基于DCC-GARCH模型的中日韓股票市場動(dòng)態(tài)相關(guān)性研究
——以中日韓自貿(mào)區(qū)談判為視角

張 銘

(湖南科技大學(xué) 商學(xué)院，湖南 湘潭，411100)

在經(jīng)濟(jì)全球化的背景下，各國經(jīng)濟(jì)聯(lián)系日漸緊密，區(qū)域經(jīng)濟(jì)一體化趨勢(shì)明顯，例如1992年東盟簽署自貿(mào)區(qū)協(xié)議、1994年東南非共同市場和北美自貿(mào)區(qū)成立等。據(jù)世界銀行統(tǒng)計(jì)，除去12個(gè)島國和公國未參與區(qū)域貿(mào)易協(xié)定，目前區(qū)域經(jīng)濟(jì)一體化已經(jīng)覆蓋了大多數(shù)國家，而中日韓作為推動(dòng)亞洲經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)力，中日韓自貿(mào)區(qū)協(xié)議的達(dá)成對(duì)亞洲經(jīng)濟(jì)的發(fā)展具有巨大的推動(dòng)作用，且三國經(jīng)濟(jì)聯(lián)系將會(huì)進(jìn)一步加深。股市與經(jīng)濟(jì)有著很好的協(xié)同關(guān)系，并將會(huì)先于經(jīng)濟(jì)發(fā)生變化[1]，最終經(jīng)濟(jì)聯(lián)系的進(jìn)一步加深也將會(huì)使得三國股市之間的相關(guān)性上升。

一、文獻(xiàn)綜述

目前國內(nèi)外學(xué)者深入研究了股市之間的聯(lián)動(dòng)，大致可以分為四類。(1)從經(jīng)濟(jì)體量考察股市之間的相關(guān)性。Michael[2]研究了中東北非地區(qū)的股票市場與美股的相關(guān)性及他們之間的相關(guān)性，發(fā)現(xiàn)中東北非股市與美股具有高度關(guān)聯(lián)，而中東北非股市之間的關(guān)聯(lián)度卻不高。(2)從股市成熟度考察股市之間的相關(guān)性。談?dòng)沦t和郭頌[3]通過時(shí)變T-Copula模型、秩相關(guān)與尾相關(guān)來研究國內(nèi)間與國際間股市相關(guān)性，結(jié)果顯示，成熟的股票市場與其他國家的相關(guān)性要高于中國股市與其他股票市場的相關(guān)性。(3)從地區(qū)角度考察股市的相關(guān)性。王皓[4]通過DCC-GARCH模型考察了日本股市與中、韓、英、美以及中國香港股市的動(dòng)態(tài)相關(guān)性，結(jié)果顯示日本與這些股市之間的相關(guān)性逐漸上升，其中日本與亞洲地區(qū)的國家或地區(qū)的股市相關(guān)性要比亞洲外股市的相關(guān)性更高。(4)從市場形勢(shì)角度考察股市之間相關(guān)性。林宇等[5]通過ASV模型和混合Copula對(duì)不同市場形勢(shì)下東亞股市的聯(lián)動(dòng)性進(jìn)行研究，發(fā)現(xiàn)各國的股市聯(lián)動(dòng)性變化多發(fā)生于熊市，牛市反而變化小。

以上文獻(xiàn)主要從經(jīng)濟(jì)體量、市場形勢(shì)、股市成熟度以及地區(qū)四個(gè)角度去考察股市之間的動(dòng)態(tài)相關(guān)性，卻沒有從經(jīng)濟(jì)事件的角度來考察經(jīng)濟(jì)事件的發(fā)展對(duì)股市之間相關(guān)性的影響，同時(shí)國內(nèi)外大多用EGARCH、IGARCH、GJR-GARCH模型對(duì)波動(dòng)性進(jìn)行擬合，鮮有運(yùn)用beta-skew-t-EGARCH模型對(duì)波動(dòng)率進(jìn)行擬合。本文以中日韓自貿(mào)區(qū)談判為視角，運(yùn)用beta-skew-t-EGARCH模型對(duì)1996年12月6日至2020年3月5日中的不同階段的股市波動(dòng)率進(jìn)行分析，再用DCC-GARCH模型進(jìn)一步研究中日韓股市間相關(guān)性的動(dòng)態(tài)變化。

二、理論基礎(chǔ)

(一)經(jīng)濟(jì)基礎(chǔ)理論

經(jīng)濟(jì)基礎(chǔ)理論認(rèn)為，由于國家的經(jīng)濟(jì)狀況會(huì)反映在股市上，國家間的經(jīng)濟(jì)聯(lián)系最終會(huì)使國家間的股票市場產(chǎn)生關(guān)聯(lián)。在經(jīng)濟(jì)全球化背景下，各國的經(jīng)濟(jì)活動(dòng)日益緊密，推動(dòng)著貿(mào)易進(jìn)一步自由化、生產(chǎn)要素以及資本跨國流動(dòng)，同時(shí)也使得各國股市之間的相關(guān)性進(jìn)一步加強(qiáng)。當(dāng)一國的宏觀經(jīng)濟(jì)運(yùn)行向好時(shí)，國內(nèi)企業(yè)盈利能力會(huì)隨之提升并推動(dòng)公司價(jià)值提升；若企業(yè)已經(jīng)上市，公司價(jià)值的提升會(huì)反映在股價(jià)上。同時(shí)一國的經(jīng)濟(jì)向好時(shí)，與之經(jīng)濟(jì)聯(lián)系緊密的國家也會(huì)受該國的宏觀經(jīng)濟(jì)影響，使其股市出現(xiàn)類似的繁榮，反之同理。李紅權(quán)和何敏園[6]的研究結(jié)果顯示我國股市包含了其他國家經(jīng)濟(jì)運(yùn)行情況的信息；西村友作和孫便霞[7]認(rèn)為中日股市聯(lián)動(dòng)是由于日本投資者在中日經(jīng)濟(jì)聯(lián)系不斷深化下對(duì)中國股市的投資所引起的；費(fèi)兆奇[8]通過INF-KF-GARCH模型研究股票市場波動(dòng)的相互傳遞，結(jié)果發(fā)現(xiàn)實(shí)體經(jīng)濟(jì)的貿(mào)易關(guān)聯(lián)性對(duì)股票市場的一體化具有正面的影響，一體化水平的變化和股市收益率的波動(dòng)能夠解釋國際股市間的傳染現(xiàn)象。因此，根據(jù)經(jīng)濟(jì)基礎(chǔ)理論，近年來中國與日韓的經(jīng)濟(jì)基本面的聯(lián)系日益緊密，隨著自貿(mào)區(qū)協(xié)議的簽訂，三國間的經(jīng)濟(jì)聯(lián)系會(huì)得到進(jìn)一步提高，而這種聯(lián)系也會(huì)反饋到股票市場上。

(二)市場傳染理論

市場傳染理論認(rèn)為，若兩國經(jīng)濟(jì)存在聯(lián)系，當(dāng)沖擊產(chǎn)生時(shí)會(huì)對(duì)兩國的經(jīng)濟(jì)產(chǎn)生共同的影響，而投資者在進(jìn)行投資時(shí)會(huì)有心理預(yù)期，一國經(jīng)濟(jì)出現(xiàn)變動(dòng)會(huì)使得心理預(yù)期產(chǎn)生變動(dòng)，促使投資者賣出或買入股票并推動(dòng)股票價(jià)格下跌或上漲。該理論假設(shè)投資者并非完全理性，在信息不對(duì)稱的情況下，投資者選擇相信眼前的消息，而不是判斷信息的真實(shí)性，因此當(dāng)投資者尋找其他市場投資時(shí)，便會(huì)把先前的市場投資行為代入到另一個(gè)市場中。同時(shí)，在股市中存在羊群效應(yīng)，當(dāng)有負(fù)面消息出現(xiàn)時(shí)，局部投資者的恐慌會(huì)進(jìn)一步蔓延到整個(gè)市場，使得股票整體呈現(xiàn)下跌趨勢(shì)，反之，會(huì)整體上漲。

國內(nèi)外的文獻(xiàn)也證實(shí)了投資者的行為會(huì)對(duì)股票市場產(chǎn)生影響進(jìn)而傳染給其他市場。鄔松濤[14]等通過構(gòu)建一個(gè)仿真股票市場，研究了自信心與風(fēng)險(xiǎn)厭惡對(duì)股票市場的影響，結(jié)果發(fā)現(xiàn)由于無法獲取股票內(nèi)在價(jià)值的信息，自信心與風(fēng)險(xiǎn)厭惡這兩種情緒在市場中進(jìn)行傳染進(jìn)而引發(fā)羊群效應(yīng)，股價(jià)波動(dòng)擴(kuò)大，同時(shí)內(nèi)外的羊群相互作用使得風(fēng)險(xiǎn)得以傳播；張一[9]等以美股和港股為研究對(duì)象，構(gòu)建具有時(shí)變權(quán)重系數(shù)的向量誤差修正模型，結(jié)果表明當(dāng)金融危機(jī)發(fā)生時(shí)，風(fēng)險(xiǎn)傳染是存在的，它通過國際交易者的行為對(duì)股票市場價(jià)格產(chǎn)生影響，從而使風(fēng)險(xiǎn)得以傳播。信息網(wǎng)絡(luò)技術(shù)加快了信息在世界范圍內(nèi)的傳播速度，豐富了股市信息的傳遞渠道，投資者可以迅速了解到不同國家的消息，并根據(jù)所得到的信息做出相應(yīng)決策。因此根據(jù)市場傳染假說，中日韓股市之間存在著相關(guān)性。

三、模型介紹

(一)beta-skew-t-EGARCH模型

Bollerlsev在ARCH模型的基礎(chǔ)上，通過修正該模型存在的一些問題進(jìn)而提出GARCH模型。GARCH模型在誤差項(xiàng)的方差方面進(jìn)行了更進(jìn)一步的建模，因此國內(nèi)外學(xué)者將該模型廣泛應(yīng)用于波動(dòng)性的分析及預(yù)測。但GARCH模型也存在未能考慮正負(fù)消息所引起的波動(dòng)率不對(duì)稱等缺陷，因此之后學(xué)者們又在GARCH模型的基礎(chǔ)上對(duì)其進(jìn)行改進(jìn)，并提出了許多GARCH的拓展模型，如EGARCH模型、TGARCH模型、IGARCH模型等。

beta-skew-t-EGARCH模型也屬于GARCH模型中的一種，最早是由Harvey和Sucarrat[10]提出的，它通過對(duì)EGARCH模型進(jìn)一步拓展，使其條件分布是肥尾和有偏的，并以無條件距(unconditional moments)、自相關(guān)以及最大似然估計(jì)的非對(duì)稱分布為特征。與傳統(tǒng)的GARCH、IGARCH、GARCH-M相比，該模型能夠集中考慮金融資產(chǎn)的波動(dòng)聚集效應(yīng)、杠桿效應(yīng)、尖峰肥尾有偏性等特性。因此，本文采用beta-skew-t-EGARCH模型對(duì)股票市場收益率進(jìn)行實(shí)證檢驗(yàn)。

beta-skew-t-EGARCH模型有單機(jī)制(the one-component specification)和雙機(jī)制(the two-component specification)兩種形式，本文采用單機(jī)制的形式，公式如下[11]：

(1)

其中，yt是金融資產(chǎn)的收益率；λt|t-1的是對(duì)數(shù)刻度(the logarithm of the scale)，通過前期的條件數(shù)值的線性組合得到；εt為條件誤差，服從均值為0、方差為σε2、自由度為ν、偏度為γ的偏t分布，其中當(dāng)γ=1時(shí)，偏t分布εt轉(zhuǎn)化為普通t分布，當(dāng)γ<1時(shí)，εt為左偏的t分布，當(dāng)γ>1時(shí),εt為右偏的t分布；ω是長期波動(dòng)的常數(shù)項(xiàng)；φ是GARCH項(xiàng)參數(shù)，|φ|越大表明說明波動(dòng)集聚性越強(qiáng)；κ1是ARCH項(xiàng)參數(shù)，|κ1|越大表明波動(dòng)對(duì)沖擊的反應(yīng)越大；κ*是杠桿參數(shù),κ*>0表示負(fù)面消息對(duì)波動(dòng)率的影響更大；ut是關(guān)于λt|t-1的對(duì)數(shù)似然的條件數(shù)值或一階導(dǎo)數(shù)。

(二)DCC-GARCH模型

由于CCC-GARCH模型所得到的相關(guān)性是一個(gè)常數(shù)，不能反映市場中相關(guān)性的動(dòng)態(tài)變化，因此Engle在該模型的基礎(chǔ)上對(duì)其進(jìn)行改進(jìn)，得到了能夠衡量動(dòng)態(tài)相關(guān)性的DCC-GARCH模型。目前，DCC-GARCH模型多應(yīng)用在金融市場中，通過衡量金融市場間的動(dòng)態(tài)相關(guān)性來把握金融市場間的聯(lián)動(dòng)性。模型如公式2所示：

(2)

四、實(shí)證分析

(一)描述性統(tǒng)計(jì)

當(dāng)前中國股市收益率的波動(dòng)有著10%的限制，而這種限制是從1996年12月6日開始實(shí)行的，為了保證一定時(shí)間范圍內(nèi)中國股市波動(dòng)幅度范圍一致，選取從1996年12月6日到2020年3月5日的上證指數(shù)(SZ)、日經(jīng)225指數(shù)(RJ)和韓國KOSPI指數(shù)(HG)進(jìn)行分析。數(shù)據(jù)均源于東方財(cái)富網(wǎng)Choice金融終端。每個(gè)國家股市都會(huì)有節(jié)假日、特殊事件等，使得在一定時(shí)間段內(nèi)不同國家的股市指數(shù)收盤價(jià)的數(shù)據(jù)量不一致，考慮到這個(gè)因素，本文去除三個(gè)國家不一致的數(shù)據(jù)。

為了考察隨著中日韓自貿(mào)區(qū)談判的推進(jìn)對(duì)三國股市相關(guān)性的影響，將時(shí)間段分為三個(gè)階段，劃分的依據(jù)為2002年11月4日中日韓自貿(mào)區(qū)構(gòu)想的首次提出、2013年3月26日至28日開展的中日韓自貿(mào)區(qū)第一次談判。因此1996年12月6日至2002年11月3日為第一階段，共有1 303個(gè)數(shù)據(jù)；2002年1月10日至2013年3月25日為第二階段，共有2 340個(gè)數(shù)據(jù)；2013年3月26日到2020年3月5日為第三階段，共有1 541個(gè)數(shù)據(jù)。

上證指數(shù)、日經(jīng)225指數(shù)和韓國KOSPI指數(shù)分別為中日韓三國具有代表性的股票指數(shù)，能夠很好地反映股市的運(yùn)行情況，因此將上證指數(shù)、日經(jīng)225指數(shù)和韓國KOSPI指數(shù)的收盤價(jià)作為研究對(duì)象，

首先將三個(gè)指數(shù)的收盤價(jià)轉(zhuǎn)化為對(duì)數(shù)收益率并用百分比表示，公式如下：

yt=100*(ln(pt)-ln(pt-1))

(3)

其中，yt為對(duì)數(shù)收益率，pt為t日的指數(shù)收盤價(jià)，pt-1為t-1日的指數(shù)收盤價(jià)。

如圖1所示，韓國KOSPI指數(shù)收益率在第一階段中相較于上證指數(shù)收益率和日經(jīng)225指數(shù)收益率的波動(dòng)較大，其次上證指數(shù)收益率的波動(dòng)比日經(jīng)225指數(shù)要大，而在第二階段中三個(gè)指數(shù)均經(jīng)歷了較大幅度的波動(dòng)，但相較于上證指數(shù)，日經(jīng)225指數(shù)和韓國KOSPI指數(shù)的波動(dòng)都較小，在第三階段中，韓國KOSPI指數(shù)波動(dòng)最小，其次是日經(jīng)225指數(shù)，最后才是上證指數(shù)，就整體而言，上證指數(shù)的波動(dòng)在整個(gè)時(shí)間段都比較大。

圖1 中日韓股市對(duì)數(shù)收益率Fig.1 China, Japan and South Korea stock market log yield

如表1所示，在第一階段中，上證指數(shù)收益率均值要大于日經(jīng)225指數(shù)和韓國KOSPI指數(shù)收益率的均值，而在第二階段和第三階段卻相反，日經(jīng)225指數(shù)和韓國KOSPI指數(shù)收益率均值要大于上證指數(shù)收益率均值。在收益率偏度方面，在第一階段中，日經(jīng)225指數(shù)收益率的偏度大于0，而上證指數(shù)和韓國KOSPI指數(shù)收益率偏度小于0，說明日經(jīng)225指數(shù)收益率為右偏，而中韓股市收益率為左偏；在第二階段和第三階段中，中日韓股市收益率的偏度都小于0，說明在這兩個(gè)階段中三個(gè)指數(shù)收益率都為左偏。在Jarque-Bera檢驗(yàn)中P值都為0，并通過觀察Q-Q圖(見圖2)可以看出三個(gè)階段的中日韓股市收益率的上尾和下尾均偏離正態(tài)分布，說明每個(gè)階段的中日韓股市的收益率均不服從正態(tài)分布。在ADF檢驗(yàn)中，三個(gè)階段的中日韓股市的收益率同樣拒絕了序列不平穩(wěn)的原假設(shè)，說明三個(gè)階段的中日韓股市的收益率為平穩(wěn)序列。在ARCH-LM檢驗(yàn)中，三個(gè)階段的中日韓股市的收益率也均拒絕了不存在ARCH效應(yīng)的原假設(shè)，說明三個(gè)階段的中日韓股市的收益率存在著ARCH效應(yīng)。而在Ljung-Box檢驗(yàn)中，第一階段的上證指數(shù)收益率無法拒絕原假設(shè)，而日經(jīng)225指數(shù)和韓國KOSPI指數(shù)收益率均拒絕了原假設(shè)，說明了上證指數(shù)收益率不存在序列相關(guān)，日經(jīng)225指數(shù)和韓國KOSPI指數(shù)收益率存在著序列相關(guān)，而第二階段和第三階段上證指數(shù)和日經(jīng)225指數(shù)收益率存在著序列相關(guān)，韓國KOSPI指數(shù)收益率不存在序列相關(guān)，

通過上述檢驗(yàn)，三個(gè)股市收益率均存在顯著的ARCH效應(yīng)，因此滿足構(gòu)建GARCH模型的條件，可以建立beta-skew-t-GARCH模型。

表1 三個(gè)階段中日韓股市描述性統(tǒng)計(jì)Tab.1 Descriptive statistics of China, Japan and South Korea stock market in three stages

圖2 三個(gè)階段中日韓股市Q-Q圖Fig.2 Q-Q chart of China, Japan and South Korea stock market in three stages

(二)beta-skew-t-EGARCH模型

通過R語言構(gòu)建beta-skew-t-EGARCH模型，結(jié)果如表2所示。

可以看出上證指數(shù)收益率的φ呈現(xiàn)出依次上升的態(tài)勢(shì)，日經(jīng)225指數(shù)收益率的φ出現(xiàn)先升后降，而韓國KOSPI指數(shù)收益率的φ出現(xiàn)一次下降，說明中國股市對(duì)舊消息的反應(yīng)程度上升，日本股市對(duì)舊消息的反應(yīng)程度先升后降，而韓國股市對(duì)舊消息的反應(yīng)程度減弱。上證指數(shù)和日經(jīng)225指數(shù)收益率的k1在三個(gè)階段中都有不同程度的上升，而韓國KOSPI指數(shù)收益率的k1卻出現(xiàn)了下降，說明中國股市和日本股市對(duì)新消息的反應(yīng)程度上升，而韓國股市對(duì)新消息的反應(yīng)程度下降。各個(gè)指數(shù)收益率三個(gè)階段的φ+k1均大于1，說明三個(gè)階段各個(gè)股市的波動(dòng)都具有持久性，而φ的值也都要遠(yuǎn)遠(yuǎn)大于k1的值，說明在每個(gè)股市中舊消息對(duì)市場的影響要遠(yuǎn)遠(yuǎn)高于新消息對(duì)市場的影響。上證指數(shù)收益率的k*在三個(gè)階段中依次下降，日經(jīng)225指數(shù)收益率的k*在三個(gè)階段中出現(xiàn)先降后升，而韓國KOSPI指數(shù)收益率的k*則在三個(gè)階段中出現(xiàn)依次上升，這說明中國股市表現(xiàn)出負(fù)面影響的程度下降，日本股市表現(xiàn)出負(fù)面影響程度先降后升，而韓國股市表現(xiàn)出負(fù)面影響的程度上升，其中在三個(gè)階段中這三者的k*均大于0，說明在每個(gè)階段中負(fù)面消息對(duì)三個(gè)股票市場影響要更高。

表2 三個(gè)階段的beta-skew-t-EGARCH模型參數(shù)估計(jì)Tab.2 Parameter estimation of beta-skew-t-egarch model in three stages

(三)DCC-GRACH模型

建立DCC-GRACH模型對(duì)股市之間的動(dòng)態(tài)相關(guān)性進(jìn)行分析，估計(jì)的參數(shù)結(jié)果如表3所示。SZ-RJ、SZ-HG和HG-SZ的a與b顯著大于0，說明中日韓三國股市之間存在著正向的動(dòng)態(tài)相關(guān)性，其中SZ-RJ、SZ-HG和HG-SZ的a都接近于0，而b接近于1，說明殘差滯后項(xiàng)對(duì)相關(guān)性影響較低，而指數(shù)波動(dòng)性對(duì)相關(guān)性影響較高，同時(shí)SZ-RJ、SZ-HG和HG-SZ的a+b的值都接近于1，說明中日韓股市的相關(guān)性具有很強(qiáng)的持續(xù)性。

表3 DCC-GARCH參數(shù)估計(jì)Tab.3 Dcc-garch parameter estimation

首先，通過圖3和表4可以看出三國股市的動(dòng)態(tài)相關(guān)性僅在小部分時(shí)間中出現(xiàn)了負(fù)相關(guān)性，大多數(shù)時(shí)間都為正相關(guān)，說明三國股市之間變動(dòng)整體呈現(xiàn)出同步變化的趨勢(shì)，但變動(dòng)的程度有所不同。通過比對(duì)各個(gè)階段的中日韓股市間動(dòng)態(tài)相關(guān)性的均值，可以發(fā)現(xiàn)在總體上日韓兩國的股市的相關(guān)程度遠(yuǎn)遠(yuǎn)大于與中國股市的相關(guān)程度。其次，在圖3中可以明顯地看出中國股市與日韓股市之間的相關(guān)性總體呈現(xiàn)出穩(wěn)步上升的趨勢(shì)，相比之下，韓國股市與日本股市的相關(guān)性在一定范圍進(jìn)行上下波動(dòng)，且波動(dòng)幅度與頻率比中國股市與日韓股市的相關(guān)性的波動(dòng)要更大和更高。最后，在2002年之前，中日韓股市三者之間的相關(guān)性呈現(xiàn)出了下降的趨勢(shì)，其中日韓兩個(gè)國家股市的相關(guān)性下降得更快并呈現(xiàn)出劇烈波動(dòng)，中日與中韓股市的動(dòng)態(tài)相關(guān)性的下降則較為平緩；在2002年至2013年之間，中日韓三國股市的動(dòng)態(tài)相關(guān)性整體出現(xiàn)了上升趨勢(shì)，同時(shí)中國股市與日韓股市之間的相關(guān)性較日韓股市之間的相關(guān)性上升得更加平穩(wěn)；在2013年至2020年，三國股市之間的相關(guān)性出現(xiàn)了上下波動(dòng)。

表4 動(dòng)態(tài)相關(guān)性系數(shù)描述性統(tǒng)計(jì)Tab.4 Descriptive statistics of dynamic correlation coefficient

五、結(jié)論與建議

圖3 中日韓股市之間的動(dòng)態(tài)相關(guān)性圖Fig.3 Dynamic correlation between China, Japan and South Korea stock market

本文研究了開展中日韓自貿(mào)區(qū)談判前后共三個(gè)階段的中日韓股市波動(dòng)特征以及他們之間的動(dòng)態(tài)相關(guān)性。第一，在三個(gè)階段中，中日韓股市主要受舊消息影響，但具體影響程度不同，其中對(duì)中國股市影響上升，對(duì)日本股市的影響先升后降，而對(duì)韓國股市影響則減弱。至于正負(fù)面消息對(duì)股市的影響，在每個(gè)時(shí)間段中，三個(gè)股市都呈現(xiàn)出以負(fù)面消息的影響為主，但負(fù)面消息的影響程度在三個(gè)股市中表現(xiàn)有所不同，其中負(fù)面消息對(duì)韓國股市的影響程度上升，中國股市表現(xiàn)出負(fù)面消息影響程度的下降，而日本股市則表現(xiàn)出負(fù)面消息影響程度先降后升。第二，中日韓三國股市的收益率整體呈現(xiàn)出了正的相關(guān)性，其中中韓股市和中日股市的相關(guān)性整體呈現(xiàn)出上升趨勢(shì)，而韓日股市相關(guān)性處于震蕩。與中國股市的動(dòng)態(tài)相關(guān)性相比，日韓股市間的相關(guān)性更多地呈現(xiàn)出劇烈的波動(dòng)，這是因?yàn)槟壳爸腥枕n自貿(mào)區(qū)協(xié)議雖然尚未達(dá)成，但中韓與中日之間的經(jīng)濟(jì)、貿(mào)易、金融等方面的合作依舊不斷深化，這促進(jìn)了中韓股市與中日股市之間的相關(guān)性上升，但日韓兩國由于歷史問題等原因，雙方有著較深層次的矛盾，頻頻出現(xiàn)摩擦，至今未能展開全面合作，使得日韓股市之間的關(guān)聯(lián)性并不穩(wěn)定。

對(duì)于投資者而言，應(yīng)當(dāng)深入了解中日韓自貿(mào)區(qū)協(xié)議的達(dá)成會(huì)對(duì)中日韓股市產(chǎn)生的影響，并且三國股市之間的相關(guān)性上升會(huì)弱化多樣化資產(chǎn)配置的風(fēng)險(xiǎn)分散效果，因此投資者要合理構(gòu)建投資組合，同時(shí)相關(guān)性的上升也可幫助投資者推測其他兩個(gè)國家股市的未來走勢(shì)，更好地抓住潛在的投資機(jī)會(huì)。對(duì)于國內(nèi)市場監(jiān)管者和政策制定者而言，三國股市相關(guān)性的整體上升，在金融危機(jī)發(fā)生時(shí)使得三國股市間風(fēng)險(xiǎn)傳染更快，風(fēng)險(xiǎn)也更高，因此需要制定合理有效的防范措施，避免危機(jī)發(fā)生時(shí)對(duì)我國資本市場產(chǎn)生負(fù)面的沖擊，同時(shí)需要加強(qiáng)對(duì)市場的監(jiān)管，適時(shí)穩(wěn)定投資者的信心，有效防范風(fēng)險(xiǎn)傳染對(duì)資本市場的破壞，進(jìn)而維護(hù)股票市場健康穩(wěn)定。