中國與“一帶一路”沿線國家股市聯(lián)動性研究

摘要：本文基于DCC-GARCH模型，選用2013年9月-2019年9月中國與“一帶一路”沿線六國股指收益率數(shù)據(jù)，對中國與“一帶一路”沿線國家股市聯(lián)動性進行了實證分析。研究發(fā)現(xiàn)，中國股市和“一帶一路”沿線國家股市之間存在聯(lián)動性，但聯(lián)動性水平普遍較低，在“一帶一路”倡議全面建設(shè)開始后，中國股市在總體上對沿線典型國家股市的波動溢出效應(yīng)有所增強。

關(guān)鍵詞：“一帶一路”;聯(lián)動性;DCC-GARCH

一、引言

自 2013 年“一帶一路”倡議提出至今，在國內(nèi)外取得了令世界矚目的成就。截至目前，“一帶一路”倡議已得到 100多個國家和國際組織的積極支持和參與，我國與沿線國家共商、共建、共享的合作格局正在形成。“一帶一路”政治的美好想象已逐步轉(zhuǎn)化為現(xiàn)實。2015 年“一帶一路”倡議上升為國家（地區(qū)）頂級戰(zhàn)略規(guī)劃，成為今后指導(dǎo)中國與世界經(jīng)濟發(fā)展的共贏之路。2017 年 5 月，在中國北京舉辦了“一帶一路”國際合作高峰論壇，眾多國家（地區(qū)）政要積極參與并簽署了許多合作協(xié)議，進一步表明中國的“一帶一路”倡議已經(jīng)獲得世界大多數(shù)國家（地區(qū)）的廣泛認同和積極響應(yīng)，具有顯著的全球影響力。2019 年 1 月召開的關(guān)于上半年推進“一帶一路”建設(shè)工作會議指出，推動共同建設(shè)“一帶一路”向高質(zhì)量發(fā)展轉(zhuǎn)變。

從現(xiàn)有文獻來看，大多數(shù)學(xué)者主要研究中國股市與歐、美、日等發(fā)達國家（地區(qū)）股市之間的聯(lián)動性，這些文獻隨著研究對象和研究方法的不同，在研究結(jié)論上也存在一定的差異。在以“一帶一路”沿線國家（地區(qū)）為研究對象時，大多數(shù)學(xué)者主要關(guān)注“一帶一路”倡議對經(jīng)濟的影響，其研究視角大多基于中國與合作國家之間的貿(mào)易往來及投資，而較少研究中國與“一帶一路”沿線國家資本市場之間的聯(lián)動性及波動傳導(dǎo)等。

二、模型與數(shù)據(jù)選擇

（一）DCC-GARCH 模型

在對金融時間序列進行實證研究時，國內(nèi)外學(xué)者們發(fā)現(xiàn)其經(jīng)常存在序列自相關(guān)性，尤其是股票數(shù)據(jù)，在存在自相關(guān)性的同時常常還會表現(xiàn)出波動聚集效應(yīng)。DCC-GARCH 模型能夠從動態(tài)的角度來對多組時間序列間的相關(guān)性進行估計，并且具有參數(shù)估計量較少、能夠進行明確的經(jīng)濟意義分析等優(yōu)點，有較高的適用性。為了更好地刻畫序列間的動態(tài)相關(guān)性特征，我們將會采用 DCC-GARCH 模型作為研究工具。

（二）數(shù)據(jù)來源和處理

本文選取中國上證綜合指數(shù)、捷克布拉格綜合指數(shù)、埃及CMA 指數(shù)、印度尼西亞雅加達綜合指數(shù)、富時新加坡 STI 指數(shù)、俄羅斯股市指數(shù)以及泰國綜合指數(shù)。為了表達及分析方便，本文采用國家英文簡稱來代表這 6 個股票市場，詳見表 1。

本文研究數(shù)據(jù)為 2013 年 9 月至 2019 年 9 月的日指數(shù)收盤價，整個樣本時間共六年，涵蓋了 2015 年“一帶一路”倡議全面建設(shè)開始的前兩年和后四年。通過計算，得到收益率值，并且為了便于統(tǒng)一計算，采用對數(shù)收益率，并將收益率擴大100 倍。采用自然對數(shù)形式來計算股指的日收益率，其計算公式為：

Rt=100*1n（Pt/Pt-1）其中，為股市第 t 期的收益率， 為股市第 t 期的收盤價。

三、實證分析

（一）單變量 GARCH 模型估計

本文對 6 個“一帶一路”沿線國家使用 GARCH 模型來進行估計。

由表 2 可以發(fā)現(xiàn)，各國股指收益率的參數(shù)估計情況結(jié)果顯著，均符合 。各國大體分布情況相近，都呈現(xiàn)了 項較小、 項較大的情況?？傮w來講，“一帶一路”倡議沿線各國股指收益率的當期波動情況對未來影響不大，而市場記憶性對市場波動的影響較大。

（二）DCC-GARCH 模型估計

根據(jù)單變量 GARCH 模型估計的參數(shù)，采用極大似然法對中國和“一帶一路”沿線國家股市之間的時變相關(guān)性進行DCC-GARCH 模型參數(shù)估計，結(jié)果如表 3 所示。

從表 3 中可知， 和 均顯著大于 0，說明滯后 1 期的標準化殘差乘積對動態(tài)相關(guān)系數(shù)影響顯著為正，即兩國間存在正向的動態(tài)聯(lián)動關(guān)系。各指數(shù)的與 1 非常接近，數(shù)值較大，表明動態(tài)條件相關(guān)系數(shù)變化較大，說明各國間的聯(lián)動效應(yīng)具有非常強的持續(xù)性特征，動態(tài)相關(guān)性較強。對比發(fā)現(xiàn)，中國與新加坡股市間的動態(tài)相關(guān)性是最強的。為了更直觀地反映各股票市由圖 1 可知，自 2013 年至 2019 年，中國與捷克和新加坡股市動態(tài)相關(guān)性總體呈上升趨勢，與泰國股市聯(lián)動性呈下降趨勢，與其余國家股市動態(tài)相關(guān)性比較平穩(wěn)，總體波動幅度不大。

從最新的趨勢看，中國與埃及、印度尼西亞、捷克、和新加坡股市間的聯(lián)動上升趨勢明顯，與泰國股市聯(lián)動性依舊呈下降趨勢。特別地，在 2015 年，中國與泰國、埃及、印度尼西亞、捷克、和新加坡有次大幅度的上漲，其中與俄羅斯股市有三次較大的漲幅，在 2018 年，中國與泰國、印度尼西亞、捷克和新加坡有次大幅度的上漲。

總的來說，“一帶一路”沿線各國間的聯(lián)動效應(yīng)具有非常強的持續(xù)性特征，動態(tài)相關(guān)性較強。中國與“一帶一路”沿線部分國家股市的整體溢出效應(yīng)較強，這與全球大范圍金融危機、各國的政治問題和經(jīng)濟政策等分不開。2015 年中國股市和2018 年期間，波動溢出效應(yīng)都大幅上漲。當危機發(fā)生后各國采取相應(yīng)的措施使股票市場穩(wěn)定，溢出指數(shù)會下降。2015 年“一帶一路”政策的全面實施對溢出效應(yīng)的增強具有促進作用，2019 年政策實施已六年，經(jīng)濟聯(lián)系的加強使中國與沿線國家股市的波動溢出效應(yīng)也得以增強。

結(jié)論：本文基于 DCC-GARCH 模型采用 2013 年 9 月至 2019年 9 月中國與“一帶一路”沿線六國股指收益率數(shù)據(jù)，對中國與“一帶一路”沿線主要國家股票市場一體化進程進行了實證研究，并結(jié)合重要經(jīng)濟事件對其時變特征進行了分析。研究發(fā)現(xiàn)：第一，中國與“一帶一路”沿線主要國家股票市場動態(tài)相關(guān)系數(shù)在樣本期顯著增加，這意味著區(qū)域股票市場一體化水平有了較大提升。第二，中國股市和“一帶一路”沿線國家股市之間時變聯(lián)動性水平較低。其中，與新加坡股市聯(lián)動性最高，與埃及股市聯(lián)動性最低。第三，重大經(jīng)濟事件對中國與“一帶一路”沿線主要國家股票市場的聯(lián)動性產(chǎn)生了重要影響。

參考文獻：

[1] Orlov， A. G. （2009）. A cospectral analysis of exchangeratecomovements during Asian financial crisis.Journal of International Financial Markets，Institutions and Money，19（5）， 742-758.

[2]Syriopoulos T， Makram B， Boubaker A. Stock market volatility spillovers and portfoli o hedging： BRICS and the financial crisis[J].International Review of Financial Analysis，2015，39： 7-18.

[3]Adrangi B，Chatrath A，Raffiee K.Volatility spillovers across major equity markets of Americas[J].International Journal of Business，2014，19（3）：255.

[4]李敬，陳旎，萬廣華，陳澍.“一帶一路”沿線國家貨物貿(mào)易的競爭互補關(guān)系及動態(tài)變化——基于網(wǎng)絡(luò)分析方法[J].管理世界.2017（04）.

[5]郭文偉，王禮昱.“一帶一路”沿線國家（地區(qū)）股市時變聯(lián)動性及其相依結(jié)構(gòu)演化研究[J].西安交通大學(xué)學(xué)報（社會科學(xué)版），2018，38（02）：39-49.

[6]王皓.基于 DCC-GARCH 模型對日本股票市場與國際市場波動溢出效應(yīng)分析[J].現(xiàn)代日本經(jīng)濟，2016（05）：27-37.

北京工商大學(xué) 劉雪蓮