基于MRS-SJC-Copula模型對A股與港股的動態(tài)聯(lián)動性研究

吳筱菲，朱淑珍，白正午

(東華大學 旭日工商管理學院，上海 200051)

0 引言

近幾年，我國資本市場國際化開放程度不斷加大，A股納入MSCI指數(shù)和富時指數(shù)，內(nèi)地和香港股票市場聯(lián)動性愈益趨強。我國推出基金互認、QFII、RQFII和QDII等制度，又相繼實行“滬港通”和“深港通”等交易機制，截止至2019年6月兩地雙向資金交易總額達約21萬億元。積極的國家政策推動我國內(nèi)地股票市場和香港股票市場的互聯(lián)互通進程，擴大兩地投資渠道以分散風險，增加我國資本市場的厚度寬度和國際影響力。伴隨著資本的快速流動和信息的高頻傳輸，一個市場的價格變動大小和波動幅度擴散到另外一個市場，具有動態(tài)性、滯后性、非對稱、長期記憶性等復雜特征，使得目前金融市場審慎監(jiān)管變得愈發(fā)困難。需結(jié)合國內(nèi)政策調(diào)控和國際金融環(huán)境，充分考慮經(jīng)濟發(fā)展的周期性高低速現(xiàn)象，探求內(nèi)地和香港股票市場的動態(tài)聯(lián)動性，以防范中國資本市場的系統(tǒng)性風險。

在股票市場間的聯(lián)動性研究方法上，由靜態(tài)模型逐漸轉(zhuǎn)變?yōu)閯討B(tài)模型。傳統(tǒng)度量股票市場聯(lián)動性或者相關(guān)性的研究方法多為：協(xié)整檢驗分析、VAR模型、多元GARCH模型、向量誤差修正模型VECM、脈沖響應和非線性Granger因果檢驗和SV模型等。Copula理論由Sklar最先提出[1]，但是受制于當時計算機發(fā)展水平并未的得到廣泛應用。Embrechts[2]將其引入到金融領(lǐng)域后得到突破性發(fā)展，主要是由于其對于金融市場尾部相依性的刻畫程度較高。學者們不斷地在原有理論模型的基礎(chǔ)上衍生出許多不同特征的模型如Clayton Copula[3]、Frank Copula[3]、Normal Copula[3]、t-Copula[2]等等。隨著經(jīng)濟的不斷發(fā)展，金融市場的相關(guān)性變化并非維持穩(wěn)定，而是隨著時間推移動態(tài)變化，因此Patton提出可以刻畫動態(tài)相依結(jié)構(gòu)變化的時變Copula函數(shù)[4]。國內(nèi)學者如吳鑫育[5]和江紅莉[6]等的實證結(jié)果都表明Copula模型適合于中國金融市場，并且時變Copula函數(shù)能更好地描述不同樣本間相依性的變化過程。

在股票市場間的聯(lián)動性研究對象上，西方學者從經(jīng)濟基礎(chǔ)和風險傳染假說兩個維度來研究多個國家經(jīng)濟體的聯(lián)動性[7～9]。經(jīng)濟基礎(chǔ)假說是多個國家或者經(jīng)濟體之間的實體經(jīng)濟聯(lián)系程度越高，其股票市場間的聯(lián)動性越強。自1997年亞洲金融危機之后，更注重于多個市場或者多個國家間的聯(lián)動性和風險傳染[10～12]。國內(nèi)學者從研究國內(nèi)與發(fā)達國家股票市場的聯(lián)動性，逐漸變?yōu)閲鴥?nèi)股票市場間的影響研究[13]。我國多層次資本市場起步時間較晚，國內(nèi)此類研究逐漸從“滬港通”及“深港通”開通后引發(fā)大量國內(nèi)外學者的興趣。國內(nèi)學者研究發(fā)現(xiàn)，股票市場間聯(lián)動性并不再是單一平穩(wěn)的呈現(xiàn)階段性，需要考慮重大事件前后影響。傳導渠道不局限于行業(yè)內(nèi)，而是多渠道發(fā)散式傳導，此外投資者情緒、投資者偏好產(chǎn)生的非對稱非理性等效應也是近幾年關(guān)注的熱點[14,15]。

綜上，本文從研究對象上，區(qū)別于僅從“滬港通”或者“深港通”開通后主觀截取的數(shù)據(jù)，選取三個市場間2010年初至2019年6月的股指數(shù)據(jù)，其時間段涵蓋金融危機后內(nèi)地與香港市場的新常態(tài)經(jīng)濟發(fā)展特征，較為全面地反映動態(tài)聯(lián)動性以及一般規(guī)律。從研究方法上，本文構(gòu)建動態(tài)MRS-SJC-Copula模型的參數(shù)估計可分析兩市聯(lián)動性結(jié)構(gòu)。區(qū)別于其他學者以經(jīng)濟重大事件為引導的主觀分段，本文采用修正的ICSS算法可以檢測金融時間序列自身的方差結(jié)構(gòu)突變，從而分析不同市場間相關(guān)性波動的階段性特征，進一步提升研究的客觀性和科學價值。根據(jù)金融時間序列的標準差結(jié)構(gòu)突變點，客觀地劃分動態(tài)上下尾的相關(guān)系數(shù)來研究我國內(nèi)地和香港股票市場間上漲和下跌以及金融重大事件對股票市場聯(lián)動性的影響。剖析結(jié)構(gòu)突變點的影響因素，對于我國資本市場國際化進程以及微觀監(jiān)管和審查機制的建設(shè)具有實際應用價值。

1 模型構(gòu)建

內(nèi)地股市和香港股市之間相關(guān)系數(shù)是最直觀反應兩個市場之間聯(lián)動性的指標，因此本文首先建立相關(guān)系數(shù)的動態(tài)模型。

1.1 時變SJC-Copula模型

根據(jù)Sklar提出的Copula理論，若對于任一時間序列u={u1,u2,…,un}存在聯(lián)合分布F，即序列u的邊緣分布為F1(u1),F2(u2),…,Fn(un)。此時對于u存在唯一Copula函數(shù)：

F(u1,u2,…,un)=C(F1(u1),F2(u2),…,Fn(un))

(1)

這里的C即為Copula函數(shù)，目前衍生出的Copula模型有Clayton Copula、Frank Copula、Gumbel Copula、t-Copula等等。而其中可以將序列的上升和下降過程分別進行描述的Copula模型為時變SJC-Copula，該模型是從Joe提出的Joe-Clayton Copula基礎(chǔ)上發(fā)展而來。這里的Joe-Clayton Copula的表達式為:

CJC(u,v|τU,τL)

=1-(1-{[1-(1-u)κ]-γ+

[1-(1-v)κ]-γ-1}-1/γ)1/κ

(2)

其中κ=1/log2(2-τU)，γ=-1/log2(τL)。這里的參數(shù)τU和τL分別被稱為上尾部相依性和下尾部相依性，它們分別代表了時間序列u和v在其中一個上升或下降時另一個也發(fā)生相同趨勢的概率。為了將τU和τL限制在(0,1]的范圍內(nèi)，還存在如下的限制條件:

(3)

(4)

但是由于在Joe-Clayton Copula中上下尾相依性的模型并不完全對稱，導致即使輸入序列u和v為兩列相同的序列時，也會出現(xiàn)上下尾部相依性并不完全相等的非對稱性問題。SJC-Copula就是在Joe-Clayton Copula針對這一問題進行了修正，其表達式如下：

CSJC(u,v|τU,τL)

=0.5·(CJC(u,v|τU,τL)+

CJC(1-u,1-v|τL,τU)+u+v-1)

(5)

然而此時SJC-Copula只能反應兩條序列之間的靜態(tài)相依性，而以Hansen的“條件自回歸密度”為基礎(chǔ)的時變SJC-Copula模型則可以反映出兩條序列之間的相依性隨時間變化的過程。在時變SJC-Copula中上下尾部相依性τU和τL的表達式如下：

(6)

其中，Λ(x)=(1+e-x)-1為logistic函數(shù)用于保證兩個表示尾部相依性參數(shù)的τU和τL始終在(0，1)范圍內(nèi)。

1.2 動態(tài)MRS-SJC-Copula

由于在時變SJC-Copula有一條非常重要的假設(shè)，即(6)中的系數(shù)均不隨時間發(fā)生變化。這顯然導致其無法很好地應對現(xiàn)實中復雜多變的金融市場，而將馬爾可夫鏈的思想引入其中，則可以解決這一問題。引入馬爾可夫過程之后的動態(tài)MRS-SJC-Copula的上下尾部相依性如下:

(7)

可以看到，τU和τL表達式中的截距項遵從一階的馬爾可夫鏈轉(zhuǎn)換，這里的St代表M種可能存在的狀態(tài)變量，則此時P是一個M×M的轉(zhuǎn)移矩陣，如下所示：

(8)

本文選擇將St分為兩種狀態(tài)變量(高相關(guān)性和低相關(guān)性)，此時假設(shè)St={0,1}，則P服從一個2×2的概率轉(zhuǎn)換矩陣。上下尾部相關(guān)性分別為：

(9)

此時對于該相關(guān)性進行擬合優(yōu)度檢驗時，其極大似然函數(shù)為：

(10)

1.3 修正ICSS方差結(jié)構(gòu)突變點檢驗模型

選擇用修正后的ICSS來探究股票市場間相關(guān)性系數(shù)τ的方差變化特征，并分析其內(nèi)在的波動率變化規(guī)律。ICSS算法是以方差的變化來搜尋突變點的存在，即當序列的方差發(fā)生顯著的變化時則可以認為此時出現(xiàn)了結(jié)構(gòu)突變點。判斷依據(jù)主要是其中的統(tǒng)計量Dk，該統(tǒng)計量是以Brown提出的CUSUM算法中的統(tǒng)計量Ck為主要基礎(chǔ)。具體如下:

(11)

(12)

但是此時的ICSS算法存在一個比較大的缺陷就是其要求殘差ak必須服從正態(tài)獨立同分布，但這與實際并不符合，因為股票市場通常會表現(xiàn)出尖峰厚尾的特性。為了解決這一問題則必須對原算法做出修正，因此這里將條件放寬至{τt}獨立同分布，即τt～iid(0,σ2)。此時則有:

(13)

(14)

(15)

2)當ψ≥4且ε>0時存在suptE(|εt|ψ+ε)<∞；

在此基礎(chǔ)上建立了新的統(tǒng)計量：

(16)

(17)

(18)

2 實證分析

2.1 樣本來源及統(tǒng)計特征

選取上證綜指、深證成指、恒生指數(shù)對中國內(nèi)地股票市場與香港股票市場的聯(lián)動性進行實證研究，樣本時間段為2010年1月4日至2019年6月28日的日收盤價。本文為了凸顯近年內(nèi)地與香港股票市場的動態(tài)聯(lián)動性，選取股權(quán)分置改革和金融危機以后近十年的數(shù)據(jù)，其中包含：“滬港通”、“深港通”開通、中美貿(mào)易戰(zhàn)等重大政策或全球金融環(huán)境變動因素?？紤]到兩地的交易日不一致，剔除不同交易日的數(shù)據(jù)，選取兩市共同交易日的樣本總有2239組數(shù)據(jù)進行實證研究，數(shù)據(jù)源于Wind數(shù)據(jù)庫。收益率計算公式為:

(19)

其中，Rt代表第t期對數(shù)收益率，Pt表示指數(shù)在第t期收盤價，Pt-1表示期t-1收盤價。主要使用的軟件為Matlab R2018a、GAUSS 9.0、R 3.5.1。

2.2 描述性統(tǒng)計

首先對上證綜指、深證成指、恒生指數(shù)日收益率進行描述性統(tǒng)計，詳見表1。

表1 描述性統(tǒng)計

由表1可知，2010至2019年的上證綜指、深證成指、恒生指數(shù)的偏態(tài)、峰度和JB統(tǒng)計量均在1%的置信水平下拒絕了正態(tài)分布，其偏度均為負數(shù)，表現(xiàn)出左偏特征。通過對樣本進行ADF檢驗(不包含常數(shù)項和趨勢項)判別金融時間序列的平穩(wěn)性，其在1%的置信水平下不存在單位根為平穩(wěn)的收益率序列，其峰度均超過3，存在明顯的尖峰厚尾特征。

2.3 邊緣分布模型參數(shù)估計和檢驗

由于上證綜指、深證成指、恒生指數(shù)的收益率序列均存在尖峰厚尾、波動聚集、非對稱性等現(xiàn)象，因此本文選擇GJR(1,1)-SkT(υ,λ)作為邊緣分布模型來刻畫分布特征，構(gòu)建各序列邊緣分布函數(shù)：

Ri,t=c0+ei,t,i=1,2

(20)

ei,t=hi,tεi,t,εi,t～SkT(υ,λ)

(21)

(22)

采用BIC準則確定序列階數(shù)，經(jīng)過測算最終對三個序列的均值方程選擇AR(0)，方差方程為GJR(1,1)-SkT(υ,λ)。表2中給出三個指數(shù)收益率的邊緣分布參數(shù)估計結(jié)果。

表2 各指數(shù)收益率邊緣分布參數(shù)估計結(jié)果

從表2中可以看到，恒生指數(shù)的收益率序列分布的自由度υ更大，說明其分布具有更厚的尾部容易出現(xiàn)極端值。λ表示時間序列的非對稱性參數(shù)，可以得出三個股票市場均具有非對稱性效應且恒生指數(shù)的程度比較強烈。根據(jù)邊緣分布的殘差序列進行概率積分變換之后，對其進行K-S檢驗得到統(tǒng)計量值及對應概率值。三個序列的K-S統(tǒng)計量為0.025、0.015和0.017及其概率值為0.1320、0.6732和0.5，說明轉(zhuǎn)換后的序列接受原假設(shè)即服從(0,1)均勻分布，且互為獨立序列。GJR-SkT模型能夠度量和擬合三個時間序列的條件邊緣分布。

2.4 模型估計和結(jié)果分析

通過觀察LL、優(yōu)值來分析模型的擬合優(yōu)度，得出動態(tài)SJC-Copula比靜態(tài)擬合效果好，基于馬爾可夫轉(zhuǎn)換的動態(tài)SJC-Copula的值最為小，所以選擇動態(tài)MRS-SJC-Copula模型來對各指數(shù)收益率序列的相關(guān)性進行非對稱性研究。圖1和圖2為深證成指和恒生指數(shù)及上證綜指和恒生指數(shù)的動態(tài)相依性圖。

圖1 動態(tài)MRS-SJC Copula的深證成指與恒生指數(shù)上下尾部相關(guān)系數(shù)圖

圖2 動態(tài)MRS-SJC Copula的上證綜指與恒生指數(shù)上下尾部相關(guān)系數(shù)圖

表3中，靜態(tài)SJC-Copula中的τU和τL參數(shù)表示靜態(tài)上下尾部聯(lián)動性，與動態(tài)尾部的均值對比，靜態(tài)模型低估了上下尾部聯(lián)動性的風險。深證成指與恒生指數(shù)的動態(tài)馬爾可夫上下尾部均值為0.2703和0.3230，標準差為0.0648和0.0348。上證綜指與恒生指數(shù)的動態(tài)馬爾可夫上下尾部均值0.3076和0.3874，標準差為0.0260和0.0265。綜合比較上下尾部的特征值得出，在波動幅度方面，深港股指震蕩幅度較為強烈；在相關(guān)大小方面，滬港的關(guān)聯(lián)性更緊密。

具體地，分析深證成指和恒生指數(shù)的動態(tài)馬爾可夫參數(shù)，通過截距項分析上下尾部的高低狀態(tài)，其中上尾部的相依性為2.67和1.11，而下尾部的相依性為-2.05和-2.16，可以得出上下尾部對應的S0為高相依性狀態(tài)，S1為低相依性狀態(tài)。外生變量參數(shù)αU和αL在5%的置信水平上顯著為正，表明深港股指間的上下尾部相依性與收益率差的絕對值存在正向關(guān)系，上一期收益差的絕對值越大，即深港股指之間的聯(lián)動性越強。表3中βU在1%的置信水平上顯著為負，表明深證成指與恒生指數(shù)之間的上尾部相關(guān)系數(shù)具有持續(xù)性。根據(jù)時變參數(shù)中滯后項系數(shù)β的大小可知，深證成指和恒生指數(shù)收益率之間的聯(lián)動性依賴于過去的收益率波動并且存在負面影響。隨著兩個序列股票的收益率上升，下尾相關(guān)系數(shù)的下降幅度要顯著大于上尾相關(guān)系數(shù)，從而導致上尾的波動幅度相對于下尾更大，其結(jié)果和表4動態(tài)模型上下尾的標準差結(jié)果一致。分析上證綜指和恒生指數(shù)的動態(tài)馬爾可夫參數(shù)，從截距項分析上下尾部的高低狀態(tài)，其中上尾部的相依性為-1.59和-1.41，而下尾部的相依性為1.15和2.65，可以得出上下尾部對應的S1為高相依性狀態(tài)，S0為低相依性狀態(tài)，與深港相反。上尾部αU在1%的置信水平上顯著為負，表明滬港股指間的上尾部相依性與收益率差的絕對值存在反向關(guān)系，上一期收益差的絕對值越大，即滬港股指之間的聯(lián)動性越弱。上尾部的β為2.93，上一期的相關(guān)參數(shù)對于本期的相關(guān)參數(shù)的值具有正面影響，滬港收益率之間的聯(lián)動性依賴于過去的收益率波動并且存在正面影響。

表3 動態(tài)MRS-SJC-Copula參數(shù)估計結(jié)果

圖3 動態(tài)MRS-SJC Copula的深證成指與恒生指數(shù)平滑概率轉(zhuǎn)換圖

圖4 動態(tài)MRS-SJC Copula的上證綜指與恒生指數(shù)平滑概率轉(zhuǎn)換圖

圖5 深證成指與恒生指數(shù)的上下尾部相關(guān)系數(shù)結(jié)構(gòu)突變分段

圖6 上證綜指與恒生指數(shù)的上下尾部相關(guān)系數(shù)結(jié)構(gòu)突變分段

表3中深港與滬港之間的p和q均在1%的顯著性水平下達到0.99，說明內(nèi)地和香港股票市場的相依性在這兩種狀態(tài)上均保持較明顯的慣性。在深港的相依性中，S0為高相關(guān)性狀態(tài)，對應的時間段為2012年12月至2013年2月、2014年8月、2016年12及2018年5月至2019年6月。其中值得注意的是，2014年的8月“深港通”獲得證監(jiān)會批準，2016年12月“深港通”正式啟動，在此日期階段都出現(xiàn)了短期的高低狀態(tài)轉(zhuǎn)換。在滬港的相依性中，S1為高相關(guān)性狀態(tài)，對應的時間段為2013～2014年下旬以及2018年6月至2019年6月。

3 股票市場間結(jié)構(gòu)突變檢驗

為進一步探究各股市的動態(tài)聯(lián)動性結(jié)構(gòu)，綜合考慮相關(guān)性系數(shù)變化的規(guī)律，運用狀態(tài)轉(zhuǎn)換概率作為權(quán)重，將不同狀態(tài)下的相依性合成。具體如下:

(23)

表4中，內(nèi)地與香港股票市場間上尾部結(jié)構(gòu)突變點的位置是2014年9月5日、2018年5月28日及2018年6月20日。主要影響的因素：“滬港通”機制的開通、“深港通”“滬港通”的限額擴大和A股納入MSCI指數(shù)。2014年4月證監(jiān)會批復“滬港通”互聯(lián)互通機制，籌備周期為6個月，2014年11月17日正式啟動。其進一步促進內(nèi)地市場與香港市場之間雙向資金流通以及擴大投資渠道，對于穩(wěn)定人民幣匯率，完善資本市場機制起到了重大作用。2018年免稅政策延續(xù)并上調(diào)每日額度，擴大了內(nèi)地資本市場的雙向開放，更好地滿足了內(nèi)地與香港投資者的投資需求?！吧罟赏ā奔啊皽赏ā泵咳障拗祁~度翻4倍上調(diào)至520億元人民幣，兩地資本市場資金進一步互聯(lián)互通，加大開放力度。兩地的股票市場上下尾部相關(guān)系數(shù)和標準差不斷上升，深港標準差變化量為0.1079，滬港標準差變化量為0.0024，即聯(lián)動性上升的同時兩地市場變得更加活躍。與“滬港通”的大型藍籌股相比，“深港通”有中小股板塊和成長性的企業(yè)，其對于內(nèi)地和香港股市之間的信息流通、市場活躍度都起到了互補作用。2018年5月底，A股被納入了2.5%比例的MSCI新興市場指數(shù)，于8月底上調(diào)比例至5%，9月A股又被納入富時指數(shù)，滬港標準差變化量為0.0011。“滬港通”和“深港通”作為A股市場和國際金融市場的一座橋梁，形成一種融合的轉(zhuǎn)換機制，對A股進一步納入國際指數(shù)和國際化進程添磚加瓦。表4中，內(nèi)地與香港股票市場間下尾部結(jié)構(gòu)突變點的位置是2018年5月15日、2018年6月20日及2018年9月5日。主要影響的因素：持續(xù)幾輪反復的中美貿(mào)易戰(zhàn)、美聯(lián)儲持續(xù)加息，2018年美國股指跌幅創(chuàng)10年之最導致的全球股市暴跌。2018年3月初，特朗普宣布對從中國進口的600億美元商品大規(guī)模加征關(guān)稅，3月12日上證綜指從3326點開始下跌， 1個月累計下跌近260點，跌幅7.8%，4月份的中興事件導致貿(mào)易戰(zhàn)繼續(xù)發(fā)酵。直至2018年5月17日，劉鶴在華盛頓與美方達成中美貿(mào)易磋商聯(lián)合聲明，停止互相加征關(guān)稅。A股市場下跌才剛有所緩和，6月16日美國宣布新一輪征稅清單導致A股于6月19日下跌2%，人民幣匯率也出現(xiàn)急速貶值。同時，中國金融市場信用風險全面爆發(fā)，投資者情緒激昂，此階段深港標準差變化量為0.01568、滬港標準差變化量轉(zhuǎn)為-0.0025。2018年9月27日，美聯(lián)儲FOMC宣布加息25個基點，聯(lián)邦基金目標利率區(qū)間上調(diào)至2%～2.25%。2018年受美國道瓊斯工業(yè)平均指數(shù)的大幅下跌，日本、香港、臺灣等多個股票市場均受影響呈現(xiàn)震蕩下跌。隨后美聯(lián)儲換屆和持續(xù)加息及中美貿(mào)易戰(zhàn)等因素使得A股和香港股市均大幅受挫，下尾部的相關(guān)系數(shù)增大，此階段滬港的標準差變化量為-0.0076?？傮w而言，內(nèi)地和香港股票市場間的聯(lián)動性不斷增強，由于“滬港通”、“深港通”、中美貿(mào)易戰(zhàn)等因素使得上下尾的相關(guān)系數(shù)發(fā)生結(jié)構(gòu)突變。探究基于馬爾可夫高低狀態(tài)轉(zhuǎn)換的動態(tài)上下尾部聯(lián)動性，一方面可以反映其聯(lián)動性的變化規(guī)律，有助于投資者優(yōu)化資產(chǎn)配置分散化投資以降低風險；另一方面通過分析經(jīng)濟事件對兩個市場間動態(tài)聯(lián)動性的影響，防范中國金融市場的系統(tǒng)性風險，抵御外來不良沖擊對中國金融市場穩(wěn)定發(fā)展的負面影響。

表4 修正的ICSS算法檢驗上下尾部結(jié)構(gòu)突變點位置

4 結(jié)論

本文選取上證綜指、深證成指和恒生指數(shù)來研究A股與港股市場之間的動態(tài)聯(lián)動性，針對三個金融時間序列的非正態(tài)特征，構(gòu)建時變MRS-SJC-Copula來刻畫股票市場間非對稱的上下尾部相關(guān)系數(shù)，其邊緣分布是通過概率積分轉(zhuǎn)換而得。運用修正的ICSS算法找出序列存在的結(jié)構(gòu)突變點，同時結(jié)合上下尾部的相關(guān)系數(shù)大小及標準差，來探討重大經(jīng)濟事件對兩市間動態(tài)聯(lián)動性的影響，得到以下結(jié)論：第一，無論靜態(tài)還是動態(tài)MRS-SJC-Copula模型均表明A股與港股之間的下跌相關(guān)系數(shù)大于上漲，即在斷崖式下跌過程中羊群效應的沖擊顯著大于利好消息的影響。靜態(tài)的模型無法刻畫動態(tài)聯(lián)動性內(nèi)部結(jié)構(gòu)，通過對比持續(xù)性影響參數(shù)β發(fā)現(xiàn)，兩市上下尾的收益率皆依賴于上一期的信息，具有波動持續(xù)性。第二，內(nèi)地與香港股票市場的動態(tài)聯(lián)動性存在高低不同的狀態(tài)轉(zhuǎn)換，上下尾部均存在多個結(jié)構(gòu)突變點，且隨著“滬港通”和“深港通”以及國內(nèi)資本市場的不斷深化開放，A股與港股的總體聯(lián)動性呈現(xiàn)大幅提高的態(tài)勢。最后，國際大環(huán)境和國內(nèi)金融政策均引發(fā)A股和港股的動態(tài)聯(lián)動性結(jié)構(gòu)突變，其中宏觀環(huán)境因素例如：中美貿(mào)易戰(zhàn)，美聯(lián)儲加息等；國內(nèi)政策調(diào)控如：“滬港通”、“深港通”、基金互認等，需及時把握結(jié)構(gòu)突變點，優(yōu)化投資組合調(diào)整資產(chǎn)配置從而降低投資風險，避免金融市場間的交叉?zhèn)魅尽?/p>