基于金融周期視角下股票市場的聯(lián)動效應(yīng)研究

喻開志 陸昕慧

〔摘要〕 ?世界經(jīng)濟全球化已成為趨勢，發(fā)達經(jīng)濟體的股市之間以及發(fā)達經(jīng)濟體與新興經(jīng)濟體股市之間的聯(lián)動性也在經(jīng)濟全球化的趨勢中更加緊密。各國金融領(lǐng)域以及金融市場間的快速融合，不斷形成統(tǒng)一規(guī)范的金融行為準(zhǔn)則，也使得全球金融周期性特征越來越明顯。文章選取世界五個主要股票市場指數(shù)為研究對象，按照已有研究對全球金融周期的劃分，將該樣本區(qū)間分成了繁榮期、衰退期和正常期三個階段，然后基于這三個階段分析了在不同金融周期五國股票市場指數(shù)收益率聯(lián)動效應(yīng)?；趯嵶C研究結(jié)論，認(rèn)為美國和歐洲股市聯(lián)動性較強，與亞洲股市聯(lián)動性相對較弱，且美國和中國股市之間聯(lián)動性最弱，基本捕捉不到下尾相關(guān)。相關(guān)實證結(jié)論有利于國際投資者的投資組合管理，也有助于各國股票市場的風(fēng)險規(guī)避。

〔關(guān)鍵詞〕 ?金融周期;股票市場;聯(lián)動性;DCC-MVGARCH模型;Copula模型

〔中圖分類號〕F832.5 〔文獻標(biāo)識碼〕A 〔文章編號〕 1008-0694（2020）01-0066-16

〔作者〕 ??喻開志 教授 博士生導(dǎo)師 西南財經(jīng)大學(xué)統(tǒng)計學(xué)院 成都 611130陸昕慧 國信證券股份有限公司 深圳 518001

一、問題提出

縱觀歷史，從1982年拉美債務(wù)危機開始，1994年發(fā)生了墨西哥危機，1997年發(fā)生了亞洲金融風(fēng)暴，直到2008年爆發(fā)全球性金融危機。一旦一國發(fā)生金融危機，不可避免地會使其他國家也遭受重創(chuàng)，那么為什么會出現(xiàn)這種現(xiàn)象？不同國家的金融市場之間的相關(guān)關(guān)系是否也會有所不同？全球金融市場一體化趨勢日益增強，使得投資者的資產(chǎn)配置范圍擴展到了全世界，同時投資成本也降低了，增強了投資活動的便利性;跨市場的投資者增加，加快了國內(nèi)外金融市場間的信息傳遞，從而導(dǎo)致各國證券市場間相互影響。一個國家受到金融沖擊引發(fā)股票市場劇烈震蕩，同時這種異常波動也會通過各資本市場傳遞至其他國家金融市場甚至全球金融市場，進而導(dǎo)致全球股票市場出現(xiàn)大幅震蕩。我國證券市場國際化水平逐漸增強，我國證券市場與境外證券市場的聯(lián)動性加大，也使得金融監(jiān)管的重要性日益凸顯。黨的十九大報告針對金融風(fēng)險監(jiān)管方面也提出了要求，即要將建立有效的金融監(jiān)管體系放在首位，將發(fā)生系統(tǒng)性金融風(fēng)險的可能性降到最低。同時，各國的金融領(lǐng)域以及金融市場間的快速融合，不斷形成統(tǒng)一規(guī)范的金融行為準(zhǔn)則，也使得全球金融周期性特征越來越明顯，因此研究各國股票市場之間的聯(lián)動性必須考慮全球金融周期性。本文主要探索不同金融周期中，五大股票市場的股指收益率的聯(lián)動性，尤其是在金融衰退時期，各國股票市場均會出現(xiàn)一定程度的協(xié)同性下跌，這就需要我們?nèi)ヌ骄繃抑g的這種聯(lián)動效應(yīng)是否長期存在;而且這種聯(lián)動關(guān)系是否會在金融衰退時期顯著加劇，而在金融周期正常期有所減弱，即這種聯(lián)動關(guān)系是否隨著所處的金融周期的改變而發(fā)生變化。

二、相關(guān)文獻綜述

1.關(guān)于金融周期研究方面

二、相關(guān)文獻綜述1.關(guān)于金融周期研究方面自20世紀(jì)80年代起，學(xué)術(shù)界就有關(guān)于金融周期的研究，但是未能進行深入探討。直到20世紀(jì)90年代，Bnanke對金融中性理論的前提假設(shè)進行了修改，隨后金融周期理論才逐步受到重視。Goodhart（2001）選取了七個較大的工業(yè)化國家為研究對象，編制了相應(yīng)的金融狀況指數(shù)（FCI），該指標(biāo)成為金融周期的重要衡量依據(jù)?！?〕陸軍（2007）通過總需求方程，計算了中國的金融狀況指數(shù)?！?〕Junichi（2010）運用VAR模型構(gòu)建了日本的FCI，從而進一步探討了日本經(jīng)濟周期是否會受到金融沖擊的影響?！?〕Claessens（2011）采用傳統(tǒng)轉(zhuǎn)折點法來測度金融周期，以21個發(fā)達經(jīng)濟體為研究對象，選取1960～2007年的信貸、房地產(chǎn)價格和股票價格三個金融周期序列，發(fā)現(xiàn)隨著經(jīng)濟全球化發(fā)展各個國家的金融周期在周期長度和形態(tài)上也逐漸趨于一致，這成為出現(xiàn)全球金融周期的基石?！?〕歐利娟（2014）對比了應(yīng)用主成分分析方法和VAR模型計算出的FCI指數(shù)對通貨膨脹的預(yù)測效果，結(jié)果表明用VAR方法構(gòu)建的金融狀況指數(shù)的預(yù)測效果并不理想。〔5〕Brunnermeier（2012）、Borio（2017）的主要觀點是全球信貸流動周期和金融周期具有顯著的相關(guān)性?！?〕〔7〕Bruno（2015）認(rèn)為VIX指數(shù)和全球信貸增長有很強的負相關(guān)關(guān)系，即在多個地區(qū)都顯示當(dāng)VIX指數(shù)走低時，信貸規(guī)模會驟增以及資本流量攀升。〔8〕而在前人的研究中，我們知道全球信貸流動具有順周期性，因此VIX成為衡量全球金融周期的代理變量。顧寧（2016）研究了全球金融周期對中國資產(chǎn)價格的動態(tài)沖擊，選取VIX作為全球金融周期的代理變量，指出全球資本流入與VIX指數(shù)走勢具有顯著的反向變動關(guān)系，這表明當(dāng)VIX指數(shù)下跌時，資本流動增加，全球信貸規(guī)模擴張，而當(dāng)VIX升高時，情況相反?！?〕

2.關(guān)于股票市場收益率聯(lián)動研究方面

上世紀(jì)80年代以后，學(xué)者開始研究世界主要股票市場聯(lián)動是否存在及其影響情況，主要使用的方法是Christopher Sims在1980年引進的VAR模型。Kam Chan（1992）研究了美國、英國、中國臺灣、日本和韓國這五個股票市場收益率之間是否存在信息傳遞及其強度，他發(fā)現(xiàn)美國股票市場對韓國、中國臺灣的股票市場有較大的影響力?！?0〕由于非平穩(wěn)時間序列會導(dǎo)致偽回歸，故學(xué)者們提出了協(xié)整分析方法。Kasa（1992）對美、日、英、德以及加拿大這五個發(fā)達國家的股票市場進行實證分析，其中就引進了協(xié)整檢驗方法，結(jié)果表明這五國股票市場之間的聯(lián)動效應(yīng)很顯著，尤其是美國對其他四個國家股票市場的影響最為明顯?！?1〕Morana（2006）研究了美、日、英、德這四個國家在20世紀(jì)70年代到21世紀(jì)初的股票市場收益率，發(fā)現(xiàn)發(fā)達國家各股票市場聯(lián)動效應(yīng)在日益變大?！?2〕隨著新興經(jīng)濟體不斷發(fā)展壯大，學(xué)者們開始研究新興經(jīng)濟體與發(fā)達經(jīng)濟體股票市場之間的關(guān)系。俞世典（2001）在國外學(xué)者研究基礎(chǔ)上，引入中國股票市場，深度剖析了道瓊斯指數(shù)、恒生指數(shù)、納斯達克指數(shù)、日經(jīng)指數(shù)以及上證指數(shù)之間的聯(lián)動效應(yīng)，結(jié)果顯示其他國家股票市場和中國股票市場存在一定的聯(lián)動效應(yīng)?！?3〕Hatemi（2006）、Sener（2008）探索新興經(jīng)濟國家之間以及它們與發(fā)達國家之間的股票市場的聯(lián)動效應(yīng)，結(jié)果表明新興經(jīng)濟體與發(fā)達經(jīng)濟體股票市場之間聯(lián)動效應(yīng)較弱。〔14〕〔15〕Munteanu（2014）選取2005～2013年12個歐洲市場的新興國家以及美國的股票市場數(shù)據(jù)進行建模，研究表明它們之間具有較強烈的相關(guān)關(guān)系?！?6〕從事件驅(qū)動方面來看，以中國股權(quán)分置改革和滬港通政策實施為例，駱振心（2008）研究了股權(quán)分置改革對中國股票市場與世界其他主要股票市場的聯(lián)動性是否有影響，并發(fā)現(xiàn)股權(quán)分置改革前后中國股票市場與世界其他主要股票市場的聯(lián)動性明顯不同，股權(quán)分置改革后聯(lián)動性更強。〔17〕符明愷（2015）主要研究了滬港通背景下上海股市與香港股市的聯(lián)動效應(yīng)，將樣本期劃分為政策提出期、準(zhǔn)備期、開通期三個階段，指出上海股市與香港股市存在一定的聯(lián)動性，并且滬港通政策的實施明顯加強了這種聯(lián)動效應(yīng)?！?8〕

3.文獻評述

學(xué)術(shù)界關(guān)于金融周期的研究主要集中在分析金融周期的界定，針對單一國家主要是通過構(gòu)造FCI指標(biāo);針對界定全球金融周期主要是利用VIX指標(biāo)，多位學(xué)者論證了該指標(biāo)可以成為全球金融周期的代理變量。關(guān)于股票市場聯(lián)動性研究方面，發(fā)達國家的股票市場之間的聯(lián)動效應(yīng)呈現(xiàn)逐漸增強態(tài)勢。伴隨著股權(quán)分置改革和滬港通政策實施及完成，中國股票市場與境外全球股票市場之間的聯(lián)動效應(yīng)也是在日益增強?，F(xiàn)有文獻研究中也存在一些不足，主要從金融危機這一時間節(jié)點來展開研究分析，很少站在整個金融周期角度來分析在不同周期階段下這種聯(lián)動效應(yīng)是否存在以及聯(lián)動效應(yīng)的變化趨勢。本文則以全球金融周期為背景，研究在不同金融周期階段中各國股票市場的聯(lián)動效應(yīng)，以及這種聯(lián)動效應(yīng)是否會隨著金融周期階段的改變而改變，所以本文在現(xiàn)有研究基礎(chǔ)上試圖彌補這些方面的不足。

三、實證研究

1.指標(biāo)選取

本文以美國、英國、德國、日本和中國的股票市場為研究對象。對于美國股票市場，我們選取標(biāo)準(zhǔn)普爾500指數(shù)（SPX），該指數(shù)采用市值加權(quán)法，涵蓋了美國經(jīng)濟主要行業(yè)的500多家龍頭企業(yè)，被廣泛認(rèn)為是衡量美國股票市場最好的一項指標(biāo)。對于英國股票市場，我們選取富時100指數(shù)（FTSE100），這一指數(shù)涵蓋了倫敦證券交易所八成左右的市值，具有較強的代表性。對于德國股票市場，我們選取DAX30指數(shù)，該指數(shù)是由德意志交易所推出的一個藍籌股指數(shù)，包含有30家主要的德國公司，DAX30指數(shù)是德國最受重視的股價指數(shù)。對于日本股票市場，我們選取日經(jīng)225指數(shù)（N225），該指數(shù)涵蓋東京證券交易所內(nèi)上市的225家公司的股票，隨著股票樣本總量的增加，該指數(shù)成為日本最有影響和代表性的股價指數(shù)。對于中國股票市場，我們選取上證綜指（SH），該指數(shù)涵蓋了在上海證券交易所全部上市股票，基本反映了中國上市公司股票價格的變動情況。針對全球金融周期的界定，本文參考陳雨露（2016）等的做法，用VIX指數(shù)作為全球金融周期的代理變量，〔19〕通過HP濾波，明確將金融周期劃分為三個階段及類別：第一個階段為繁榮期（2006年1月1日至2007年7月31日）;第二個階段為衰退期（2007年8月1日至2011年12月31日）;第三個階段為正常期（2012年1月1日至 2017年8月31日）。

2.樣本選擇及描述性統(tǒng)計

本文選取 2006年1月1日至2017年8月31日為樣本區(qū)間，利用公式來計算上述各個股票市場代表指數(shù)的日收益率。由于各個股票市場的交易日并不是一一對應(yīng)，故本文參照眾多學(xué)者的處理方法，剔除了交易日不重疊的數(shù)據(jù)，最終樣本規(guī)模為2559個交易日，其中繁榮期共353個交易日，衰退期共973個交易日，正常期共1233個交易日。所有數(shù)據(jù)均來源于Wind資訊。表1為三個時期五國股市收益率的描述性統(tǒng)計結(jié)果，從均值來看，各國股票在繁榮時期和正常時期的收益率均為正數(shù)，在衰退期的收益率均為負數(shù)，表明衰退時期各國均出現(xiàn)“齊跌”現(xiàn)象;從標(biāo)準(zhǔn)差來看，各國股票在衰退期的標(biāo)準(zhǔn)差最大，表明衰退時期波動更大、更劇烈，在繁榮期的波動最小;從偏度、峰度來看，多數(shù)市場指數(shù)的日收益率序列的偏度值均小于零，表明在樣本期內(nèi)為左偏，且各個市場指數(shù)的日收益率序列的峰度值均大于3，表明收益率序列呈現(xiàn)出較厚重的尾部，即符合金融時間序列的尖峰厚尾特征。另一方面，從JB統(tǒng)計量來看，各個股票市場在三個階段的JB統(tǒng)計量均顯著，即表明各金融時間序列均不服從正態(tài)分布。

3.股票市場收益率聯(lián)動效應(yīng)研究

（1）研究方法。學(xué)者們針對不同國家之間股市聯(lián)動效應(yīng)的研究分析，最常用的兩個計量模型分別是VAR模型和GARCH模型，但是這兩個模型有一個共同的缺點，即回歸系數(shù)均是始終固定不變的，它不會隨著時間的變化而變化。但是在實際問題里，外界因素會導(dǎo)致已經(jīng)存在的機制發(fā)生改變，大多數(shù)情況聯(lián)動相關(guān)系數(shù)是不斷發(fā)生變化的。而VAR模型和GARCH模型均不能展現(xiàn)兩個市場的聯(lián)動效應(yīng)的時變性，當(dāng)學(xué)者想要探究聯(lián)動性是否會隨著時間而改變時，這兩種模型就會不盡人意。本文運用變系數(shù)狀態(tài)空間模型卡爾曼濾波法，變系數(shù)狀態(tài)空間模型的優(yōu)勢主要有兩點：第一，該模型能在可觀測模型中放入不可觀測的狀態(tài)變量，并得到有效的估計結(jié)果;第二，通過卡爾曼濾波過程，可以進行有效的迭代計算，使得估計結(jié)果更加穩(wěn)健，從而可以精準(zhǔn)地估計兩國證券市場之間的短期變動影響系數(shù)。通常不可觀測的時間變量可能包括：理性預(yù)期，測量誤差，長期收入和不可觀測因素，對于這些時間變量的估計一般會選擇運用狀態(tài)空間模型。yt是包含k個經(jīng)濟變量的k×1維可觀測變量，我們定義量測方程為：yt=Ztαt+dt+μt，t=1，2，……，T;其中T表示樣本長度，Zt表示k×m矩陣，dt和μt均為k×1向量，并有E（μt）=0，var（μt）=Ht。一般地，αt的元素是不可觀測的，但可以表示為一階馬爾科夫過程，定義狀態(tài)方程為：αt=Ttαt-1+ct+Rtεt，t=1，2，……，T，其中Tt表示m×m矩陣，ct表示m×1向量，Rt表示m×g矩陣，εt表示g×1向量，并有E（εt）=0，var（εt）=Qt。基于此，本文在基于卡爾曼濾波的迭代基礎(chǔ)上設(shè)定量測方程如下：（以美國標(biāo)準(zhǔn)普爾500指數(shù)和英國富時100指數(shù)為例）SPX500t=c+svt*ftse100t+μt，其中SPX500t和ftse100t分別為標(biāo)準(zhǔn)普爾500指數(shù)和富時100指數(shù)的日對數(shù)收益率序列。關(guān)于狀態(tài)方程設(shè)定，本文參考唐紹祥（2008）和王雪峰（2010）的做法，將狀態(tài)空間方程假設(shè)為隨機游走，即為svt=svt-1+εt。

（2）狀態(tài)空間模型構(gòu)建。單位根及協(xié)整檢驗。在構(gòu)建時間序列回歸模型時，首先進行單位根檢驗，避免偽回歸。本文主要采用ADF檢驗方法來檢驗時間序列的平穩(wěn)性。從檢驗結(jié)果來看，在5%的顯著性水平下，P值均遠遠小于0.05，所以拒絕原假設(shè)，表明金融周期的三個階段的各國股值收益率均為原序列平穩(wěn)。各時間序列通過單位根檢驗，接下來考察各國股指收益率序列之間是否存在長期協(xié)整關(guān)系，運用Johansen協(xié)整檢驗進行驗證，Johansen協(xié)整的滯后階數(shù)由SC和AIC準(zhǔn)則確定，Johansen協(xié)整檢驗結(jié)果如表2所示。在5%的顯著性水平下，金融周期的三個階段的統(tǒng)計量均拒絕原假設(shè)，表明五國股票市場之間均存在著長期的均衡關(guān)系。可以說在經(jīng)濟一體化進程加快的同時，各國的經(jīng)濟基礎(chǔ)層面的聯(lián)動性已經(jīng)開始帶動了各國股票市場的聯(lián)動，因此五大國際股市間會表現(xiàn)出長期的聯(lián)動性。

狀態(tài)空間模型實證估計分析。從上文來看，在長期五國股市間均存在均衡穩(wěn)定關(guān)系，那么在短期，美股走勢對其他各國股市走勢的影響究竟有多大？歐洲區(qū)域、亞洲區(qū)域各股票走勢分別相互影響有多大？基于這些疑問，本文采用變系數(shù)狀態(tài)空間模型來進行實證分析。狀態(tài)空間模型中可以利用卡爾曼濾波進行有效的迭代計算，設(shè)定量測方程如下：（以美國標(biāo)準(zhǔn)普爾500指數(shù)和英國富時100指數(shù)為例）sp500t=c+sv*tftse100t+μt（1）狀態(tài)方程設(shè)定為svt=svt-1+εt，進而得到金融周期三個階段的六個狀態(tài)空間模型，實證結(jié)果分別見圖1～圖6。

從圖1可以看出，SPX對FTSE100影響的變系數(shù)繁榮期波動較大，變系數(shù)頻繁發(fā)生大的變動，從前期的0.67 左右變動至 2006年3月1日的0.2左右，之后又逐漸上升，在繁榮期結(jié)束時，變相關(guān)系數(shù)升至0.45左右;之后衰退時期該變系數(shù)逐步上升至0.68左右，并在衰退期后期一直保持穩(wěn)定;在正常期間，首先是維持衰退期的高相關(guān)性，繼而隨著時間的推移，變相關(guān)系數(shù)逐漸小幅下降至目前的0.64左右。從圖2可以看出，在繁榮時期，SPX對DAX30影響的變系數(shù)在0.15左右頻繁波動，在衰退時期，逐漸上升到0.66左右，在正常期，變系數(shù)有所回落，在0.6左右波動并趨于穩(wěn)定。從圖3可以看出，在繁榮期，SPX對N225影響的變系數(shù)較小，維持0.068左右，在衰退期，變系數(shù)逐步上升至0.21左右，之后在正常期，和FTSE100指數(shù)、DAX30指數(shù)一樣開始逐漸下降并維持在0.19左右。從圖4可以看出，SPX對SH影響的變系數(shù)在三個時期均保持在0.07左右，并保持穩(wěn)定狀態(tài)，表明中國股市和美國市之間沒有較明顯的聯(lián)動性。圖5、圖6分別研究的是歐洲股票之間、亞洲股票之間在三個階段的變系數(shù)聯(lián)動性，可以看出亞洲股票市場之間的聯(lián)動效應(yīng)要顯著弱于歐洲股票市場之間的聯(lián)動效應(yīng)。可見，整體而言美國股票市場和歐洲股票市場的聯(lián)動效應(yīng)較強，當(dāng)金融危機和歐債危機期間歐美股市間的相關(guān)系數(shù)達至最大值，但隨著危機逐步消除，進入正常期后，美股收益率對歐股收益率影響的變系數(shù)逐步縮小并趨于穩(wěn)定。這主要是因為在發(fā)生金融危機后，會有價格引導(dǎo)機制，而這種機制在一定程度上抵消了經(jīng)濟基礎(chǔ)層面所引致的價格引導(dǎo)關(guān)系，這就導(dǎo)致國家間的變系數(shù)變小而趨于穩(wěn)定。相比之下，中國上證和美股之間的變系數(shù)則相對較小，這與我們的主觀感受是一致的。

4.股票市場指數(shù)考慮波動的聯(lián)動效應(yīng)分析

大量金融時間序列諸如股票價格、通貨膨脹率、利率和外匯匯率等的變化存在不確定性，其波動不是固定不變的，而是隨時間變化的。在進一步研究中，人們發(fā)現(xiàn)波動又表現(xiàn)出明顯的持續(xù)性，波動持續(xù)性現(xiàn)象表明當(dāng)前的波動性具有聚集的特征，這種持續(xù)性的存在增大了未來資產(chǎn)收益的風(fēng)險。因此，討論股票市場收益率之間的聯(lián)動性時就必須考慮波動及其持續(xù)性特征。

（1）研究方法。上面研究全球五國的股指日對數(shù)收益率之間不考率波動的聯(lián)動效應(yīng)，研究股票市場的聯(lián)動效應(yīng)的另一個重要研究方向是加入股票市場指數(shù)的波動性。早期文獻中對股指波動率的研究主要是構(gòu)建ARCH和GARCH模型。在之后的研究中，越來越多的學(xué)者對GARCH模型進行了改進和拓展，衍生出了GARCH模型族，常見的GARCH族模型有多變量GARCH模型，包括BEKK、CCC-GARCH和DCC-MVGARCH。2002年Engle以CCC-GARCH模型為基礎(chǔ)，放寬了條件相關(guān)的常恒定性假設(shè)，拓展出了DCC-MVGARCH模型。這個模型針對的金融時間序列的波動性相關(guān)是隨著時間推移不斷發(fā)生變化的，它不是固定不變的常數(shù)，它會隨之前股價的波動情況而發(fā)生改變，從而更能真實有效地反映股票市場的相關(guān)性。構(gòu)建Copula模型主要是更加深入地勾勒各個變量之間的相關(guān)性，是一種連接函數(shù)。本文將利用DCC-MVGARCH 模型和各種形式的Copula模型來分析五國股指的收益率的波動性動態(tài)聯(lián)動性和極值出現(xiàn)時的上下尾部相關(guān)性。對于DCC-MVGARCH模型，假設(shè)k個收益率的新信息{et}服從多元正態(tài)分布，即et|Ωt-1～N（0，Ht），其中Ωt-1為rt在t時刻的信息集，則可以構(gòu)建如下動態(tài)相關(guān)結(jié)構(gòu)：

對于構(gòu)建Copula模型，通常我們運用GARCH模型對原金融時間序列建模。對原金融序列建立GARCH 模型后，得到標(biāo)準(zhǔn)化殘差，并對殘差進行概率積分變換，用K-S檢驗，檢驗殘差進行概率積分變換后的序列是否是服從（0，1）的均勻分布。若檢驗通過，表明構(gòu)建Copula模型可行。三類經(jīng)常使用的Copula函數(shù)形式分別是橢圓族、阿基米德族和非參數(shù)?？梢赃M行尾部相關(guān)性測度的主要有以下幾種。t-Copula屬于雙參數(shù)結(jié)構(gòu)，更加靈活多變，其尾部更為陡峭，可測度尾部相關(guān)性。Gumbel和Joe Copula對上尾相關(guān)性的測度效果較好，Clayton Copula對下尾相關(guān)性的測度效果較好。BB1和BB7可以同時捕捉上下尾部的相關(guān)性。（2）DCC-MVGARCH模型。ARCH效應(yīng)檢驗。建立GARCH模型的前提是研究的各個金融時間序列是有條件異方差性的。因此，對我國的股票市場收益率序列做ARCH效應(yīng)檢驗，檢驗結(jié)果見表3。從表中可以看出，P值均小于0.05，拒絕原假設(shè)，表明五國股指對數(shù)收益率均存在ARCH效應(yīng)，因此可以建立GARCH模型。

估計單變量GARCH模型。本部分主要建立單變量GARCH模型，首先分別對繁榮期、衰退期、正常期這三個階段用 GARCH（1，1）模型進行擬合，擬合結(jié)果如表4所示。從表4中可以看出，在三個時期五個市場指數(shù)收益率的ARCH（1）系數(shù)小于GARCH（1）系數(shù)，表明指數(shù)波動主要是由條件方差引起的，不同市場在不同階段的現(xiàn)有波動對前期波動敏感性均不同，例如標(biāo)準(zhǔn)普爾500指數(shù)在繁榮時期條件方差最大，F(xiàn)TSE100指數(shù)和上證綜指在衰退時期條件方差最大。

估計DCC動態(tài)相關(guān)系數(shù)。在建立了單變量GARCH模型基礎(chǔ)上，用DCC方法得到動態(tài)相關(guān)系數(shù)。運用極大似然法估計動態(tài)相關(guān)系數(shù)中的參數(shù)α和β，估計結(jié)果如表5所示。其中，α表示每兩個市場對新信息的敏感度;當(dāng)發(fā)生突發(fā)事件，會造成一定的金融沖擊，β就用來表示這種沖擊對波動率影響的持續(xù)性程度，該值越大，這種持續(xù)性影響程度就越大;α+β越接近1，則表明波動性趨勢在未來延續(xù)的時間越長。從DCC-MVGARCH（1，1）模型的參數(shù)α和β的估計結(jié)果來看，在衰退時期，五國股票市場指數(shù)的動態(tài)相關(guān)性最強，波動性趨勢在未來延續(xù)的時間較長，而在繁榮期動態(tài)相關(guān)系數(shù)最弱，波動性趨勢在未來延續(xù)的時間不長;正常期的動態(tài)相關(guān)性介于繁榮期和衰退期之間，當(dāng)進入正常期，動態(tài)相關(guān)系數(shù)會在衰退期的基礎(chǔ)上有所回落，但回落幅度不大。

金融周期不同階段下兩兩股票市場的聯(lián)動關(guān)系分析。上面DCC-MVGARCH模型主要分析了五國綜合的股票市場收益率的聯(lián)動性。接下來我們分市場兩兩進行研究，分別研究美國標(biāo)準(zhǔn)普爾500指數(shù)、英國富時100指數(shù)、德國DAX30股票指數(shù)、日本日經(jīng)指數(shù)以及中國上證綜指的關(guān)系，英國富時100指數(shù)對德國DAX30股票指數(shù)的關(guān)系，以及日本日經(jīng)N225指數(shù)與中國上證綜指的關(guān)系。圖7～圖12清晰地表現(xiàn)了相關(guān)系數(shù)在繁榮期、衰退期和正常期的差異。

從圖7～圖12中可以看出：兩兩市場收益率的動態(tài)相關(guān)系數(shù)均明顯大于零，即表明在金融周期的3個階段，兩兩股市之間的聯(lián)動效應(yīng)存在且為正向影響。從美國和歐洲股票市場來看，美國的標(biāo)準(zhǔn)普爾500指數(shù)與英國的富時100 指數(shù)、德國的DAX30 指數(shù)的動態(tài)相關(guān)系數(shù)基本都分布在0.6～0.8之間;從美國和亞洲股票市場來看，美國標(biāo)準(zhǔn)普爾500指數(shù)與日本日經(jīng)225指數(shù)、中國上證指數(shù)的動態(tài)相關(guān)系數(shù)基本都分布在0.1～0.2之間;分別來看歐洲市場之間和亞洲市場之間動態(tài)相關(guān)情況，歐洲兩大市場指數(shù)之間聯(lián)動程度高達0.8，意味著這兩個國家的市場具有最強的聯(lián)動性，一國的證券市場變化會很快帶動另一國證券市場的變化，漲跌趨同。這背后是因為地緣優(yōu)勢，使得兩國的經(jīng)濟發(fā)展?fàn)顩r一致，從宏觀經(jīng)濟層面帶動證券市場;而亞洲兩大市場指數(shù)間動態(tài)相關(guān)系數(shù)均在0.25左右，同時波動性趨勢在未來延續(xù)的時間較短。

基于Copula模型的尾部相依性分析。Copula模型不僅可以檢驗序列相關(guān)性，而且可以針對尾部進行相關(guān)測算，其中t-Copula模型可以準(zhǔn)確捕捉極端情形下的尾部相依特征，在阿基米德族Copula中單參數(shù)的Clayton、Gumbel和Joe Copula的密度函數(shù)是非對稱的，因此都能夠測度尾部相關(guān)性。雙參數(shù)的BB1和BB7可以同時捕捉金融資產(chǎn)風(fēng)險的上下尾部的相關(guān)性。研究樣本方面，通過對比金融周期不同階段尾部相關(guān)性差異，檢驗各股票市場之間是否具有市場尾部相依特征。本文對各市場收益率序列建立AR（1）-GARCH（1，1）模型，通過模型過濾得到標(biāo)準(zhǔn)化殘差，此時標(biāo)準(zhǔn)化殘差均不存在自相關(guān)，然后對標(biāo)準(zhǔn)化殘差序列進行概率積分，所得數(shù)據(jù)均通過K-S檢驗，說明邊際分布模型合適。繼而，我們選擇Gaussian Copula、t-Copula、Clayton Copula、Gumbel Copula、Joe Copula、BB1以及BB7模型分別檢驗各市場間的尾部相關(guān)結(jié)構(gòu)，并通過擬合程度評價GOF檢驗選擇最優(yōu)Copula形式。由于篇幅有限，美國和英國股票市場間相關(guān)性測度如下（詳見表6）。

從GOF檢驗結(jié)果來看，t-Copula在三個階段均通過檢驗，擬合效果較好，但t-Copula對于尾部相關(guān)性的測度不佳。在雙參數(shù)阿基米德族Copula中，BB7在衰退期沒有通過檢驗，BB1在三個階段均通過檢驗，且其同時捕捉到了上、下尾部相關(guān)性。因此，針對美國和英國股市之間尾部相關(guān)性分析中，我們選用BB1作為最優(yōu)Copula形式做進一步探討。同理我們對其他股票市場之間做同樣的Copula形式選擇，選擇結(jié)果如表7所示。

從表7中可以看出，美英和美德股市在三個時期上尾相關(guān)性均強于下尾相關(guān)性，即表明不論處在金融周期的哪個階段，股票上漲時，美英和美德股市之間的相關(guān)性要強于股票下跌時的相關(guān)性。在繁榮時期，美國與英、德兩個歐洲國家的股票市場之間的肯德爾（Kendall）的測度τ分別為0.35和0.37左右，美國與英國股市之間上尾和下尾相關(guān)系數(shù)在0.3左右;在衰退時期，相關(guān)系數(shù)呈持續(xù)上升的趨勢，這表明受金融危機影響美國股票市場與歐洲股票市場聯(lián)動性大幅增加。美國與英、德兩個歐洲國家的股票市場之間的肯德爾（Kendall）的測度τ均在0.45左右，美國與英國股市之間上尾和下尾相關(guān)系數(shù)在0.4左右，美國與德國股市之間上尾和下尾相關(guān)系數(shù)在0.5左右，表明在衰退期無論股票上漲還是下跌，尾部相關(guān)性都會增強;在正常期，美國與英、德兩個歐洲國家的股票市場之間的肯德爾（Kendall）的測度τ有所回落，均在0.39左右，美國與英國股市之間上尾和下尾相關(guān)系數(shù)在0.35左右，美國與德國股市之間上尾和下尾相關(guān)系數(shù)在0.41左右，即表明在正常期無論股票上漲還是下跌，尾部相關(guān)性都會較衰退期有所減弱。

另外，研究中美相關(guān)性時我們選擇的是Gumbel Copula模型形式，主要是兩國股市之間基本捕捉不到下尾相關(guān)。即在金融周期的三個階段，當(dāng)股票下跌時，中美兩國均不存在明顯的尾部相關(guān)性，即美國股市的下跌并不會顯著影響中國股市。在繁榮時期，中美兩國股票市場之間的肯德爾（Kendall）的測度τ為0.12，上尾相關(guān)系數(shù)在0.16左右;但在衰退時期有所下降，肯德爾（Kendall）的測度τ為0.04，上尾相關(guān)系數(shù)在0.06左右，表明中國在衰退期出臺了相應(yīng)政策，抵消了這種危機傳染作用，這種政策救市使得中美兩國的相關(guān)性大大下降。

四、結(jié)論與政策建議

1.結(jié)論

通過前面的分析可以看出，五國股票市場在不同的金融周期中都有一定的聯(lián)動性，不同股票市場之間的聯(lián)動效應(yīng)強弱有所不同，在金融周期的衰退階段，這種股票市場之間的聯(lián)動效應(yīng)會加劇。從狀態(tài)空間模型來看，五個國家股票指數(shù)可變系數(shù)在衰退期前波動劇烈，這說明不同股票市場之間的聯(lián)動效應(yīng)加劇并且波動劇烈的情況下，很可能會發(fā)生跨市場的系統(tǒng)性風(fēng)險，因此股票市場間聯(lián)動效應(yīng)加劇成為判斷是否存在系統(tǒng)性風(fēng)險的重要參考標(biāo)的。而在衰退期后，各國股票市場之間的聯(lián)動性會略微有所回落，并保持穩(wěn)定，表明在系統(tǒng)性風(fēng)險發(fā)生后，國與國之間聯(lián)合應(yīng)對風(fēng)險的措施可以有效地遏制股票市場大幅波動。

從DCC-MVGARCH模型來看，美國和歐洲股票市場的動態(tài)相關(guān)性較強，與亞洲股票市場的動態(tài)相關(guān)性較弱;歐洲兩大市場指數(shù)之間的聯(lián)動程度高達0.8，這意味著這兩個國家的市場具有最強的聯(lián)動性，這背后是因為地緣優(yōu)勢，使得兩國的經(jīng)濟發(fā)展?fàn)顩r一致，從宏觀經(jīng)濟層面帶動證券市場;而亞洲兩大市場指數(shù)之間的動態(tài)相關(guān)系數(shù)較低，同時波動性趨勢在未來延續(xù)的時間較短。從Copula尾部相關(guān)性分析中，主要是發(fā)現(xiàn)美國與中國的相關(guān)系數(shù)之間基本捕捉不到下尾相關(guān)。這表明中國在衰退期出臺了相應(yīng)政策，抵消了這種危機傳染作用，這種政策救市使得中美兩國的相關(guān)性大大下降。

2.政策建議

A股與國際股票市場的聯(lián)動性一直以來都是國內(nèi)外經(jīng)濟學(xué)者關(guān)注的研究熱點。經(jīng)過過去20多年的發(fā)展，并隨著全球化的加深和世界經(jīng)濟一體化的深化，中國經(jīng)濟體量已躍居世界第二且與外部世界經(jīng)貿(mào)聯(lián)系更加緊密，A股與美股、日股、港股等發(fā)達經(jīng)濟體的股市聯(lián)動效應(yīng)愈發(fā)顯著。2008年，由美國次貸危機所孵化的世界金融危機也讓中國A股受到了重創(chuàng)。通過探討各國股票市場的聯(lián)動效應(yīng)以及背后的驅(qū)動因素，提出以下符合中國實際的股票市場發(fā)展建議：

（1）建立健全可量化的風(fēng)險監(jiān)測體系。建立風(fēng)險監(jiān)測指標(biāo)體系是系統(tǒng)性風(fēng)險監(jiān)測機制最重要的環(huán)節(jié)，通過構(gòu)建可量化的風(fēng)險監(jiān)控體系，有助于提高國家對金融危機的預(yù)測能力。有效的監(jiān)測指標(biāo)體系需要考察宏觀層面和微觀層面兩個方面，宏觀層面主要是囊括了一系列重要的宏觀經(jīng)濟指標(biāo)和金融指標(biāo);而微觀層面主要是研究微觀金融市場情況，著重研究金融機構(gòu)的風(fēng)險和跨國金融控股集團的風(fēng)險。之所以要從宏觀和微觀兩個層面來建立風(fēng)險監(jiān)控體系，主要是因為如果僅建立微觀金融層面的指標(biāo)，雖然可以很準(zhǔn)確地刻畫某個金融機構(gòu)或者跨國金融集團所面臨的風(fēng)險，但是不能以偏概全地描述整個金融體系的系統(tǒng)性風(fēng)險;這就要求我們必須從宏觀層面進行構(gòu)建相應(yīng)的指標(biāo)。中國金融監(jiān)管當(dāng)局可以借鑒國際上已有的風(fēng)險監(jiān)管體系，結(jié)合金融市場發(fā)展的具體情況，建立健全金融市場監(jiān)測體系，可以創(chuàng)造性地加入中觀層面的指標(biāo)，以行業(yè)風(fēng)險程度作為中觀層面，成為國家宏觀系統(tǒng)性風(fēng)險和企業(yè)微觀個體風(fēng)險的重要橋梁，從而更加及時有效地監(jiān)測金融市場可能的潛在風(fēng)險。

（2）加大對金融體系的監(jiān)管力度和強度。隨著與境外各國貿(mào)易活動日益頻繁，尤其是“一帶一路”倡議的提出，中國經(jīng)濟對外開放程度也越來越高，國際收支的資本項目也會大力開放。中國股市的國際化必然會使得股市隨全球金融周期的變化而震蕩，尤其是在衰退時期，中國股票市場受境外股票市場影響的可能性要遠大于從前。因此，在中國股票市場與境外股市的聯(lián)動效應(yīng)愈發(fā)強烈的情況下，監(jiān)管當(dāng)局需要加大對金融體系的監(jiān)管力度和強度。加大對金融體系的監(jiān)管力度和強度的前提必須保證完善國際監(jiān)管合作。經(jīng)過漫長的金融發(fā)展，國際化監(jiān)管標(biāo)準(zhǔn)基本已經(jīng)形成，這就要求中國需要按照國際標(biāo)準(zhǔn)和準(zhǔn)則，完善信息披露、定時進行風(fēng)險評估，逐步加強國際監(jiān)管合作，成立綜合性監(jiān)管機構(gòu)，賦予較大的話語權(quán)，使得監(jiān)管能落實到實地，避免監(jiān)管真空。

（3）適時進行宏觀金融動態(tài)調(diào)控。各國政府應(yīng)及時識別引發(fā)市場不穩(wěn)定的各類因素，并根據(jù)危機演化進程，適時進行動態(tài)的干預(yù)性宏觀金融調(diào)控。一是運用貨幣政策手段調(diào)控市場行為。通過直接降低基準(zhǔn)利率和央行準(zhǔn)備金，或通過公開市場操作引導(dǎo)銀行間市場利率下行，釋放資金面寬松信號，形成牛市預(yù)期，抑制證券市場的持續(xù)下跌。二是參與市場交易，影響市場走勢。應(yīng)建立股市平準(zhǔn)基金，或運用國有股權(quán)資本，或引導(dǎo)證券基金公司在市場暴跌等突發(fā)事件情況下參與市場交易，直接調(diào)控市場供求關(guān)系，發(fā)揮穩(wěn)定市場的作用。三是綜合運用財政、貨幣和行政手段避免證券市場風(fēng)險向?qū)嶓w經(jīng)濟傳染。證券價格的持續(xù)縮水可能引發(fā)金融機構(gòu)和企業(yè)流動性風(fēng)險，對實體經(jīng)濟產(chǎn)生破壞性效應(yīng)。應(yīng)及時監(jiān)控證券市場與實體經(jīng)濟的風(fēng)險傳染機制，有針對性地運用各類措施，從而實現(xiàn)風(fēng)險隔離。

參考文獻：

〔1〕Goodhart. C.，Hofmann.B.Asset Prices，F(xiàn)inancial Conditions and the Transmission of Monetary Policy[C].Paper prepared for the Conference on Asset Prices，Exchange Rates and Monetary Policy，Stanford University，2001.

〔2〕陸 軍，梁靜瑜.中國金融狀況指數(shù)的構(gòu)建[J].世界經(jīng)濟，2007，（04）.

〔3〕Junichi Shinkai，Akira Kohsaka.Financial Linkages and Bussiness Cycle of Japan：An Analysis Using Financial Conditions Index[M].OSIPP Discussion Paper，2010.

〔4〕Stijn Claessens，M.Ayhan Kose，Marco E.Terrones.Financial Cycles：What？How？When？[M].CEPR Discussion Paper，2011.

〔5〕歐利娟，刁節(jié)文.我國金融形勢指數(shù)的構(gòu)建及實證分析——基于主成分分析與VAR模型[J].中國商貿(mào)，2014，（18）.

〔6〕Brunnermeier.M.，De Gregorio.Banks and Cross-broader Capital Flows：PolicyChallenges and Regulatory Responses[M].Committee on International EconomicPolicy and Reform，2012.

〔7〕Claudio Borio，Piti Disyatat，Mikael Juselius.Rethinking Potential Output：Embedding Information about the Financial Cycle[J].Oxford Economic Papers， 2017，（03）.

〔8〕Valentina Bruno，Hyun Song Shin.Cross-border Banking and Global Liquidity[J].The Review of Economic Studies，2015，（02）.

〔9〕顧 寧，余孟陽.全球金融周期對中國資產(chǎn)價格的動態(tài)沖擊效應(yīng)分析[J].統(tǒng)計與決策，2016，（06）.

〔10〕Kam.C.，Chan，Benton.E.Gup，Ming Shiun Pan. An Empirical Analysis of Stock?Prices in Major Asian Markets and the United States[J].Financial Review，1992，（02）.

〔11〕Kasa.K.Common Stochastic Trends in International Stock Market[J].Journal?of Monetary Economics，1992，（29）.

〔12〕Morana.C.，Beltratti.A.Structural Change and Long-range Dependence in Volatility of Exchange rates：either，neither or both[J].Journal of Empirical Finance，2006，（11）.

〔13〕俞世典，陳守東，黃立華.主要股票指數(shù)的聯(lián)動分析[J].統(tǒng)計研究，2001，（08）.

〔14〕Hatemi-J，Abdulnasser，Roca，Eduardo.A Re-examination of International Portfolio Diversification Based on Evidence from Leveraged Bootstrap Methods[J].Economic Modeling，2006，（06）.〔15〕Sener.T.Uncorrelated emerging equity markets[J].Journal of American Academy of Business，2008，（02）.

〔16〕Munteanu，F(xiàn)ilip，Pece.Stock Market Globalization：the Case of Emerging European Countries and the US[J].Procedia Economics and Finance，2014，（15）.

〔17〕駱振心.金融開放、股權(quán)分置改革與股票市場聯(lián)動——基于上證指數(shù)與世界主要股指關(guān)系的實證研究[J].當(dāng)代財經(jīng)，2008，（04）.

〔18〕符明愷.滬港通背景下中國內(nèi)地股市與香港股市聯(lián)動性研究[D].重慶工商大學(xué)，2015.

〔19〕陳雨露，馬 勇，阮卓陽.金融周期和金融波動如何影響經(jīng)濟增長與金融穩(wěn)定？[J].金融研究，2016，（02）.（責(zé)任編輯 王 娟）

Research on the Linkage Effect of Stock Market from?the Perspective of Financial Cycle

Yu Kaizhi Lu Xinhui

Abstract：The globalization of the world economy has become a trend.The linkagebetween the stock markets of developed economies and the stock markets of developed and emerging economies is also closer in the trend of economic globalization.The rapid integration of financial fields and financial markets in various countries has continuously formed a unified and standardized code of conduct for financial behavior，which has also made the global financial cyclical characteristics more and more obvious.This paper selects the stock market index of the United States，Britain，Germany，Japan and China as the research object.According tothe predecessors' division of the global financial cycle，the sample interval is divided into three stages：prosperity period，recession period and normal period.Then based on these three stages，the linkage effect of the index returns of the five countries in different financial periods is analyzed.Based on the empirical research conclusions，the US and European stock markets are relatively strong，and the linkage with Asian stock markets is relatively weak，and the linkage?between the US and China stock markets is the weakest，and the bottom-end correlation is basically not captured.Relevant empirical conclusions are conducive to?the investment portfolio management of international investors，and also help the risk aversion of stock markets in various countries.

Key words：financial cycle;stock market;linkage;DCC-MVGARCH model Copula model