xué)彬和曾裕峰(2016)基于多元分位數(shù)研究了中美股票指數(shù)和債券指數(shù)的尾部風(fēng)險溢出效應(yīng)，研究結(jié)果表明：我國股票市場和不同債券市場的尾部風(fēng)險溢出關(guān)系完全一致，而美國的企業(yè)債和股票的尾部風(fēng)險溢出關(guān)系要明顯強(qiáng)于國債[5]。龔玉婷等(2016)從月度宏觀和日度微觀角度出發(fā)，研究了通貨膨脹率、貨幣供給量等一系列因素對股債兩市場流動性和相關(guān)性的影響[6]。陳九生和周孝華(2017)基于條件在險值，結(jié)合單因子MSV模型分析股票市場和ETF市場間的風(fēng)險溢出效應(yīng)，發(fā)現(xiàn)兩市間存在雙向溢出效應(yīng)，但股票市場對ETF市場的影響更強(qiáng)[7]。

早期的相依結(jié)構(gòu)研究主要采用相關(guān)系數(shù)檢驗(yàn)法，如King和Wadhwani(1990)通過分析1987年美國股市崩盤前后相依性水平的變化，發(fā)現(xiàn)危機(jī)后歐美股市間的聯(lián)動關(guān)系加強(qiáng)[8]。隨著上世紀(jì)90年代金融市場波動加劇，學(xué)者們開始關(guān)注金融市場間的動態(tài)相依結(jié)構(gòu)，特別是極端情況下的相關(guān)性問題。Lai.Y等(2009)采用GJR-GARCH模型進(jìn)行實(shí)證分析，結(jié)果顯示我國匯率與股票市場間存在不對稱的門限協(xié)整關(guān)系[9]。張兵等(2010)運(yùn)用Johansen協(xié)整檢驗(yàn)分析了中美兩市是否存在長期均衡關(guān)系，并運(yùn)用分位數(shù)回歸研究極端條件下市場的聯(lián)動性[10]。陳云(2013)構(gòu)建AG-DCC-MVGARCH 模型，實(shí)證研究中美股市收益率之間的動態(tài)相關(guān)性[11]。自從 Copula 函數(shù)被引入到金融領(lǐng)域后，便得到了廣泛應(yīng)用，成為研究金融市場相關(guān)性的主要方法之一。梁朝暉(2004)利用Copula函數(shù)對流動性風(fēng)險與市場風(fēng)險的尾部相關(guān)關(guān)系進(jìn)行研究[12]。Patton(2006)提出四種時變 Copula模型，進(jìn)行了兩國股票市場動態(tài)相關(guān)性研究[13]。吳吉林和張二華(2010)運(yùn)用具有狀態(tài)轉(zhuǎn)換特征的時變Copula函數(shù)，研究了國際金融危機(jī)中上海股票市場與美國股票市場之間相關(guān)性的變化[14]。Chen和Poon(2011)基于時變 Copula 研究了中國證券市場與國際上其他證券市場之間的相依關(guān)系[15]。劉桂梅等(2013)和江紅莉等(2013)利用時變Copula函數(shù)，研究上證地產(chǎn)股指數(shù)和金融股指數(shù)收益率的尾部相關(guān)性[16-17]。

目前，關(guān)于流動性相依結(jié)構(gòu)的文獻(xiàn)中，要么圍繞流動性和收益率、波動性展開，要么以某一國內(nèi)的股票與債券、基金市場、現(xiàn)貨與期貨市場為對象，針對不同國家金融市場間流動相依結(jié)構(gòu)的研究相對較少。筆者認(rèn)為研究不同國家金融市場間流動性相依結(jié)構(gòu)的意義在于：(1)流動性指標(biāo)包含價量時空因素，能夠綜合反映金融市場的活躍性和健康狀況；(2)諸如宏觀經(jīng)濟(jì)走勢、調(diào)控政策、突發(fā)事件等因素將對一國金融市場的流動性產(chǎn)生影響。與研究一國內(nèi)金融市場不同，這些因素可能只影響本國，也可能影響包括本國在內(nèi)的若干國家金融市場的流動性。不同國家間的流動性相依結(jié)構(gòu)能夠刻畫這些因素影響效應(yīng)的動態(tài)特征，有助于分析外部流動性沖擊效應(yīng)和提供金融市場政策調(diào)控的決策參考。研究金融市場間相關(guān)結(jié)構(gòu)的主要方法為協(xié)整分析、格蘭杰檢驗(yàn)、以GARCH簇為基礎(chǔ)的多元相關(guān)性模型和copula函數(shù)。與copula函數(shù)相比，其他方法要么在樣本數(shù)據(jù)中存在非線性、條件異方差或呈現(xiàn)非正態(tài)、尖峰、厚尾等性質(zhì)時檢驗(yàn)結(jié)果可能出現(xiàn)偏差，要么具有待估參數(shù)難以準(zhǔn)確估計、假設(shè)分布確定等局限性。基于連接技術(shù)的時變copula函數(shù)，可以較好地刻畫金融市場變量間的微觀的、動態(tài)的非線性關(guān)聯(lián)性和尾部特征，較適應(yīng)金融市場變量分布難以確定的實(shí)際。股票市場是資本市場的核心，也是經(jīng)濟(jì)運(yùn)行的“晴雨表”，對宏觀經(jīng)濟(jì)走勢、調(diào)控政策、突發(fā)事件等較敏感?？紤]到美國的金融地位以及我國的貿(mào)易依存結(jié)構(gòu)，本文將采用時變Copula函數(shù)研究我國與美國股票市場間流動性的相依結(jié)構(gòu)特征。

一、時變Copula函數(shù)

利用時變Copula函數(shù)進(jìn)行相關(guān)結(jié)構(gòu)研究的關(guān)鍵在于選擇合適的時變Copula函數(shù)。本文采用Patton( 2006)提出的時變正態(tài)copula(N-Copula)、時變 T-Copula、時變 rotated-Gumbel Copula (RG-Copula)和時變Symmetrized Joe-Clayton Copula(SJC-Copula)作為研究備選的模型。與常數(shù)copula的區(qū)別是：時變copula函數(shù)的參數(shù)是動態(tài)變化的，而常數(shù)copula函數(shù)的參數(shù)是固定的。因此，時變copula函數(shù)能夠刻畫金融變量的微觀、動態(tài)特征，尤其是捕捉變量的尾部動態(tài)特征。

1.時變N-Copula

N-Copula的分布函數(shù)與時變相關(guān)系數(shù)方程為：

N-Copula:C(u1,u2,…,uN;ρ)=Φp(Φ-1(u1),Φ-1(u2),…,Φ-1(uN))

其中，Φp(·)為標(biāo)準(zhǔn)正態(tài)分布，Φ-1(·)為標(biāo)準(zhǔn)正態(tài)分布的逆分布；為使ρN,t∈(-1,1)，引入修正的Logistic變換Λ(x)=(1-e-x)/(1=e-x)。時變N-Copula適合刻畫對稱相關(guān)性，但是對上、下尾均不敏感，當(dāng)ρN,t<1時，上下尾相關(guān)系數(shù)均為零，當(dāng)ρN,t=1時，下尾相關(guān)系數(shù)均為1。

2．時變T-Copula

T-Copula的分布函數(shù)與時變相關(guān)系數(shù)方程為：

3.時變RG-Copula

通過對Gumbel-Copula進(jìn)行變換可以得到RG-Copula的分布函數(shù)：

RG-Copula:C(u,v|ρ)=exp(-((-ln(1-u))ρ+(-ln(1-v))ρ)1/ρ)

其中，修正的Logistic 變換Λ'(x)=1+x2使得ρRG,t∈(-1,1)?？坍嫴粚ΨQ相依性，對下尾相關(guān)敏感而對上尾相關(guān)不敏感：λU=2-21/ρ，λL=0，適合研究上行行情中的相關(guān)性問題。

4.時變SJC-Copula

其中，CJC為Joe-Clayton Copula的分布函數(shù)，方程為：

二、實(shí)證分析

1．流動性指標(biāo)選取與描述性統(tǒng)計分析

在指令驅(qū)動市場中,流動性指標(biāo)主要包括Amihud非流動性指標(biāo)、Amivest流動性比率和Hui-Heubel流動性比率。由于Amivest流動性比率由股票價格波動與成交量構(gòu)成，可以消除匯率因素的影響，因此，本文將采用一種修正的Amivest流動性比率作為衡量股票市場流動性的指標(biāo)。

文本采用滬深300(hs300)和標(biāo)準(zhǔn)普爾500(sp500)指數(shù)流動性代表我國與美國股票市場總體流動性，利用Wind數(shù)據(jù)庫獲得自2005年1月4日至2012年12月25日的日間數(shù)據(jù)樣本，共 1896 個，數(shù)據(jù)處理和相關(guān)檢驗(yàn)采用Matlab2012b。

描述性統(tǒng)計結(jié)果如表1所示。hs300與sp500指數(shù)流動性序列峰度均高于3，偏度分別為1.4639和1.6780，具有較長的右拖尾，具有顯著的尖峰后尾現(xiàn)象。J-B檢驗(yàn)結(jié)果表明，兩個流動性序列不服從正態(tài)分布，從圖1、2可以明顯看出流動性時間序列存在波動聚集的特性，即大的波動之后往往跟隨大的波動，反之亦然。ADF檢驗(yàn)結(jié)果表明，所有序列不存在單位根，都是平穩(wěn)的。ARCH檢驗(yàn)結(jié)果表明，滯后10階，在5%的顯著性水平下數(shù)流動性時間序列存在條件異方差。lbq檢驗(yàn)(Ljung-Box Q)結(jié)果顯示，兩市的流動性序列均存在自相關(guān)性。從上述描述性統(tǒng)計結(jié)果可以看出，滬深300與標(biāo)普500指數(shù)流動性時間序列具有尖峰后尾、條件異常差、自相關(guān)性，故考慮用AR(q)-GARCH模型建模。

表1 hs300與sp500描述性統(tǒng)計特征

注：()表示參數(shù)估計伴隨的p值

圖1 滬深300指數(shù)流動性時間序列

圖2 標(biāo)普500指數(shù)流動性時間序列

2.邊緣分布建模

根據(jù)表1的描述性統(tǒng)計結(jié)果，本文選擇AR(q)-GARCH(1，1)-N、AR(q)-GARCH(1，1)-T和AR(q)-GARCH(1，1)-SkewT模型分別對liQhs和liQsp建模。

利用matlab2012b,根據(jù)AIC信息準(zhǔn)則在滯后1-20階范圍內(nèi)搜索最優(yōu)滯后階數(shù)，并選擇最優(yōu)擬合的AR(q)-GARCH(1，1)模型進(jìn)行邊緣分布建模。表2的搜索結(jié)果表明，在三種AR(q)-GARCH(1，1)模型中，兩序列分別在滯后9階和5階時AIC準(zhǔn)則最優(yōu)；而在滯后9階和5階時AR(q)-GARCH(1，1)-SkewT的AIC準(zhǔn)則最優(yōu)。從分布的性質(zhì)看，SkewT分布區(qū)別于傳統(tǒng)的正態(tài)分布、學(xué)生-t分布，除了具有厚尾特征之外，還引入了偏斜特征。AR(q)-GARCH(1，1)-SkewT模型表述如下：

liQi,t=liQi,t-1,liQi,t-2,…,liQi,t-q)+ei,t

表2 liQhs和lioQsp的AIC值比較

利用matlab2012b分別對AR(9)-GARCH(1，1)-SkewT和AR(5)-GARCH(1，1)-SkewT模型進(jìn)行參數(shù)估計，結(jié)果見表3。

表3 AR(q)-GARCH(1，1)-SkewT模型參數(shù)估計與檢驗(yàn)

β0．8705(0．016)0．8414(0．026)ν5．4217(0．469)5．5775(0．473)λ0．3864(0．029)0．4455(0．033)LL-15543．839-13889．283K-S檢驗(yàn)h=0h=0

注：()表示參數(shù)估計值的標(biāo)準(zhǔn)差

表3中參數(shù)估計結(jié)果中，各參數(shù)的t統(tǒng)計量均明顯大于2，估計結(jié)果顯著。結(jié)合表1和表3統(tǒng)計結(jié)果分析，滬深300和標(biāo)普500指數(shù)流動性的自由度較小，均存在明顯的厚尾現(xiàn)象，表明我國和美國股市的流動性具有較高的不穩(wěn)定性。對殘差序列進(jìn)行標(biāo)準(zhǔn)化和概率積分變換并進(jìn)行K-S檢驗(yàn)。檢驗(yàn)結(jié)果(h=0)不能拒絕原假設(shè)，流動性序列殘差經(jīng)過積分變化后服從[0,1]分布，可采用Copula函數(shù)進(jìn)行擬合。

3.時變Copula函數(shù)的參數(shù)估計

本文分別對時變N-Copula、時變 T-Copula、時變 RG-Copula和時變SJC-Copula進(jìn)行參數(shù)估計，根據(jù)AIC 信息準(zhǔn)則和對數(shù)似然估計選擇擬合優(yōu)度最高的時變Copula模型。見表4。

表4 時變copula參數(shù)估計

表4參數(shù)結(jié)果顯示：時變 T-Copula的AIC準(zhǔn)則最小，對數(shù)似然的值最大，擬合效果最優(yōu)，時變N-Copula擬合效果次之，但是兩者差別較??；時變 RG-Copula和時變SJC-Copula擬合結(jié)果較差，兩者差別也較小。滬深300與標(biāo)普500指數(shù)的流動性總體和尾部相關(guān)性應(yīng)呈或接近于對稱分布。本文將采用時變T-Copula的估計結(jié)果對滬深300和標(biāo)普500指數(shù)流動性相關(guān)結(jié)構(gòu)進(jìn)行分析。圖3和圖4的橫坐標(biāo)從左向右對應(yīng)的日期分別為：2005年1月、2005年10月、2006年8月、2007年6月、2008年4月、2009年1月、2010年10月、2011年6月、2012年3月、2012年12月。

4.時變相關(guān)結(jié)構(gòu)估計結(jié)果分析

時變 T-Copula的β參數(shù)估計值為-0.3035，表明相關(guān)系數(shù)之間具有微弱的“矯正”效應(yīng)，相關(guān)系數(shù)演化過程表現(xiàn)為較密集的波動性，不存在記憶性，從圖3和表5的lbq檢驗(yàn)結(jié)果(h=1)也可看出。自由度參數(shù)DoF較大，值為18.1418，說明滬深300與標(biāo)普500指數(shù)流動性的聯(lián)合厚尾特征不明顯。動態(tài)相關(guān)系數(shù)均值為0.5803，我國與美國股票市場流動性的聯(lián)動概率水平一般，即一市場流動性變化引起或源于另一市場同方向變化的概率為0.58左右；總體相關(guān)系數(shù)波動幅度較小(相最高與最低絕對差小于0.1，標(biāo)準(zhǔn)差0.0081)，相關(guān)結(jié)構(gòu)總體比較穩(wěn)定。由圖3和表5也可看出，總體相關(guān)系數(shù)分布具有尖峰和左偏尾部特征，演化過程中，相關(guān)系數(shù)主要在距離均值較近的區(qū)域波動，呈現(xiàn)不對稱特點(diǎn)，即向下震蕩幅度較大(相關(guān)性突然減弱)。這種相關(guān)性突然減弱主要發(fā)生在樣本點(diǎn)150-190、650-840和1400附近；而在樣本點(diǎn)850至1100區(qū)域附近則出現(xiàn)波動減弱。根據(jù)樣本點(diǎn)與時間對應(yīng)關(guān)系，筆者將深入研究相關(guān)系數(shù)波動加劇和減小的原因。2005年4月至2005年9月5日《上市公司股權(quán)分置改革管理辦法》正式出臺之前，投資界對股權(quán)分置改革持懷疑態(tài)度，同期我國股市尚未完全復(fù)蘇，投資者較多采取觀望策略，股市交易低迷，總體流動性較低，波動趨勢不明顯；同期，美國股市行情較好，連創(chuàng)新高，流動性呈震蕩上行態(tài)勢。因此，這段時期兩市流動性相關(guān)系數(shù)向下震蕩較頻繁；2005年11月，隨著我國迎來大牛市行情后，相關(guān)系數(shù)波動幅度減弱。2007年5月30日，財政部宣布上調(diào)印花稅至0.3%，我國股市經(jīng)歷了5.30大跌行情，隨后我國股市快速反彈，2007年10月兩市市值達(dá)到歷史最高，隨后受美國次級債務(wù)、股市頻繁再融資以及下調(diào)印花稅和上調(diào)準(zhǔn)備金的綜合影響，我國股市價格震蕩下行，成交量呈現(xiàn)先升后降的趨勢。同期美國次級債務(wù)危機(jī)開始顯現(xiàn)，股市價差波動較為劇烈，成交量震蕩下降。受政策性因素干擾和次級債務(wù)危機(jī)共同影響，此期間，兩市流動性相關(guān)系數(shù)波動較大，并出現(xiàn)短暫性減弱。2008年下半年，次級債務(wù)危機(jī)全面爆發(fā)并引發(fā)歐債危機(jī)，導(dǎo)致世界性經(jīng)濟(jì)蕭條，我國股市受其影響顯著。兩市成交量迅速萎縮，流動性下降，相關(guān)系數(shù)波動顯著減小。其后，我國和美國先后發(fā)布了4萬億和7000億刺激經(jīng)濟(jì)計劃，效果不同的是我國股市反彈明顯，而美國股市仍然低迷，流動性相關(guān)系數(shù)回復(fù)平均波動水平。圖3中1400樣本點(diǎn)附近相關(guān)系數(shù)出現(xiàn)了最大一次波動，對應(yīng)時間位置，我們發(fā)現(xiàn) 2010年11月12日，雙邊上調(diào)印花稅傳聞使得我國股市大跌，而同期美國股市較平穩(wěn)?？傮w而言，在正常情況下，宏觀經(jīng)濟(jì)走勢對中美兩國股市流動性相關(guān)系數(shù)的影響不明顯；極端情況下，總體相關(guān)系數(shù)波動性減弱，流動性相依結(jié)構(gòu)的穩(wěn)定性明顯增強(qiáng)。一國的政策調(diào)控或突發(fā)事件對本國股市流動性的影響是顯著的，具有明顯的“政策效應(yīng)”，而對別國的影響效果微弱?！罢咝?yīng)”造成了相關(guān)系數(shù)的顯著減弱，但是壽命明顯小于極端情況下宏觀經(jīng)濟(jì)走勢對相關(guān)系數(shù)的影響。

表5 總體與尾部相關(guān)系數(shù)特征

圖3 總體相關(guān)系數(shù)演化過程

雖然學(xué)術(shù)界在關(guān)于金融市場收益率相關(guān)性的研究中，普遍地認(rèn)為下尾相關(guān)性強(qiáng)于上尾相關(guān)性，但是本文的研究表明，我國與美國股票市場流動性上下尾部相關(guān)性差異不大。通過表5可知：我國與美國股市流動性尾部相關(guān)系數(shù)較小均值為0.222，說明兩市流動性的同長同跌的概率較低；標(biāo)準(zhǔn)差為0.0478，相關(guān)系數(shù)波動幅度較總體相關(guān)系數(shù)為大；峰度和偏度分別為2.7508和-0.2568，不存在明顯的尖峰現(xiàn)象，具有輕微的左偏尾部。從圖4可以看出，尾部相關(guān)性僅表現(xiàn)出微弱的趨勢：樣本點(diǎn)600之前，輕微的震蕩下行；600—1000輕微的震蕩上行；1000以后水平震蕩。次級債務(wù)危機(jī)全面爆發(fā)之前，我國股市指數(shù)處于震蕩上升趨勢，交易量逐步增加，則流動性指標(biāo)也是震蕩上升，而美國股市則表現(xiàn)出先升后降趨勢，成交量下降速度較快，流動性表現(xiàn)出輕微的下降趨勢，兩者的尾部相關(guān)性趨弱。次級債務(wù)全面爆發(fā)以后，兩市場流動性迅速下降，尾部相關(guān)系數(shù)震蕩上升，隨后水平波動。較低的相關(guān)系數(shù)均值和較大的標(biāo)準(zhǔn)差表明：一般情況下，美國股市的流動性主要與美國宏觀經(jīng)濟(jì)走勢有關(guān)，而國內(nèi)外經(jīng)濟(jì)環(huán)境和存款準(zhǔn)備金調(diào)整、再融資、印花稅率調(diào)整等政策性因素是引發(fā)我國股票市場流動性升降的主要原因；極端情況下，宏觀經(jīng)濟(jì)環(huán)對兩市流動性升降的影響效力增加，但是這種影響產(chǎn)生的相關(guān)性增強(qiáng)特征較微弱，可能的原因是國內(nèi)政策或突發(fā)事件對流動性尾部相關(guān)性產(chǎn)生干擾。

圖4 尾部相關(guān)系數(shù)演化過程

三、研究結(jié)論

本文采用2005年1月至2012年12月滬深300與標(biāo)普500指數(shù)的日流動性數(shù)據(jù)，利用GARCH、時變copula模型對我國與美國股票市場流動性相關(guān)結(jié)構(gòu)進(jìn)行了研究，得到以下結(jié)論：

(1)分別基于時變N-Copula、時變 T-Copula、時變 RG-Copula和時變SJC-Copula函數(shù)對滬深300和標(biāo)普500指數(shù)日間流動性時間序列數(shù)據(jù)進(jìn)行建模。模型參數(shù)估計結(jié)果表明：時變T-Copula函數(shù)擬合效果最好，兩市總體和尾部相關(guān)性近似對稱分布?？傮w相關(guān)系數(shù)均值為0.5803，波動幅度落在[0.5132，0.5934]內(nèi)，尾部相關(guān)性均值為0.222，波動幅度落在[0.0742,0.3488]內(nèi)。

(2)我國與美國股市流動性總體相關(guān)性演化過程表現(xiàn)出波動較密集，波動幅度小的特征，總體相依性強(qiáng)度一般。β參數(shù)估計值為-0.3035，具有微弱矯正效應(yīng)，lbq檢驗(yàn)表明不存在顯著的自相關(guān)，總體相關(guān)系數(shù)在均值周圍上下波動，沒有明顯趨勢形態(tài)產(chǎn)生?？傮w相關(guān)系數(shù)分布偏度為-0.4021，具有左偏尾部特征，表明相關(guān)系數(shù)減弱的概率較大。當(dāng)宏觀經(jīng)濟(jì)走勢出現(xiàn)極端情況時，我國與美國股市流動性相關(guān)性結(jié)構(gòu)的穩(wěn)定性明顯加強(qiáng)。一國內(nèi)的調(diào)控政策和突發(fā)事件顯著影響本國股市的流動性水平，而對別國的影響微弱。影響效果的差異使得“政策效應(yīng)”將顯著地弱化相關(guān)性水平，并且這種弱化是短暫的。

(3)參數(shù)估計結(jié)果表明，我國與美國股市流動性尾部相關(guān)性近似對稱分布，尾部相關(guān)性均值為0.222，兩市同時出現(xiàn)流動性急漲急跌的概率較低。政策因素和宏觀經(jīng)濟(jì)走勢是兩國股票市場出現(xiàn)極端情況的主要影響因素。不同的是，極端的宏觀經(jīng)濟(jì)走勢將增強(qiáng)尾部相關(guān)系數(shù)水平；而一國的政策因素或突發(fā)事件的“政策效應(yīng)”將減弱尾部相關(guān)性。兩種因素的綜合作用，使得我國與美國股票市場的尾部相關(guān)性結(jié)構(gòu)變化趨勢不明顯。

以上結(jié)論說明，我國與美國股票市場流動性總體相關(guān)性結(jié)構(gòu)較穩(wěn)定，尾部相關(guān)性較低?！罢咝?yīng)”將弱化兩國股票市場的流動性相關(guān)性水平，但是這種弱化效果時間較短；而極端的經(jīng)濟(jì)走勢(如次債危機(jī)爆發(fā))將減小相關(guān)系數(shù)波動程度。因此，為了有效應(yīng)對外部流動性沖擊，保持合理的流動性水平，涉及股票市場的調(diào)控政策應(yīng)是長期的，具有一定的連貫性，以弱化我國與其他國家股票市場間的流動性相關(guān)性，特別是尾部相關(guān)性。

[1]胡秋靈，于婷婷. 我國股票市場與債券市場聯(lián)動的國內(nèi)外因素分析[J].上海金融，2013 (1):74-81.

[2]朱為玉. 債券市場和股票市場相關(guān)性分析[J]. 金融發(fā)展研究，2014 (12):3-11.

[3]范原源. 關(guān)于股票市場和債券市場收益率聯(lián)動特征的研究[D]. 成都:西南財經(jīng)大學(xué)，2014.

[4]楊寶臣，趙亮. 中國股票市場與債券市場間流動性溢出效應(yīng)的非線性動態(tài)特征[J]. 技術(shù)經(jīng)濟(jì)，2015(9):61-67.

[5]陳學(xué)彬，曾裕峰. 中美股票市場和債券市場聯(lián)動效應(yīng)的比較研究[J].經(jīng)濟(jì)管理, 2016(7):1-13.

[6]龔玉婷，陳強(qiáng)，鄭旭. 誰真正影響了股票和債券市場的相關(guān)性[J].經(jīng)濟(jì)學(xué), 2016(3): 1205-1224.

[7]陳九生，周孝華. 基于單因子MSV-CoVaR模型的金融市場風(fēng)險溢出度量研究[J]. 中國管理科學(xué), 2017(1): 21-26.

[8]King M A, Wadhwani S. Transmission of volatility between stock markets[J]. Review of Financial studies. 1990, 3(1): 5-33.

[9]Lai Y, Chen C W, Gerlach R. Optimal dynamic hedging via copula-threshold-GARCH models[J]. Mathematics and Computers in Simulation. 2009, 79(8):2609-2624.

[10]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(jì)研究, 2010(11): 142-151.

[11]陳云. 中外股市收益率的非對稱動態(tài)相關(guān)性研究[J]. 管理科學(xué)，2013(4).

[12]梁朝暉. 上海股票市場流動性風(fēng)險與市場風(fēng)險的極值相關(guān)分析[J]. 中國地質(zhì)大學(xué)學(xué)報 (社會科學(xué)版), 2004, 4(8): 49-52

[13]Patton A J. Estimation of multivariate models for time series of possibly different lengths[J]. Journal of applied econometrics. 2006, 21(2): 147-173.

[14]吳吉林，張二華．次貸危機(jī)、市場風(fēng)險與股票市場間相關(guān)性[J]．北京: 世界經(jīng)濟(jì)，2010(3).

[15]Wang K, Chen Y, Huang S. The dynamic dependence between the Chinese market and other international stock markets: A time-varying copula approach[J]. International Review of Economics & Finance. 2011, 20(4): 654-664.

[16]劉桂梅，趙麗. 基于 Copula—GARCH 模型的上證地產(chǎn)股與金融股的相關(guān)性研究[J]. 浙江大學(xué)學(xué)報 (理學(xué)版), 2013, 40(2).

[17]江紅莉，何建敏，莊亞明. 基于時變 Copula 的房地產(chǎn)業(yè)與銀行業(yè)尾部動態(tài)相關(guān)性研究[J]. 管理工程學(xué)報, 2013(3): 8.

AnalysisofDynamicLiquidityDependenceBetweenChineseandAmericanStockMarket

Tang Rui

(Anhui University of Finance and Economics, Bengbu, Anhui 233000, China)

There are Some dependence structure amoug different financial markets, especially in the case of price fluctu ation. The connection between financial markets both at home and abroad is becoming closer and closer along with the economic integration and globalization. This paper analyzes liquidity dependence between Chinese and American Stock Market based on time-varying copula. The results show that liquidity dependence is stable and tail dependence level is relatively low, the overall fluctuation of correlation coefficient in the two markets reduced and the fluctuation of tail dependence increase slightly in the financial crisis; the dependence structure has obvious ‘policy effects’, which reduced the level of correlation.

dependence; time-varying Copula function; policy effects; liquidity

ClassNo.:F830.91DocumentMark：A

宋瑞斌)

湯芮，學(xué)生，安徽財經(jīng)大學(xué)。

2096-3874(2017)12-0087-08

F830.91

A