我國(guó)股票市場(chǎng)的信息溢出效應(yīng)研究
——以滬港通政策實(shí)施為切入點(diǎn)

任孝明，李宇翀（副教授）

一、引言

金融市場(chǎng)信息溢出問(wèn)題是價(jià)格發(fā)現(xiàn)領(lǐng)域的關(guān)鍵問(wèn)題之一。為加快我國(guó)股票市場(chǎng)的發(fā)展，促進(jìn)我國(guó)資本市場(chǎng)與國(guó)際資本市場(chǎng)的接軌，我國(guó)于2014年11月17日開(kāi)始實(shí)行滬港通政策。滬港通是指上海證券交易所和香港聯(lián)合交易所允許兩地投資者通過(guò)當(dāng)?shù)刈C券公司（或經(jīng)紀(jì)商）買賣規(guī)定范圍內(nèi)的對(duì)方交易所上市的股票，是滬港股票市場(chǎng)交易互聯(lián)互通機(jī)制。目前滬港通采用滬股通和港股通限額管理。滬港通開(kāi)通后會(huì)對(duì)我國(guó)滬市和香港地區(qū)股票市場(chǎng)帶來(lái)何種影響？是否增強(qiáng)了兩個(gè)市場(chǎng)的關(guān)聯(lián)，從而促進(jìn)了我國(guó)股票市場(chǎng)與國(guó)際市場(chǎng)的接軌？這些問(wèn)題為本文研究的核心。

本文應(yīng)用了多種方法對(duì)我國(guó)股票市場(chǎng)信息溢出進(jìn)行了分析，包括Granger因果關(guān)系檢驗(yàn)、混合Copula模型和事件分析法。首先通過(guò)Granger因果關(guān)系檢驗(yàn)對(duì)滬市、香港股市、美國(guó)股市三個(gè)市場(chǎng)彼此之間是否具有影響關(guān)系做出簡(jiǎn)單判別，然后建立混合Copula模型，對(duì)滬港通政策實(shí)施后我國(guó)滬市股票價(jià)格變動(dòng)的信息溢出對(duì)其他股市造成影響的具體值進(jìn)行度量，最后運(yùn)用事件分析法比較滬港通政策實(shí)施前后各個(gè)股市的反應(yīng)。

二、文獻(xiàn)綜述

實(shí)際上對(duì)于信息溢出檢驗(yàn)以及不同市場(chǎng)間的聯(lián)動(dòng)性檢驗(yàn)和市場(chǎng)信息跨境傳播機(jī)制、傳染方向的研究在很早以前就已成為國(guó)內(nèi)外學(xué)者關(guān)注的話題。

國(guó)外學(xué)者對(duì)以上問(wèn)題進(jìn)行了較為深入的研究。Engle等[1]引出外匯市場(chǎng)在兩個(gè)國(guó)家之間的信息傳遞，提出了熱擴(kuò)散假定和流星雨假定。熱擴(kuò)散假定認(rèn)為該日市場(chǎng)價(jià)格的變動(dòng)會(huì)影響次日該市場(chǎng)價(jià)格的變化，也就是所謂的持續(xù)性，而這一持續(xù)性不會(huì)影響其他國(guó)家的市場(chǎng)；流星雨假定則認(rèn)為雖然有著反應(yīng)時(shí)間，但是某市場(chǎng)價(jià)格的變化確實(shí)會(huì)影響另一個(gè)市場(chǎng)。

那么，這是否也意味著股票市場(chǎng)也存在流星雨假定和熱擴(kuò)散假定？Lee等[2]在研究NASDAQ與亞洲市場(chǎng)波動(dòng)溢出時(shí)驗(yàn)證了股票市場(chǎng)流星雨假定和熱擴(kuò)散假定的存在，證明了股票市場(chǎng)價(jià)格信息波動(dòng)的跨境傳播。而在21世紀(jì)以前已有國(guó)外學(xué)者研究流星雨假定，實(shí)證分析發(fā)達(dá)國(guó)家股票市場(chǎng)之間的聯(lián)動(dòng)關(guān)系。Barndorff－Nielsen等[3]將股票市場(chǎng)的整體波動(dòng)分解為平穩(wěn)波動(dòng)和劇烈波動(dòng)，平穩(wěn)波動(dòng)表示一般情況下股市的變動(dòng)走勢(shì)，劇烈波動(dòng)表示股市的動(dòng)蕩，之后他們驗(yàn)證了發(fā)達(dá)國(guó)家股票市場(chǎng)的跳躍波動(dòng)能夠?qū)α硪唤o定股票市場(chǎng)產(chǎn)生更顯著的影響。

Tsai[4]對(duì)投資者恐慌情緒進(jìn)行建模，選擇發(fā)達(dá)國(guó)家股票市場(chǎng)的交易數(shù)據(jù)，研究彼此之間的影響關(guān)系，得到如下結(jié)論：美國(guó)股市是主要的信息傳出國(guó)，當(dāng)美國(guó)股市對(duì)其他市場(chǎng)傳播信息時(shí)，恐懼指數(shù)與溢出效應(yīng)顯著相關(guān)且美國(guó)股市的溢出效應(yīng)表現(xiàn)出不對(duì)稱性。

也有部分學(xué)者著眼于新興市場(chǎng)之間的波動(dòng)溢出效應(yīng)，Korkmaz等[5]對(duì)哥倫比亞、印度尼西亞、越南、埃及、土耳其、南非（簡(jiǎn)稱CIVETS）國(guó)家之間的波動(dòng)溢出效應(yīng)進(jìn)行分析。Rafiqul-Bhuyan等[6]利用GARCH模型研究發(fā)達(dá)市場(chǎng)如美國(guó)股市與巴西、俄羅斯、中國(guó)、印度和南非等新興市場(chǎng)（簡(jiǎn)稱BRICS）和BRICS之間的信息傳遞和溢出效應(yīng)的關(guān)系，結(jié)果顯示美國(guó)股市是主導(dǎo)，對(duì)外圍股市都有影響，并且中國(guó)股市經(jīng)過(guò)近幾年的發(fā)展已經(jīng)可以對(duì)印度和美國(guó)股市產(chǎn)生細(xì)微的影響，同時(shí)驗(yàn)證了BRICS市場(chǎng)隔日收益率在很大程度上會(huì)受到昨日收益率的余波影響，即證實(shí)了Engle等提出的熱擴(kuò)散假定的存在。

國(guó)內(nèi)研究主要著眼于我國(guó)股市對(duì)其他股市的信息溢出效應(yīng)，隨著我國(guó)股市政策的完善，信息溢出量逐漸增加，從初始的對(duì)其他國(guó)家股市沒(méi)有任何影響發(fā)展到有些微影響。其研究方法也從簡(jiǎn)單的Granger因果檢驗(yàn)判斷基本的影響關(guān)系發(fā)展到計(jì)算具體的影響力，并提出Copula模型，該模型可以很好地用來(lái)分析這一問(wèn)題。期間也有學(xué)者發(fā)展出了自己的研究體系和研究方法，有的學(xué)者還對(duì)初期的研究方法進(jìn)行了批判并提出了自己對(duì)于甄別信息溢出方法的選擇。

馮永琦、段曉航[7]利用Granger因果檢驗(yàn)和二元GARCH模型，發(fā)現(xiàn)2012～2015年近3年的時(shí)間里滬港通政策實(shí)施前后兩地市場(chǎng)的關(guān)聯(lián)性增強(qiáng)，表明我國(guó)的股票市場(chǎng)機(jī)制已經(jīng)慢慢地與國(guó)際接軌，能夠接收外面的信息，這也給有關(guān)部門提供了相關(guān)啟示，即隨著國(guó)際化進(jìn)程的加快，應(yīng)制定相關(guān)政策保護(hù)我國(guó)資本市場(chǎng)，且投資者們也應(yīng)該考慮更多的經(jīng)濟(jì)指標(biāo)，從而衡量自己投資的股票有可能面臨的風(fēng)險(xiǎn)。蔣偉、阮青松[8]使用擴(kuò)展的EGARCH模型，發(fā)現(xiàn)近些年尤其是在滬港通開(kāi)通之后內(nèi)地股市的投資者對(duì)于風(fēng)險(xiǎn)的溢價(jià)提高。還有學(xué)者研究了某特定事件或政策的發(fā)布實(shí)行對(duì)信息溢出的影響[9][10]。

上述研究均采用的是傳統(tǒng)的計(jì)量方法對(duì)股票市場(chǎng)的信息溢出效應(yīng)進(jìn)行分析，如Granger因果檢驗(yàn)、GARCH模型等。Embrechts等[11]證明了傳統(tǒng)的Granger因果檢驗(yàn)有很大的局限性且不能很好地考察股票市場(chǎng)多因素、時(shí)變的復(fù)雜關(guān)系，Granger因果檢驗(yàn)只能簡(jiǎn)單地說(shuō)明彼此之間有影響、有聯(lián)系，而無(wú)法具體說(shuō)明到底有著什么樣的影響，而且如果彼此之間的影響關(guān)系非常細(xì)微，Granger因果檢驗(yàn)可能無(wú)法度量。而混合Copula理論可以捕捉樣本指數(shù)間非線性、非對(duì)稱的關(guān)系，該理論被廣泛應(yīng)用于各國(guó)股票市場(chǎng)、外匯市場(chǎng)、債券市場(chǎng)間的相關(guān)性分析、波動(dòng)溢出效應(yīng)的檢驗(yàn)以及金融風(fēng)險(xiǎn)度量分析，例如其信用層級(jí)的評(píng)級(jí)分類。

蔡彤彤、王世文[12]認(rèn)為單一Copula模型無(wú)法很好地解釋時(shí)間序列相關(guān)性的變化，Clayton Copula函數(shù)只能度量熊市階段股市的信息傳播，Gumble Copula函數(shù)則只能度量牛市階段股市的信息傳播，而Frank Copula函數(shù)能夠度量平穩(wěn)時(shí)期的變化，建立混合Copula模型可以省去對(duì)Copula模型的篩選過(guò)程，極大地減小工作量。本文以滬港通實(shí)施前和實(shí)施后為時(shí)間節(jié)點(diǎn)建立混合Copula模型對(duì)尾部相關(guān)系數(shù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)在滬港通實(shí)施前滬市和香港股市的信息溢出效應(yīng)無(wú)論是在牛市還是熊市都比滬港通實(shí)施后的信息溢出效應(yīng)弱。

淳偉德等[13]將亞洲四大股票市場(chǎng)（中國(guó)內(nèi)地股市和香港股市、日本股市、新加坡股市）作為研究對(duì)象，從非線性的角度出發(fā)建立混合Copula模型研究次貸危機(jī)發(fā)生前后美國(guó)股市對(duì)這四個(gè)股市的影響，并將時(shí)間段分為次貸危機(jī)發(fā)生前和發(fā)生后，對(duì)四個(gè)代表市場(chǎng)受到的影響按大小進(jìn)行排序，結(jié)論得出新加坡和日本股市分列第一、二名，香港股市位于第三位，而內(nèi)地股市處于最后，但是相對(duì)于次貸危機(jī)發(fā)生前，內(nèi)地股市與美國(guó)股市之間相對(duì)于其他三個(gè)股市有著較強(qiáng)的尾部相關(guān)關(guān)系，可見(jiàn)我國(guó)股票市場(chǎng)快速發(fā)展的趨勢(shì)是不容忽略的。操穎、方兆本[14]以滬深300指數(shù)和恒生中國(guó)企業(yè)指數(shù)為數(shù)據(jù)樣本比較了單一Copula和混合Copula模型的優(yōu)缺點(diǎn)，通過(guò)尾部相關(guān)系數(shù)得出兩個(gè)市場(chǎng)的相關(guān)性在牛市期間要高于熊市，指數(shù)價(jià)格的波動(dòng)存在著信息溢出效應(yīng)。吳吉林等[15]以低頻數(shù)據(jù)研究A、B、H股之間的尾部相關(guān)性在近20年里發(fā)生了怎樣的變化，發(fā)現(xiàn)隨著時(shí)間的推移，某地市場(chǎng)極端風(fēng)險(xiǎn)的發(fā)生對(duì)于另一市場(chǎng)的影響越來(lái)越顯著。

綜上所述，本文通過(guò)建立混合Copula模型對(duì)其尾部相關(guān)系數(shù)進(jìn)行分析，從非線性的角度解釋股市間的聯(lián)動(dòng)性問(wèn)題，且Copula函數(shù)的尾部相關(guān)性分析可以度量牛熊市期間一個(gè)市場(chǎng)對(duì)于另一個(gè)市場(chǎng)的影響，并將其用數(shù)字的方式表現(xiàn)出來(lái)，這對(duì)于本文此次要研究分析的問(wèn)題極為有用。

事件分析法由James Dolley[16]提出，該方法被廣泛應(yīng)用于公司領(lǐng)域或某一政策的頒布對(duì)經(jīng)濟(jì)或股票價(jià)格造成的影響。畢玉國(guó)、郭峰[17]應(yīng)用事件分析法研究了利率調(diào)整、存款準(zhǔn)備金調(diào)整對(duì)股票市場(chǎng)造成的影響，發(fā)現(xiàn)在發(fā)布調(diào)整公告后，股票價(jià)格有明顯的波動(dòng)，從側(cè)面表明作為一名理性的投資者，應(yīng)該全方位地分析股票買入和賣出的時(shí)機(jī)，不應(yīng)該盲目地“追漲殺跌”，關(guān)注公告發(fā)布的同時(shí)，應(yīng)該冷靜地分析公告發(fā)布為股市帶來(lái)的影響。也就是說(shuō)，即使發(fā)布的公告在短期內(nèi)會(huì)使股票價(jià)格暴漲或暴跌，投資者依然要從各方面進(jìn)行考慮，分析該股票是否具有長(zhǎng)期投資價(jià)值。李丹鳳[18]從滬港通開(kāi)通事件入手，選擇開(kāi)通前后10天為窗口期，研究該政策的頒布對(duì)滬港兩地同時(shí)上市的股票造成的影響，以累計(jì)異常超額收益率的形式體現(xiàn)。該文提供了一個(gè)比較詳細(xì)的運(yùn)用此方法進(jìn)行研究的步驟，且所選擇的事件與本文相同，為本文接下來(lái)的研究提供了一個(gè)很好的參考。羅春蓉等[19]通過(guò)賬面市值比的變化發(fā)現(xiàn)，滬港通開(kāi)通對(duì)于滬市有著積極的影響，投資者的非理性情緒在內(nèi)地股市較香港股市顯著，港股的市場(chǎng)有效性依舊大于內(nèi)地股市。

三、我國(guó)股票市場(chǎng)信息溢出的實(shí)證分析

（一）數(shù)據(jù)來(lái)源及描述性統(tǒng)計(jì)

本文以上證綜指、恒生指數(shù)以及標(biāo)準(zhǔn)普爾500指數(shù)為樣本數(shù)據(jù)，研究在滬港通開(kāi)通后將近2年的時(shí)間里我國(guó)股市究竟向其他市場(chǎng)傳遞出了怎樣的信息。數(shù)據(jù)樣本期均選取2014年11月10日～2016年8月31日的交易日日度數(shù)據(jù)收盤價(jià)。因存在交易時(shí)間不匹配以及日期不對(duì)稱問(wèn)題，在通過(guò)Excel手動(dòng)去除不必要數(shù)據(jù)后，得到共1263組數(shù)據(jù)。對(duì)其價(jià)格取對(duì)數(shù)后差分進(jìn)行收益率化，見(jiàn)式（1）：

其中：index為各市場(chǎng)的指數(shù)收益率。

表1是各指數(shù)的描述性統(tǒng)計(jì)，從表1中可以看出，三個(gè)指數(shù)的偏度都小于0，故表現(xiàn)為左偏；峰度均大于3，體現(xiàn)出尖峰，且恒生指數(shù)的收益率序列最大，上證綜指排第2，標(biāo)普500指數(shù)的收益率序列最小。三個(gè)指數(shù)序列均不服從正態(tài)分布。使用ADF檢驗(yàn)對(duì)收益率序列進(jìn)行單位根檢驗(yàn)得到P值均為0，三個(gè)指數(shù)收益率（日度）序列均為平穩(wěn)序列，且為一階單整序列I（1）。

（二）Granger因果檢驗(yàn)在三個(gè)股票市場(chǎng)的應(yīng)用

為考察不同地區(qū)三個(gè)股票市場(chǎng)指數(shù)之間的影響關(guān)系以及滬市股票價(jià)格信息溢出是否會(huì)對(duì)其他市場(chǎng)造成影響，我們以每?jī)蓚€(gè)市場(chǎng)之間的指數(shù)收益率進(jìn)行Granger因果檢驗(yàn)，共計(jì)6組。

通過(guò)表1中的P值已經(jīng)知道三個(gè)指數(shù)市場(chǎng)收益率序列均為一階平穩(wěn)單整序列I（1），協(xié)整檢驗(yàn)結(jié)果表明彼此之間具有協(xié)整關(guān)系。我們對(duì)指數(shù)收益率序列進(jìn)行一階Granger因果檢驗(yàn)，其檢驗(yàn)結(jié)果如表2所示。

表2 因果檢驗(yàn)結(jié)果三個(gè)市場(chǎng)指數(shù)收益率序列的Granger

由于三個(gè)市場(chǎng)原指數(shù)序列為二階單整序列I（2），故對(duì)原指數(shù)序列進(jìn)行二階Granger因果檢驗(yàn)，結(jié)果如表3所示。

表3 三個(gè)市場(chǎng)原指數(shù)序列的Granger因果檢驗(yàn)結(jié)果

對(duì)指數(shù)序列的收益率進(jìn)行Granger因果檢驗(yàn)，從表2中可以看出，在5%的顯著性水平下，只有在“標(biāo)普500指數(shù)不是上證綜指的原因”這一行中F檢驗(yàn)的P值小于0.05，拒絕原假設(shè)，表明標(biāo)普500指數(shù)是上證綜指的原因，美國(guó)股市對(duì)滬市有影響，而其他行的F檢驗(yàn)的P值均大于0.05，接受原假設(shè)，彼此之間沒(méi)有影響，說(shuō)明香港股市對(duì)滬市沒(méi)有任何影響，滬市對(duì)其他兩個(gè)股市沒(méi)有任何影響。

從表3可以看出，如果用三個(gè)市場(chǎng)原指數(shù)序列的差分序列進(jìn)行Granger因果檢驗(yàn)，只有“恒生指數(shù)不是上證綜指的原因”和“標(biāo)普500指數(shù)不是上證綜指的原因”這兩行的F檢驗(yàn)的P值小于0.05，表明美國(guó)股市和香港股市對(duì)滬市的未來(lái)值預(yù)測(cè)有貢獻(xiàn)，美國(guó)股市和香港股市對(duì)滬市有影響，而滬市仍然對(duì)美國(guó)股市、香港股市沒(méi)有任何影響。

（三）事件分析法的應(yīng)用

作為統(tǒng)計(jì)方法的補(bǔ)充說(shuō)明，我們選擇滬港通開(kāi)通為研究事件，利用市場(chǎng)模型法，將滬港通開(kāi)通之前2014年9月1日～2014年11月6日作為估計(jì)期，沒(méi)有用窗口期中的數(shù)據(jù)是為了消除滬港通開(kāi)通事件對(duì)正常收益率計(jì)算的影響。將2014年11月17日設(shè)為事件發(fā)生日t，窗口期為事件發(fā)生之前的5天（2014年11月10日）至事件發(fā)生之后的15天（2014年12月9日），即［t-5，t+15］，此階段主要研究市場(chǎng)指數(shù)所包含的成分股在滬港通政策頒布實(shí)施前后會(huì)發(fā)生何種變化，以及各個(gè)市場(chǎng)投資者對(duì)這一政策的實(shí)施持何種態(tài)度。同樣，依舊選擇2014年11月17日為事件發(fā)生日t，窗口期為事件發(fā)生之前的5天（2014年11月10日）至事件發(fā)生之后的15天（2014年12月9日），即［t-5，t+15］，此階段主要利用ARMA模型的滾動(dòng)預(yù)測(cè)來(lái)研究三個(gè)市場(chǎng)指數(shù)在滬港通政策頒布實(shí)施前后會(huì)發(fā)生何種變化，以及各個(gè)市場(chǎng)投資者對(duì)這一政策的實(shí)施持何種態(tài)度，并與成分股的事件分析法作一個(gè)對(duì)比。

1.成分股的事件分析法。首先，運(yùn)用事件分析法對(duì)市場(chǎng)指數(shù)所包含的成分股數(shù)據(jù)進(jìn)行處理，剔除在窗口期中途成為成分股或從成分股名單中清除的股票數(shù)據(jù)以及連續(xù)4日或4日以上停盤的股票數(shù)據(jù)，剔除退市或中途退市的股票數(shù)據(jù)，剔除帶有?ST標(biāo)志的股票數(shù)據(jù)。經(jīng)過(guò)處理得到上證綜指成分股843個(gè)，恒生指數(shù)成分股數(shù)量不變，為49個(gè)，且已確認(rèn)在此期間無(wú)其他重要事件足以影響股票價(jià)格的變動(dòng)。去除上述股票數(shù)據(jù)的目的是降低無(wú)關(guān)變量的影響，因?yàn)檫@些股票的走勢(shì)是受自身因素的影響，而滬港通的開(kāi)通并不會(huì)影響其走勢(shì)，故刪除這些數(shù)據(jù)，使得該事件對(duì)個(gè)股價(jià)格的影響更加顯著。標(biāo)普500指數(shù)成分股因成分股數(shù)據(jù)的易得性問(wèn)題，這里不作分析，只對(duì)上證綜指和恒生指數(shù)兩個(gè)市場(chǎng)的成分股使用事件分析法進(jìn)行研究。

對(duì)各指數(shù)所包含的成分股每日收盤價(jià)取對(duì)數(shù)并進(jìn)行差分計(jì)算得到上證綜指成分股和恒生指數(shù)成分股估計(jì)期2014年7月1日～2014年11月6日的實(shí)際收益率Rit，見(jiàn)式（2）：

其中：i、j表示不同的成分股；t表示時(shí)間；Rjt表示成分股每日收盤價(jià)。

對(duì)于成分股的正常收益率ARit的計(jì)算，利用市場(chǎng)模型法將成分股的實(shí)際收益率Rit作為被解釋變量，市場(chǎng)指數(shù)作為解釋變量，運(yùn)用OLS求出估計(jì)期成分股的αi、βi，然后將求出的 αi、βi看成將成分股的正常收益率ARit作為被解釋變量時(shí)與市場(chǎng)指數(shù)所建立的市場(chǎng)模型的擬合值。而市場(chǎng)指數(shù)的實(shí)際收益率Rit的計(jì)算已經(jīng)由式（11）得出。計(jì)算成分股估計(jì)期的αi、βi，見(jiàn)式（3）：

計(jì)算每個(gè)成分股在窗口期2014年11月10日至2014年12月9日的正常收益率，見(jiàn)式（4）：

計(jì)算各自的成分股異常收益率在當(dāng)日的總和，用每個(gè)市場(chǎng)指數(shù)各自的成分股異常收益率當(dāng)日的總和除以成分股的總數(shù)，得到三個(gè)市場(chǎng)每日的平均異常收益率，見(jiàn)式（5）：