中美股票市場(chǎng)的聯(lián)動(dòng)關(guān)系研究

薛一凡 田欣之 凌丹 趙楊蓁

摘 要：本文探究中美兩國(guó)股票市場(chǎng)之間聯(lián)動(dòng)性的作用機(jī)制。通過實(shí)證研究發(fā)現(xiàn)中國(guó)和美國(guó)的股指收益率在所選樣本區(qū)間內(nèi)的確存在聯(lián)動(dòng)性。在不同的時(shí)間范圍內(nèi)，兩國(guó)股市之間聯(lián)動(dòng)性的強(qiáng)弱有所差異，但大致呈同向變動(dòng)，且長(zhǎng)期聯(lián)動(dòng)比短期聯(lián)動(dòng)更穩(wěn)定。全球范圍內(nèi)的重大事件及美國(guó)經(jīng)濟(jì)不確定性會(huì)對(duì)中美股市聯(lián)動(dòng)性產(chǎn)生顯著影響，且后者為負(fù)向影響。

關(guān)鍵詞：中美股市;收益率;聯(lián)動(dòng)關(guān)系;DCC-GARCH;DCC-MIDAS

本文索引：薛一凡，田欣之，凌丹，等<標(biāo)題>[J].商展經(jīng)濟(jì)，2021（17）：-063.

中圖分類號(hào)：F740 文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.12245/j.issn.2096-6776.2021.17.19

1 選題背景及意義

隨著我國(guó)引入QFII、QDII以及股市的不斷改革，我國(guó)股市正在不斷地與國(guó)際市場(chǎng)接軌，中美股市間的關(guān)系也成為投資者及學(xué)者熱議的話題，對(duì)政府管理部門相關(guān)政策如何制定，以及對(duì)投資者如何管理投資策略都有重要影響。

隨著美國(guó)次貸危機(jī)及歐債危機(jī)的爆發(fā)，危機(jī)中的聯(lián)動(dòng)性變化逐漸成為研究的焦點(diǎn)。關(guān)于危機(jī)對(duì)中國(guó)股市與其他股市聯(lián)動(dòng)性影響這一問題，有人認(rèn)為危機(jī)期間股市聯(lián)動(dòng)性增強(qiáng)，也有人認(rèn)為次貸危機(jī)、歐債危機(jī)等突發(fā)金融事件會(huì)降低一體化水平，造成股市之間聯(lián)動(dòng)性降低，這一問題目前尚無一致結(jié)論，結(jié)論因研究對(duì)象、樣本期間以及實(shí)證方法而異。

2 數(shù)據(jù)選取及研究方法

2.1 數(shù)據(jù)選取

本文選取了2010年11月1日至2020年10月30日的滬深300和標(biāo)普500指數(shù)的日對(duì)數(shù)收益率作為分析對(duì)象，日對(duì)數(shù)收益率的計(jì)算方法為：。剔除掉兩個(gè)市場(chǎng)未同時(shí)開盤的數(shù)據(jù)后，共匹配出2352組日數(shù)據(jù)。美國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)和波動(dòng)性的測(cè)量，我們選取了Baker（2019）提出的股權(quán)波動(dòng)指數(shù)（EMV，Equity market volatility index）的同期120個(gè)月度數(shù)據(jù)。

2.2 研究模型介紹

2.2.1 DCC-GARCH模型

本文首先采用動(dòng)態(tài)條件相關(guān)的多元廣義自回歸條件異方差模型（DCC-GARCH）研究中美兩國(guó)股市的動(dòng)態(tài)相關(guān)性，此模型利用標(biāo)準(zhǔn)化后的GARCH（1，1）模型中的殘差估計(jì)動(dòng)態(tài)條件相關(guān)系數(shù)，可以很好地捕捉股市之間的動(dòng)態(tài)相關(guān)性，掌握市場(chǎng)間的聯(lián)動(dòng)效應(yīng)。

2.2.2 DCC-MIDAS-EMV模型

本文采用了修正的Colacito（2011）的兩步DCC-MIDAS模型，第一步使用帶有EMV變量的GARCH-MIDAS模型來模擬股票回報(bào)率波動(dòng)，第二步采用修正的DCC-MIDAS-EMV捕捉美國(guó)股市波動(dòng)對(duì)中美股市動(dòng)態(tài)條件相關(guān)性的影響。

第一步，rt表示金融資產(chǎn)i在第t期的收益率，且，為第t-1天的信息集。收益率波動(dòng)包含了長(zhǎng)期和短期成分，表示日度頻率變化的短期成分，表示月度頻率變化的長(zhǎng)期成分，假定服從一個(gè)GARCH（1，1）過程，即：

3 實(shí)證結(jié)果分析

3.1 數(shù)據(jù)描述性統(tǒng)計(jì)

本文選取滬深300指數(shù)作為中國(guó)股市的研究指標(biāo)，標(biāo)普500指數(shù)作為美國(guó)股市的研究指標(biāo)（見表1）。根據(jù)表1的描述性統(tǒng)計(jì)可以發(fā)現(xiàn)美國(guó)股票市場(chǎng)的平均收益率大于中國(guó)股票市場(chǎng)的平均收益率，且中國(guó)股市的波動(dòng)率比美國(guó)股市大，說明中國(guó)股市與美國(guó)股市相比尚不成熟。從收益率分布來看，兩個(gè)指數(shù)的偏度均為負(fù)值且峰度均大于3，說明兩個(gè)指數(shù)收益率均呈現(xiàn)尖峰、厚尾、左偏、非對(duì)稱性的分布特征。從Jarque-Bera檢驗(yàn)也可看出收益率分布顯著異于正態(tài)分布。

3.2 模型構(gòu)建和估計(jì)結(jié)果

3.2.1 DCC-GARCH模型的估計(jì)結(jié)果

首先使用ADF和WhiteTest分別進(jìn)行單位根和異方差檢驗(yàn)，滬深300和標(biāo)普500收益率序列均通過了單位根檢驗(yàn)，序列平穩(wěn)避免為回歸，且均存在顯著異方差。使用Ljung-boxTests發(fā)現(xiàn)滬深300指數(shù)不存在自相關(guān)，故構(gòu)建單變量GARCH模型的均值方程時(shí)采用只含有常數(shù)項(xiàng)的方程結(jié)構(gòu);而標(biāo)普500指數(shù)存在自相關(guān)，采用含有常數(shù)項(xiàng)ar（1）項(xiàng)的方程結(jié)構(gòu)構(gòu)建GARCH模型。

表2是滬深300和標(biāo)普500的GARCH（1，1）參數(shù)估計(jì)結(jié)果，標(biāo)普500的值較大，也就說明美股對(duì)新信息的反應(yīng)速度較快。滬深300的值較大，說明滬深300的衰減速度較慢，波動(dòng)持續(xù)性較強(qiáng)。

接下來利用DCC-GARCH模型對(duì)中美股市收益率的相關(guān)性進(jìn)行考察，在99%的置信水平下顯著且接近于1，反映出相關(guān)性具有非常強(qiáng)的持續(xù)性特征，由此可以判斷一定存在動(dòng)態(tài)可變的條件相關(guān)系數(shù)。

從圖1可以看出，運(yùn)用滬深300和標(biāo)普500收益率所估算出來的中美兩國(guó)金融市場(chǎng)收益之間的相關(guān)系數(shù)整體大于0，說明中美股市總體成正向相關(guān)。圖中標(biāo)注了三段陰影，分別代表股災(zāi)（2014.08—2015.09）、中美貿(mào)易戰(zhàn)（2018.02—2018.12）、新冠肺情爆發(fā)（2020.01—2020.04），發(fā)現(xiàn)近十年兩國(guó)股市聯(lián)動(dòng)性幾處發(fā)生明顯變化的時(shí)點(diǎn)出現(xiàn)在陰影中，表明重大事件會(huì)在一定程度上影響兩國(guó)股市的聯(lián)動(dòng)性。

3.2.2 DCC-MIDAS-EMV模型的估計(jì)結(jié)果

DCC-MIDAS-EMV模型可以研究混合頻率數(shù)據(jù)條件下中美股市收益率的聯(lián)動(dòng)性，使得對(duì)相關(guān)性的考察可以從長(zhǎng)期和短期兩個(gè)角度進(jìn)行。利用極大似然法對(duì)模型參數(shù)進(jìn)行估計(jì)，第一步求出GARCH-MIDAS模型參數(shù)，第二步求出DCC-MIDAS模型參數(shù)。

表4報(bào)告了GARCH-MIDAS模型估計(jì)結(jié)果。為了確保所有設(shè)定具有可比性，我們選取滯后期為24。 α， β>0，且α+β<1，兩個(gè)收益率序列都存在均值回歸現(xiàn)象，說明短期波動(dòng)成分圍繞長(zhǎng)期波動(dòng)成分上下波動(dòng)。由于θ的估計(jì)值均為負(fù)，且只有SCI300的θ值在1%的水平顯著，表明EMV指數(shù)對(duì)中國(guó)股市收益率長(zhǎng)期波動(dòng)性有負(fù)向影響。

表5報(bào)告了DCC-MIDAS-EMV模型估計(jì)結(jié)果。 θ參數(shù)均在1%水平顯著，說明過去市場(chǎng)信息對(duì)股票間的動(dòng)態(tài)相關(guān)性具有顯著影響。 α， β>0且α+β<1，說明中美兩國(guó)股市是具有聯(lián)動(dòng)效應(yīng)的。參數(shù)θ顯著為負(fù)表示EMV的上升將導(dǎo)致中美股市的長(zhǎng)期相關(guān)性降低。

根據(jù)DCC-MIDAS-EMV模型的估計(jì)結(jié)果，給出中美兩國(guó)股市長(zhǎng)短期動(dòng)態(tài)相關(guān)性曲線圖（見圖2）。由圖2可以看出，近十年來中美兩國(guó)股市一直具有較平穩(wěn)的正向聯(lián)動(dòng)性，未出現(xiàn)較大起伏，相比短期聯(lián)動(dòng)性，中美股市的長(zhǎng)期聯(lián)動(dòng)性更穩(wěn)定。EMV變動(dòng)對(duì)中美股市長(zhǎng)期相關(guān)性有負(fù)向影響，受2011年美國(guó)債務(wù)危機(jī)、2018年中美貿(mào)易戰(zhàn)、2020年新冠疫情的影響，EMV指數(shù)上升，兩國(guó)相關(guān)性下降，幾處時(shí)點(diǎn)更是急劇下降為負(fù)值。

4 結(jié)語

4.1 結(jié)論

本文考察了2010—2020年中美股市的聯(lián)動(dòng)性，發(fā)現(xiàn)美國(guó)股市對(duì)新信息的反應(yīng)更快，中國(guó)股市收益率波動(dòng)比美國(guó)收益率波動(dòng)明顯且持續(xù)性強(qiáng)，表明中國(guó)股市與美國(guó)股市相比尚不成熟。從實(shí)證分析結(jié)果來看，兩國(guó)股市存在明顯的正向相關(guān)性且長(zhǎng)期相關(guān)性比短期相關(guān)性更穩(wěn)定。在研究DCC-MIDAS-EMV模型時(shí)，納入了可以衡量美國(guó)股市波動(dòng)風(fēng)險(xiǎn)的EMV指數(shù)研究美國(guó)經(jīng)濟(jì)政策不確定性對(duì)中美股市動(dòng)態(tài)相關(guān)性的影響，發(fā)現(xiàn)動(dòng)態(tài)相關(guān)系數(shù)與EMV指數(shù)有相反波動(dòng)的趨勢(shì)，即美國(guó)股市波動(dòng)性增強(qiáng)會(huì)導(dǎo)致兩國(guó)長(zhǎng)期相關(guān)性下降，考慮EMV的滯后性，其變化在一段時(shí)間內(nèi)對(duì)兩國(guó)股市聯(lián)動(dòng)性的變化具有一定的預(yù)測(cè)作用。

4.2 啟示

4.2.1 政策制定者角度

中美雙方需要在經(jīng)濟(jì)領(lǐng)域建立長(zhǎng)期且有效的合作方針，加強(qiáng)金融領(lǐng)域的交流，對(duì)世界經(jīng)濟(jì)穩(wěn)定發(fā)展起到促進(jìn)作用。中美日益密切的經(jīng)貿(mào)往來帶來的股市聯(lián)動(dòng)性也應(yīng)得到兩國(guó)監(jiān)管部門的重視，以應(yīng)對(duì)可能的全球性風(fēng)險(xiǎn)暴露。同時(shí)，有關(guān)部門應(yīng)當(dāng)建立健全金融市場(chǎng)危機(jī)應(yīng)急處理方案，在重大危機(jī)發(fā)生之前做好預(yù)警，發(fā)生時(shí)及時(shí)干預(yù)，發(fā)生后汲取經(jīng)驗(yàn)并積極反思。

4.2.2 投資者角度

對(duì)于中國(guó)投資者而言，股民大多為散戶，沒有系統(tǒng)的投資理論框架，市場(chǎng)“羊群效應(yīng)”明顯。個(gè)人應(yīng)當(dāng)加強(qiáng)對(duì)投資意識(shí)的培養(yǎng)，理性分析，不盲目從眾。此外，中國(guó)證監(jiān)局以及金融機(jī)構(gòu)應(yīng)當(dāng)加強(qiáng)對(duì)股民正確投資意識(shí)的培養(yǎng)，引導(dǎo)股民進(jìn)行價(jià)值投資。對(duì)于全球投資者來說，由于中美兩國(guó)股市聯(lián)動(dòng)性有逐漸增強(qiáng)的趨勢(shì)，長(zhǎng)遠(yuǎn)來看，中美股市間套利機(jī)會(huì)會(huì)進(jìn)一步縮小，投資者應(yīng)注意及時(shí)調(diào)整投資組合，避免承擔(dān)過高風(fēng)險(xiǎn)。

參考文獻(xiàn)

Colacito，R.，Engle，R. F.， & Ghysels， E. A component model for dynamic correlations[J]. Journal of Econometrics，2011，164（1）： 45-59.

Conrad， C.， Loch， K.， Rittler， D. On the macroeconomic determinants of long-term volatilities and correlations in U.S. stock and crude oil markets[J]. Empir. Finance，2014（29）： 26–40.

龔金國(guó)，史代敏.金融自由化，貿(mào)易強(qiáng)度與股市聯(lián)動(dòng)——來自中美市場(chǎng)的證據(jù)[J].國(guó)際金融研究，2015，338（6）：85-96.

武慧鋒. 新聞報(bào)導(dǎo)對(duì)股票價(jià)格影響的實(shí)證研究[J].財(cái)政科學(xué)，2017（9）， 135-140.

田家宇.后危機(jī)時(shí)期中美股票市場(chǎng)聯(lián)動(dòng)性分析.[D].長(zhǎng)春：東北帥范大學(xué)，2018.

Abstract： This paper explores the co-movement between Chinese and American stock markets. Through the empirical study， we find that the stock index return rates of Chinese and American stock markets do have correlation in the selected sample range. In different time ranges， the correlation between the two stock markets is different but roughly in the same direction， and the long-term correlation is more stable than the short-term correlation. Major events in the world and economic uncertainty in the United States will also have a significant impact on the co-movement of Chinese and American stock markets， and the latter has a negative impact.

Keywords： Chinese and American stock markets; return rate; co-movement; DCC-GARCH; DCC-MIDAS