吳 優(yōu),尹力博
1 北京工商大學(xué) 經(jīng)濟(jì)學(xué)院,北京 100048 2 中央財(cái)經(jīng)大學(xué) 金融學(xué)院,北京 100081
自從BERNANKE[1]和DIXIT[2]提出不確定性的經(jīng)濟(jì)效應(yīng)以來,陸續(xù)有大量研究揭示不確定性對(duì)實(shí)體經(jīng)濟(jì)[3]、投資機(jī)會(huì)[4]、資本價(jià)格[5]和金融市場(chǎng)[6]等存在顯著影響。以2007年席卷全球的次貸危機(jī)為例,彼時(shí)的美聯(lián)儲(chǔ)采取了一系列非常規(guī)貨幣政策改變資產(chǎn)負(fù)債表結(jié)構(gòu),并創(chuàng)下前所未有的貨幣量化寬松水平,美國(guó)聯(lián)邦政府也同時(shí)大規(guī)模推行擴(kuò)張性的財(cái)政措施刺激經(jīng)濟(jì)回暖。受這些未能預(yù)期的政策變動(dòng)的影響,美國(guó)乃至全球金融市場(chǎng)的資本流動(dòng)、債券風(fēng)險(xiǎn)溢價(jià)和匯率等進(jìn)一步給其他國(guó)家的政策選擇帶來挑戰(zhàn),中國(guó)也不能獨(dú)善其身[7-8]。不同于已有研究更多地關(guān)注不確定性對(duì)宏觀層面的沖擊,本研究試圖從相對(duì)微觀的股票市場(chǎng)入手。股票市場(chǎng)作為連接實(shí)體經(jīng)濟(jì)與金融市場(chǎng)的重要紐帶,其自身的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)已成為當(dāng)前金融風(fēng)險(xiǎn)防控的重要內(nèi)容,研究股票市場(chǎng)受外部不確定性特別是美國(guó)經(jīng)濟(jì)政策不確定性沖擊帶來的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)改變,對(duì)新常態(tài)下的宏觀經(jīng)濟(jì)運(yùn)行和金融系統(tǒng)安全具有重要的參考價(jià)值和現(xiàn)實(shí)意義。
為了測(cè)量這種外部不確定性沖擊給中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)帶來的可能性影響,必須合理解決股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)量問題。在梳理已有研究的基礎(chǔ)上,本研究從單個(gè)股票對(duì)整體市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的角度出發(fā),進(jìn)而獲取基于個(gè)股共同變動(dòng)趨勢(shì)的股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)。之所以選擇這樣的視角,是因?yàn)橹袊?guó)股票市場(chǎng)存在單個(gè)股票之間的關(guān)聯(lián)特征十分明顯的問題,表現(xiàn)為“千股跌?!被颉扒Ч蓾q?!钡默F(xiàn)象時(shí)有發(fā)生。例如,2015年6月至9月,A股市場(chǎng)累計(jì)出現(xiàn)20余次千股漲停、跌停的局面;2016年初推出的熔斷機(jī)制,在數(shù)天內(nèi)多次引發(fā)個(gè)股的普遍性暴跌。同時(shí),這一現(xiàn)象在行業(yè)板塊或者熱點(diǎn)題材內(nèi)部更加明顯。2017年4月出現(xiàn)的“雄安概念股”,催生了諸多話題股票,相關(guān)股票價(jià)格頓時(shí)“一騎絕塵”。其實(shí),在股票市場(chǎng)復(fù)雜程度日益加深的同時(shí),單個(gè)股票之間的聯(lián)動(dòng)特征正逐步浮現(xiàn)。同一板塊中的股票價(jià)格走勢(shì)大多趨同[9],由相似特征的股票構(gòu)建起的投資組合通常能獲得類似的價(jià)值回報(bào),如BM效應(yīng)[10]和動(dòng)量反轉(zhuǎn)效應(yīng)[11-12]等。因此,基于個(gè)股風(fēng)險(xiǎn)對(duì)市場(chǎng)中其他股票的傳染性規(guī)律,本研究選擇對(duì)單個(gè)股票價(jià)格受外部經(jīng)濟(jì)政策不確定性沖擊而陷入困境后引致的整個(gè)資本市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)進(jìn)行探討很有必要。
在測(cè)量系統(tǒng)性風(fēng)險(xiǎn)之前,有必要就系統(tǒng)性風(fēng)險(xiǎn)的概念進(jìn)行厘清和界定。查閱國(guó)內(nèi)外的研究卻沒有發(fā)現(xiàn)正式、統(tǒng)一的系統(tǒng)性風(fēng)險(xiǎn)的概念,目前仍處于各執(zhí)一詞的局面,這也在一定程度上反映出系統(tǒng)性風(fēng)險(xiǎn)研究的困難和不足。
不過,盡管對(duì)系統(tǒng)性風(fēng)險(xiǎn)的定義眾說紛紜,但也存在一定的共性:①系統(tǒng)性風(fēng)險(xiǎn)具備全局性效應(yīng),即系統(tǒng)性風(fēng)險(xiǎn)關(guān)注的是整個(gè)體系,而非個(gè)別機(jī)構(gòu)遭受風(fēng)險(xiǎn)損失;②系統(tǒng)性風(fēng)險(xiǎn)具備負(fù)的外部性效應(yīng),即系統(tǒng)性風(fēng)險(xiǎn)開始于個(gè)別機(jī)構(gòu),但其風(fēng)險(xiǎn)成本卻由體系內(nèi)的所有機(jī)構(gòu)共同承擔(dān);③系統(tǒng)性風(fēng)險(xiǎn)具備外溢性和傳染性效應(yīng),即系統(tǒng)性風(fēng)險(xiǎn)會(huì)從個(gè)別機(jī)構(gòu)傳導(dǎo)至整個(gè)體系,從虛擬經(jīng)濟(jì)傳導(dǎo)至實(shí)體經(jīng)濟(jì),從一國(guó)內(nèi)部傳導(dǎo)至全世界[13-15]。
鑒于學(xué)術(shù)界對(duì)系統(tǒng)性風(fēng)險(xiǎn)的具體含義尚未正式界定,所以本研究借鑒陳國(guó)進(jìn)等[16]的表述,將系統(tǒng)性關(guān)聯(lián)定義為“單一機(jī)構(gòu)的損失傳染擴(kuò)散至其他機(jī)構(gòu)或者整個(gè)體系并引發(fā)市場(chǎng)的系統(tǒng)性損失”。也就是說,基于嚴(yán)謹(jǐn)性的考慮,本研究用系統(tǒng)性關(guān)聯(lián)一詞指代系統(tǒng)性風(fēng)險(xiǎn)。
準(zhǔn)確測(cè)量系統(tǒng)性關(guān)聯(lián)是本研究的重要內(nèi)容,類似于系統(tǒng)性風(fēng)險(xiǎn)的定義眾說紛紜,其測(cè)量方法也是汗牛充棟。在2008年金融危機(jī)以前,測(cè)量系統(tǒng)性關(guān)聯(lián)的方法主要依據(jù)資產(chǎn)負(fù)債表數(shù)據(jù),如指標(biāo)預(yù)警模型[17-18]、綜合指數(shù)模型[19-20]和人工神經(jīng)網(wǎng)絡(luò)模型[21]等。由于資產(chǎn)負(fù)債表數(shù)據(jù)的時(shí)效性一般,不能滿足宏觀審慎監(jiān)管的要求,因此在金融危機(jī)以后,測(cè)量系統(tǒng)性關(guān)聯(lián)的方法改為以資本市場(chǎng)數(shù)據(jù)為主。目前,測(cè)量系統(tǒng)性關(guān)聯(lián)的主要方法有SEGOVIANO et al.[22]提出的危機(jī)聯(lián)合概率方法、HUANG et al.[23]提出的困境保險(xiǎn)溢價(jià)方法、TARASHEV et al.[24]提出的Shapley值方法、ADRIAN et al.[25]提出的CoVaR方法、ACHARYA et al.[26]提出的邊際期望損失方法和系統(tǒng)性期望損失方法。
CoVaR方法聚焦于單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)損失,并且不需要假定所有機(jī)構(gòu)的風(fēng)險(xiǎn)之和必須等于整體的系統(tǒng)性風(fēng)險(xiǎn),同時(shí)還考慮到了機(jī)構(gòu)之間的諧振和反饋效應(yīng)[25]。這種自下而上的方法能夠很好地測(cè)量機(jī)構(gòu)之間或者單個(gè)機(jī)構(gòu)和整個(gè)體系的風(fēng)險(xiǎn)溢出效應(yīng),所以得到廣泛地應(yīng)用。具體地,LPEZ-ESPINOSA et al.[27]運(yùn)用CoVaR方法分析得到短期批發(fā)性融資市場(chǎng)是引發(fā)大型跨國(guó)銀行系統(tǒng)性關(guān)聯(lián)攀升的關(guān)鍵因素;GIRARDI et al.[28]將CoVaR方法與多元GARCH模型相結(jié)合,探討2008年金融危機(jī)前的主要金融部門和個(gè)別金融機(jī)構(gòu)對(duì)系統(tǒng)性關(guān)聯(lián)的貢獻(xiàn)度;BERNAL et al.[29]使用CoVaR方法剖析在歐洲和美國(guó)不同的金融部門對(duì)系統(tǒng)性關(guān)聯(lián)貢獻(xiàn)的差異。此外,還有部分學(xué)者使用CoVaR方法研究金融危機(jī)的形成機(jī)制和規(guī)律。DRAKOS et al.[30]基于CoVaR方法測(cè)量后金融危機(jī)時(shí)期的外資銀行增加對(duì)本國(guó)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出效應(yīng);REBOREDO et al.[31]使用CoVaR方法測(cè)量希臘債務(wù)危機(jī)前后歐洲主權(quán)債券市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征。
中國(guó)學(xué)者也借鑒CoVaR方法做了很多有意義的探索,但目前多集中于金融市場(chǎng),特別是高度聚焦于銀行體系[32-34]。這可能是因?yàn)殂y行系統(tǒng)作為連接宏觀經(jīng)濟(jì)運(yùn)行的重要樞紐,如果其陷入系統(tǒng)性風(fēng)險(xiǎn),則有很大可能引發(fā)金融危機(jī),進(jìn)而催生經(jīng)濟(jì)危機(jī)。而對(duì)于其他金融機(jī)構(gòu)系統(tǒng)性關(guān)聯(lián)特征的研究也越來越多,目前已經(jīng)基本覆蓋了證券業(yè)、保險(xiǎn)業(yè)和信托業(yè)等金融機(jī)構(gòu)。陳守東等[35]測(cè)量包含銀行、證券、保險(xiǎn)和信托等不同種類的上市金融機(jī)構(gòu)對(duì)金融系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn),發(fā)現(xiàn)除銀行以外的其他金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)水平仍相對(duì)較低;與之相反的是周天蕓等[36]的研究,他們基于非對(duì)稱CoVaR模型,發(fā)現(xiàn)證券部門在金融系統(tǒng)中的整體風(fēng)險(xiǎn)貢獻(xiàn)程度遠(yuǎn)超銀行機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn);而陳建青等[37]則通過構(gòu)建靜態(tài)和動(dòng)態(tài)CoVaR模型研究中國(guó)各金融機(jī)構(gòu)間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)及其溢出渠道。此外,還有部分學(xué)者運(yùn)用CoVaR方法在其他領(lǐng)域做了開創(chuàng)性的研究,如分析房地產(chǎn)部門的系統(tǒng)性關(guān)聯(lián)特征及其對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)溢出效應(yīng)[38-39],探討商品期貨市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征[40]。上述研究的缺陷在于僅僅關(guān)注某一特定行業(yè)或領(lǐng)域,未能做到系統(tǒng)性地覆蓋整個(gè)金融市場(chǎng),因此相應(yīng)的研究仍然有失偏頗。目前使用CoVaR方法分析金融市場(chǎng)系統(tǒng)性關(guān)聯(lián)的研究?jī)H有劉曉星等[41]和熊熊等[42]對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征的研究,但他們的研究均是基于股票市場(chǎng)指數(shù)展開的,而本研究的一個(gè)重要貢獻(xiàn)則在于運(yùn)用CoVaR方法測(cè)量基于個(gè)股風(fēng)險(xiǎn)溢出的中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)。
目前,已有研究中針對(duì)系統(tǒng)性關(guān)聯(lián)的影響因素分析大多是從機(jī)構(gòu)或者體系內(nèi)部去尋找,很少關(guān)注外部的經(jīng)濟(jì)變量,特別是源自外部環(huán)境的經(jīng)濟(jì)政策不確定性更是無人涉及。為了補(bǔ)充并完善這一研究主題,本研究嘗試引入外部環(huán)境下的經(jīng)濟(jì)政策不確定性考察其對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響機(jī)制,以便為金融監(jiān)管部門和市場(chǎng)中的參與者提供借鑒和思考。
準(zhǔn)確測(cè)量中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)是本研究的基礎(chǔ),研究方法如下:第1步,采用ADRIAN et al.[25]提出的ΔCoVaR測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的溢出,并且區(qū)分對(duì)稱和非對(duì)稱的不同狀態(tài);第2步,參考KOSE et al.[43-44]的貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型,通過提煉單個(gè)股票ΔCoVaR之間的聯(lián)動(dòng)趨勢(shì),探究中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的特征。
2.1.1 單個(gè)股票的ΔCoVaR
依據(jù)ADRIAN et al.[25]的研究,在q分位數(shù)水平時(shí),i股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的邊際風(fēng)險(xiǎn)貢獻(xiàn)的定義為
(1)
(2)
(3)
其中,Rs為s股票市場(chǎng)的收益率。由(2)式和(3)式可知,CoVaR是由無條件VaR和溢出風(fēng)險(xiǎn)價(jià)值兩個(gè)部分構(gòu)成的,體現(xiàn)了股票市場(chǎng)的總風(fēng)險(xiǎn)價(jià)值。無條件VaR為個(gè)股收益率處于一定分位數(shù)水平下的最大可能損失狀態(tài),溢出風(fēng)險(xiǎn)價(jià)值為個(gè)股收益率的特定狀態(tài)對(duì)股票市場(chǎng)收益率的邊際風(fēng)險(xiǎn)貢獻(xiàn)程度。因此,CoVaR方法能夠很好地測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出程度。
一般情況下,測(cè)量ΔCoVaR使用對(duì)稱CoVaR方法,即
(4)
(5)
(6)
ΔCoVaR的測(cè)量離不開對(duì)單個(gè)股票極端狀態(tài)的估計(jì),然而,在不同的經(jīng)濟(jì)狀況下,處于極端狀態(tài)的單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的溢出是非對(duì)稱的。經(jīng)濟(jì)運(yùn)行狀況較好時(shí),ΔCoVaR可能被高估;經(jīng)濟(jì)運(yùn)行狀況較差時(shí),ΔCoVaR則可能被低估。因此,使用對(duì)稱的CoVaR方法進(jìn)行研究存在局限性。依據(jù)LPEZ-ESPINOSA et al.[27]提出的非對(duì)稱CoVaR方法,區(qū)別不同經(jīng)濟(jì)狀況下i股票對(duì)股票市場(chǎng)風(fēng)險(xiǎn)狀態(tài)的貢獻(xiàn)程度,重新定義ΔCoVaR的測(cè)量方法,即
(7)
(8)
2.1.2 單個(gè)股票ΔCoVaR之間的聯(lián)動(dòng)特征
考慮到單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)溢出的程度不完全一致,因此有必要提煉所有股票ΔCoVaR之間的共同變動(dòng)趨勢(shì),以反映股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征。本研究借鑒KOSE et al.[43-44]的貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型,全面刻畫基于個(gè)股的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。
結(jié)合本研究,貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型的基本形式為
(9)
在(9)式的基礎(chǔ)上,運(yùn)用基于吉布斯抽樣(Gibbs抽樣)算法的馬爾可夫鏈蒙特卡洛模擬(MCMC)不斷迭代計(jì)算,最終提煉出(9)式中的潛在股票市場(chǎng)動(dòng)態(tài)因子,該因子即可視為基于個(gè)股特征的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。
基于對(duì)已有研究的梳理和數(shù)據(jù)的可得性,本研究選擇的宏觀狀態(tài)變量包括股票市場(chǎng)波動(dòng)率、利率風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和房地產(chǎn)市場(chǎng)收益率,變量的具體定義如下。
(2)利率風(fēng)險(xiǎn)。采用中債國(guó)債3個(gè)月到期收益率的變動(dòng)測(cè)量,計(jì)算方法為
(3)流動(dòng)性風(fēng)險(xiǎn)。采用銀行間質(zhì)押式回購加權(quán)利率和中債國(guó)債到期收益率的差值測(cè)量,計(jì)算方法為
流動(dòng)性風(fēng)險(xiǎn)=t期的3個(gè)月銀行間質(zhì)押式回購加權(quán)利率-t期的3個(gè)月中債國(guó)債到期收益率
(4)房地產(chǎn)市場(chǎng)收益率。測(cè)量方法為
房地產(chǎn)市場(chǎng)收益率=t期申萬房地產(chǎn)開發(fā)指數(shù)收益率-t期申萬多元金融指數(shù)收益率
其中,
本研究選取的所有股票均來源于滬深兩市,時(shí)間跨度為2002年10月至2016年12月,經(jīng)過篩選,股票數(shù)量為1 109只,由于*ST華澤(000693)在分位數(shù)回歸中不能收斂,所以將其從總樣本中剔除。上述所有變量的數(shù)據(jù)均取自Wind數(shù)據(jù)庫。需要指出的是,本研究在具體的測(cè)量中以t周代替t期計(jì)算各宏觀狀態(tài)變量。
圖1給出2002年10月至2016年12月基于中國(guó)股票市場(chǎng)的1 109只股票ΔCoVaR之間的聯(lián)動(dòng)趨勢(shì)刻畫的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征。同時(shí),圖1還對(duì)比了對(duì)稱CoVaR與非對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。
圖1 基于CoVaR方法測(cè)量的 中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)Figure 1 Systemic Linkage in Chinese Stock Market Based on the Measurement of the CoVaR Approach
觀察圖1,可以發(fā)現(xiàn):
(1)基于對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的波動(dòng)幅度明顯強(qiáng)于非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián),表現(xiàn)為:除特定時(shí)期外,非對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)基本在零點(diǎn)上下浮動(dòng),而對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)則存在異常的波動(dòng)上行或下行。
(2)樣本期內(nèi),對(duì)稱CoVaR和非對(duì)稱CoVaR下股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的走勢(shì)也存在相同的特征,這一點(diǎn)突出地體現(xiàn)在兩個(gè)重要時(shí)期。一個(gè)是2008年席卷全球的金融危機(jī),彼時(shí)的中國(guó)股市也未能幸免,上證綜指從最高的6 124.04點(diǎn)一路下挫到1 664.93點(diǎn),一年內(nèi)跌幅達(dá)72.813%,深證成指的跌幅也超過71.545%,同時(shí)滬深兩市共蒸發(fā)市值約17.330萬億元人民幣(數(shù)據(jù)來源于上海證券交易所網(wǎng)站和深圳證券交易所網(wǎng)站,下同),超過2008年GDP的54.239%,創(chuàng)下中國(guó)股市的歷史之最。此后股市經(jīng)歷了長(zhǎng)達(dá)數(shù)年的低迷,實(shí)體經(jīng)濟(jì)也遭受重創(chuàng)。另一個(gè)是2015年的“股災(zāi)”,表現(xiàn)為上證綜指從2014年6月的2000點(diǎn)左右一路攀升到2015年6月12日的5 178.19點(diǎn),彼時(shí)的市場(chǎng)情緒極為高漲,加上主流媒體的推波助瀾,形成全社會(huì)的炒股熱潮。但隨后股市很快就跌入谷底,僅半年時(shí)間,就創(chuàng)下了49.050%的跌幅記錄。同時(shí),滬深兩市在2015年6月15日至7月8日的短短數(shù)十天內(nèi)共蒸發(fā)約22.959萬億元人民幣的市值,接近2015年GDP的三分之一。其中,僅6月26日當(dāng)天,兩市就蒸發(fā)了約4.467萬億元人民幣的市值。此外,還引發(fā)了大量的資金外流,給外匯市場(chǎng)帶來不小的沖擊。在這兩個(gè)特定時(shí)期,基于對(duì)稱CoVaR和非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)明顯上升,表明基于CoVaR方法的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)能夠合理反映股市的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)和程度。
(3)相對(duì)于非對(duì)稱CoVaR的測(cè)量,基于對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的準(zhǔn)確性有待商榷。這主要表現(xiàn)在部分時(shí)期,對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征與股市的實(shí)際運(yùn)行情況略有不符,并且容易在股市低迷時(shí)期低估風(fēng)險(xiǎn)程度。例如,2009年至2014年,對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)長(zhǎng)期低于0,甚至在2013年出現(xiàn)深度觸底的現(xiàn)象,表明此時(shí)的股市發(fā)展良好,同時(shí)系統(tǒng)性風(fēng)險(xiǎn)基本不存在。但實(shí)際情況卻是滬深兩市正經(jīng)歷著后金融危機(jī)時(shí)期長(zhǎng)達(dá)數(shù)年的沉寂,股票市場(chǎng)發(fā)展整體欠佳,而且低迷的股市并不能代表系統(tǒng)性風(fēng)險(xiǎn)不存在,只是比股市劇烈波動(dòng)時(shí)期的風(fēng)險(xiǎn)程度稍弱點(diǎn)。
綜上,基于個(gè)股的非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)很好地刻畫了中國(guó)股市的系統(tǒng)性風(fēng)險(xiǎn)特征,該方法既不會(huì)在股市低迷期過于低估風(fēng)險(xiǎn)程度,也不會(huì)在股市處于劇烈波動(dòng)期過分高估風(fēng)險(xiǎn)程度,并且能夠重點(diǎn)突出特定時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)。
本研究重點(diǎn)研究美國(guó)經(jīng)濟(jì)政策不確定性對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響及其作用機(jī)制,采用NAKAJIMA[45]提出的時(shí)變參數(shù)向量自回歸(TVP-VAR)模型深入剖析這一影響的具體表現(xiàn)形式。一方面,通過等間隔脈沖響應(yīng)函數(shù)探究這一作用機(jī)制的動(dòng)態(tài)演化過程;另一方面,借助時(shí)點(diǎn)脈沖響應(yīng)函數(shù)考察特定時(shí)期下的不確定性如何作用于股市的系統(tǒng)性關(guān)聯(lián)。
TVP-VAR模型是在VAR模型的基礎(chǔ)上不斷演變而來的,其重要假定是系數(shù)矩陣和新息的協(xié)方差矩陣均是時(shí)變的。借助該模型,可以有效刻畫沖擊大小或者傳導(dǎo)途徑變動(dòng)的時(shí)變特征。一個(gè)不考慮時(shí)變的基本結(jié)構(gòu)VAR模型的具體形式為
yt=Xtβ+A-1Σεt
(10)
βt+1=βt+μβ,tαt+1=αt+μα,tht+1=ht+μh,t
經(jīng)濟(jì)政策不確定性是指由于政府政策或法規(guī)的不確定性而催生的經(jīng)濟(jì)金融風(fēng)險(xiǎn),這種不確定性會(huì)通過干擾微觀主體的心理狀態(tài)來改變他們的決策行為,從而影響宏觀經(jīng)濟(jì)運(yùn)行和金融市場(chǎng)穩(wěn)定。
本研究選取美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)(EPU)作為測(cè)量不確定性的指標(biāo),該指數(shù)由BAKER et al.[46]構(gòu)建,可在BAKER等創(chuàng)建的網(wǎng)站上自由獲取,網(wǎng)站地址為http:∥www.policyuncertainty.com。目前,該指數(shù)重點(diǎn)量化美國(guó)經(jīng)濟(jì)社會(huì)3個(gè)層面的不確定性:①關(guān)于圍繞經(jīng)濟(jì)運(yùn)行而適時(shí)調(diào)整的政府政策的新聞報(bào)道;②在未來數(shù)年內(nèi)會(huì)持續(xù)產(chǎn)生影響的美國(guó)聯(lián)邦稅收法案條款的更迭;③覆蓋由美聯(lián)儲(chǔ)發(fā)布的專業(yè)人士對(duì)經(jīng)濟(jì)前景預(yù)期分歧的調(diào)查。之所以選用美國(guó)經(jīng)濟(jì)政策不確定性指數(shù),是因?yàn)椋孩僭撝笖?shù)已經(jīng)成為測(cè)量美國(guó)經(jīng)濟(jì)政策不確定性的重要指標(biāo)之一[47]。②美國(guó)作為全球最主要的政治經(jīng)濟(jì)體,同時(shí)擁有最發(fā)達(dá)的金融市場(chǎng),其自身的經(jīng)濟(jì)政策不確定性很容易被市場(chǎng)感知、察覺,并迅速波及、傳染到全球其他主要經(jīng)濟(jì)體[48]和金融市場(chǎng),如外匯市場(chǎng)[49]、股票市場(chǎng)[50]和債券市場(chǎng)[51]等。當(dāng)然,也包括對(duì)中國(guó)宏觀經(jīng)濟(jì)和金融市場(chǎng)的影響[52-53]。③美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)基本不受中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響,所以在實(shí)證研究過程中能夠有效地規(guī)避內(nèi)生性問題。此外,美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)還存在日度數(shù)據(jù),利用簡(jiǎn)單平均的方法將日度數(shù)據(jù)轉(zhuǎn)化為周度數(shù)據(jù),一方面可以相對(duì)真實(shí)地反映美國(guó)經(jīng)濟(jì)政策的不確定性,另一方面也更加貼合前文構(gòu)建的中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的數(shù)據(jù)頻率,進(jìn)而能夠準(zhǔn)確地測(cè)量?jī)烧咧g的數(shù)量關(guān)系。
圖2給出2002年10月至2016年12月的美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)的走勢(shì)。由圖2可知,不確定性指數(shù)的波動(dòng)比較劇烈,并且在部分時(shí)點(diǎn)出現(xiàn)了異常攀升的現(xiàn)象,相對(duì)突出的有:①2003年3月,伊拉克戰(zhàn)爭(zhēng)爆發(fā),引發(fā)全球?qū)υ凸?yīng)乃至經(jīng)濟(jì)運(yùn)行的擔(dān)憂;②2008年9月,雷曼兄弟破產(chǎn),使美國(guó)次貸危機(jī)被徹底引爆,迅速升級(jí)為金融危機(jī)并波及全球,導(dǎo)致美國(guó)甚至全球經(jīng)濟(jì)陷入衰退的泥潭中久久不能自拔;③2011年7月,希臘國(guó)債信用評(píng)級(jí)下調(diào),歐債危機(jī)愈演愈烈,世界經(jīng)濟(jì)被再一次陷入衰退的恐慌情緒所籠罩;④2013年10月,美國(guó)國(guó)會(huì)因?yàn)樨?cái)務(wù)預(yù)算問題長(zhǎng)期懸而未決,導(dǎo)致聯(lián)邦政府非核心部門被迫短暫關(guān)閉,引發(fā)社會(huì)強(qiáng)烈擔(dān)憂;⑤2016年6月,英國(guó)脫歐公投成功,成為當(dāng)年金融市場(chǎng)上最大的黑天鵝事件,直接導(dǎo)致不確定性指數(shù)被迅速拉升。
為保證TVP-VAR模型能夠得出準(zhǔn)確的結(jié)論,本研究在模型中加入Fama-French三因子變量,即市場(chǎng)因子、規(guī)模因子、賬面市值比因子,三因子變量的數(shù)據(jù)均從CSMAR數(shù)據(jù)庫獲取。鑒于本研究所用的變量數(shù)據(jù)均為時(shí)間序列,因此有必要進(jìn)行平穩(wěn)性檢驗(yàn),表1給出變量的平穩(wěn)性檢驗(yàn)結(jié)果。由表1可知,5個(gè)變量都在1%水平上拒絕存在單位根的原假設(shè),即所有變量均為平穩(wěn)序列。此外,考慮到TVP-VAR模型的運(yùn)用還需要確定最優(yōu)滯后階數(shù),本研究依據(jù)固定系數(shù)VAR模型的信息準(zhǔn)則確定最優(yōu)滯后期為2階。
圖2 美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)走勢(shì)Figure 2 Trend of the U.S. Economic Policy Uncertainty Index
表1 變量單位根檢驗(yàn)結(jié)果Table 1 Results for Unit Root Test of Variables
表2 TVP-VAR模型的參數(shù)估計(jì)結(jié)果Table 2 Parameter Estimation Results for TVP-VAR Model
通常情況下,隨機(jī)波動(dòng)的假定會(huì)導(dǎo)致模型的估計(jì)參數(shù)過多,采用似然函數(shù)估計(jì)將大幅增加處理難度。因此,既能在隨機(jī)波動(dòng)假定下準(zhǔn)確估計(jì)參數(shù),又能實(shí)現(xiàn)狀態(tài)變量一致估計(jì)的馬爾科夫鏈蒙特卡洛模擬(MCMC)得到廣泛應(yīng)用,本研究也借助該抽樣方法對(duì)TVP-VAR模型中的各參數(shù)進(jìn)行準(zhǔn)確估計(jì)。
為更好地刻畫經(jīng)濟(jì)政策不確定性指數(shù)對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)影響的時(shí)變特征,本研究引入等間隔脈沖響應(yīng)函數(shù)和時(shí)點(diǎn)脈沖響應(yīng)函數(shù)進(jìn)行分析。等間隔脈沖響應(yīng)函數(shù)是指樣本期內(nèi)的每一個(gè)時(shí)點(diǎn),經(jīng)濟(jì)政策不確定性的單位沖擊引起的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)在不同時(shí)間間隔后的反應(yīng),可以用來觀察脈沖響應(yīng)的動(dòng)態(tài)調(diào)整過程。本研究選定的時(shí)間間隔為滯后2周、滯后4周和滯后6周,分別測(cè)量短期、中期、長(zhǎng)期的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的響應(yīng)過程。時(shí)點(diǎn)脈沖響應(yīng)函數(shù)是指樣本期內(nèi)的特定時(shí)點(diǎn),經(jīng)濟(jì)政策不確定性的單位沖擊引起的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的反應(yīng),可以用來觀察脈沖響應(yīng)的結(jié)構(gòu)性調(diào)整過程。本研究選擇的特定時(shí)點(diǎn)為美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)異常攀升的代表性時(shí)點(diǎn),包括2008年9月15日的金融危機(jī)爆發(fā),2011年7月27日的歐債危機(jī)升級(jí),2016年6月24日的英國(guó)脫歐公投成功。由于本研究的數(shù)據(jù)頻率以周為基準(zhǔn),所以設(shè)定事件發(fā)生當(dāng)周為事件時(shí)點(diǎn)。
圖3 中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)Figure 3 Equal Interval Impulse Responses of the Systemic Linkage in Chinese Stock Market to the Economic Policy Uncertainty Shock
圖3給出股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)函數(shù)。由圖3可知,①短期內(nèi),股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受經(jīng)濟(jì)政策不確定性單位沖擊的影響持續(xù)為正,并且呈現(xiàn)出周期性波動(dòng)的特征。同時(shí),該動(dòng)態(tài)響應(yīng)過程還在兩個(gè)重要時(shí)點(diǎn)出現(xiàn)波峰狀態(tài),一個(gè)是2008年前后,對(duì)應(yīng)的是金融危機(jī)時(shí)期;一個(gè)是2011年年中,彼時(shí)正是歐債危機(jī)時(shí)期。此外,短期的脈沖響應(yīng)在2015年之后表現(xiàn)為不斷攀升的趨勢(shì)。這可能是由于中國(guó)金融市場(chǎng)和外部市場(chǎng)的聯(lián)系日趨緊密,進(jìn)而更容易受到不確定性,特別是美國(guó)經(jīng)濟(jì)政策不確定性的影響。②隨著時(shí)間間隔的增加,經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響逐漸減弱。不同于短期的正向反應(yīng),中長(zhǎng)期情形下的響應(yīng)程度相對(duì)較弱,特別是滯后6周時(shí),股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性單位沖擊的響應(yīng)基本圍繞零點(diǎn)上下浮動(dòng),表明經(jīng)濟(jì)政策不確定性的正向沖擊受時(shí)間的推移而緩慢消逝。③滯后4周時(shí)的脈沖響應(yīng)在部分時(shí)段存在正向波動(dòng)的情形。一個(gè)是2008年至2013年,彼時(shí)正是金融危機(jī)疊加歐債危機(jī)的時(shí)期。受雙重因素的影響,經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響持續(xù)為正,特別是在2011年達(dá)到頂峰,此時(shí)滯后2周下的脈沖響應(yīng)同樣處于頂峰狀態(tài)。另一個(gè)是自2015年開始不斷上升的反應(yīng)過程,這一點(diǎn)與滯后2周的情形非常相似。該時(shí)間段內(nèi),美聯(lián)儲(chǔ)宣布退出量化寬松、英國(guó)脫歐公投成功、美國(guó)總統(tǒng)大選等諸多不確定性事件層出不窮,經(jīng)濟(jì)政策不確定性指數(shù)的波動(dòng)比較劇烈,并且此時(shí)中國(guó)股市系統(tǒng)性關(guān)聯(lián)的波動(dòng)也十分劇烈。因此,在股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)程度較高時(shí),其受經(jīng)濟(jì)政策不確定性的正向影響也就越突出。
圖4給出股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)。圖中,3個(gè)特定時(shí)點(diǎn)下的經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響機(jī)制基本一致。具體如下:①所有沖擊均可以持續(xù)2個(gè)月左右,并且都是在5周左右將經(jīng)濟(jì)政策不確定性的信息釋放完畢。②股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的沖擊響應(yīng)均存在時(shí)滯,從零時(shí)點(diǎn)的無反應(yīng)到滯后2周的正向極大反應(yīng),再到滯后3周的負(fù)向極大反應(yīng)和滯后4周的微弱正向反應(yīng)??偟膩碚f,股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)存在周期性波動(dòng)特征。③正向極大響應(yīng)程度要明顯高于負(fù)向極大響應(yīng)程度。這一點(diǎn)突出體現(xiàn)在歐債危機(jī)和英國(guó)脫歐公投時(shí)期,它們各自帶來的正向沖擊明顯高于其引發(fā)的負(fù)向沖擊。此外,還需要注意的是,英國(guó)脫歐公投導(dǎo)致的正向沖擊稍高于歐債危機(jī)的正向沖擊,并且它們均明顯高于由金融危機(jī)帶來的不確定性沖擊;同時(shí),英國(guó)脫歐公投導(dǎo)致的負(fù)向沖擊明顯低于歐債危機(jī)和金融危機(jī)時(shí)期的負(fù)向沖擊。也就是說,伴隨著中國(guó)金融市場(chǎng)與外部市場(chǎng)聯(lián)系的日益緊密,股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受外部不確定性的正向沖擊愈發(fā)明顯。這也在一定程度上印證了前文等間隔脈沖響應(yīng)函數(shù)下的推斷。此外,金融危機(jī)時(shí)期的沖擊響應(yīng)過程比較特殊,主要表現(xiàn)為滯后1周的負(fù)向極大響應(yīng)。這可能是由于彼時(shí)的中國(guó)金融市場(chǎng)受外部環(huán)境的影響有限,尚不存在有效的信息傳導(dǎo)機(jī)制,因此時(shí)滯效應(yīng)突出,進(jìn)而導(dǎo)致初期出現(xiàn)負(fù)向的沖擊效果。不過,這種初期負(fù)向的沖擊響應(yīng)已經(jīng)基本隨時(shí)間而消失了,經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響仍然以正向沖擊為主。
圖4 中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的時(shí)點(diǎn)脈沖響應(yīng)Figure 4 Time Point Impulse Responses of the Systemic Linkage in Chinese Stock Market to the Economic Policy Uncertainty Shock
本研究選取2002年10月至2016年12月中國(guó)上市公司的股票價(jià)格數(shù)據(jù),借鑒非對(duì)稱CoVaR測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出程度,并運(yùn)用潛在多動(dòng)態(tài)因子模型提煉出基于個(gè)股ΔCoVaR共同變動(dòng)趨勢(shì)的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征,使用TVP-VAR模型深入剖析美國(guó)經(jīng)濟(jì)政策不確定性沖擊對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的時(shí)變影響機(jī)制。依據(jù)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)函數(shù)和時(shí)點(diǎn)脈沖響應(yīng)函數(shù),研究結(jié)果表明,①短期內(nèi),美國(guó)經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響持續(xù)為正,并且呈現(xiàn)出周期性波動(dòng)的特征。②中長(zhǎng)期情形下,經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的動(dòng)態(tài)影響相對(duì)較弱。③在股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)程度較高時(shí),其遭受的經(jīng)濟(jì)政策不確定性沖擊相應(yīng)的也越多。這表明,當(dāng)預(yù)判到中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)程度高時(shí),則更加需要關(guān)注突發(fā)事件下的經(jīng)濟(jì)政策不確定性沖擊可能給股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)帶來的風(fēng)險(xiǎn)溢出。④伴隨著中國(guó)金融市場(chǎng)與外部市場(chǎng)聯(lián)系的日益緊密,股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受外部環(huán)境下的經(jīng)濟(jì)政策不確定性沖擊的正向影響越來越深。
本研究的主要貢獻(xiàn)有:首先,基于個(gè)股聯(lián)動(dòng)特征考察中國(guó)股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn),即測(cè)量股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)是建立在市場(chǎng)中所有股票的共同風(fēng)險(xiǎn)特征的基礎(chǔ)上。其次,引入非對(duì)稱CoVaR的情形,將不同經(jīng)濟(jì)狀況下單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的不同特性納入分析范圍內(nèi)。最后,對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)影響機(jī)制的剖析拓展到了外部市場(chǎng),而不僅僅是局限于系統(tǒng)本身以及組成系統(tǒng)的微觀個(gè)體中。依據(jù)前文的分析可以認(rèn)為,探究源自外部環(huán)境的經(jīng)濟(jì)政策不確定性沖擊對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響具有重要的理論價(jià)值,并且對(duì)源自外部不確定性沖擊的短期風(fēng)險(xiǎn)防范更具現(xiàn)實(shí)意義。在滬港通、深港通、債券通等互聯(lián)互通機(jī)制開放和發(fā)展以及人民幣國(guó)際化持續(xù)推進(jìn)的大背景下,更加重視外部環(huán)境下的經(jīng)濟(jì)政策不確定性對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的沖擊顯得十分必要。
本研究結(jié)果對(duì)實(shí)踐的指導(dǎo)意義在于:①監(jiān)管部門可以考慮使用非對(duì)稱CoVaR方法定量測(cè)量股票市場(chǎng)運(yùn)行的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài),以便為后續(xù)的金融監(jiān)管和政策調(diào)控提供更準(zhǔn)確的依據(jù)。②監(jiān)管部門需要認(rèn)真對(duì)待金融全球化和國(guó)際化給中國(guó)股票市場(chǎng)運(yùn)行可能帶來的系統(tǒng)性風(fēng)險(xiǎn)溢出,特別是要準(zhǔn)確識(shí)別、判斷源自外部經(jīng)濟(jì)政策不確定性引發(fā)的股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)程度和規(guī)模,同時(shí)這種分析的重點(diǎn)應(yīng)該主要集中在1個(gè)月內(nèi)。③在股票市場(chǎng)自身的系統(tǒng)性風(fēng)險(xiǎn)程度較高時(shí),監(jiān)管部門需要特別留意外部不確定性事件或沖擊的突然爆發(fā)對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的觸發(fā)可能。因此,當(dāng)監(jiān)管部門對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)進(jìn)行監(jiān)測(cè)時(shí),不僅要立足本市場(chǎng),還需要加強(qiáng)對(duì)外部市場(chǎng)信息的收集和處理。
當(dāng)然,本研究只是揭示了經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的動(dòng)態(tài)影響,未就經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)不同行業(yè)板塊系統(tǒng)性關(guān)聯(lián)的影響進(jìn)行深入探究,可能由于不同行業(yè)板塊的特殊屬性會(huì)導(dǎo)致經(jīng)濟(jì)政策不確定性的沖擊效果不完全一致,進(jìn)而可能得到不一樣的結(jié)論。因此,后續(xù)研究將進(jìn)一步深入分析并總結(jié)完善。