中國綠色債券市場與股債市場的風(fēng)險(xiǎn)溢出效應(yīng)研究

周游

(1.澳門城市大學(xué)金融學(xué)院 中國澳門 999078；2.韓山師范學(xué)院經(jīng)濟(jì)與管理學(xué)院 廣東潮州 515633)

近年來，高速發(fā)展的綠色債券市場為我國符合“3060”雙碳目標(biāo)項(xiàng)目提供了大量金融資源，有力地引導(dǎo)了社會資本流向環(huán)境偏好型項(xiàng)目，促進(jìn)了全社會的綠色轉(zhuǎn)型發(fā)展。據(jù)Wind數(shù)據(jù)庫統(tǒng)計(jì)，中國綠色債券的發(fā)行規(guī)模自2016年高速增長，2021年總共發(fā)行綠色債券626支，累計(jì)發(fā)行金額6023.22億元，約占全球總發(fā)行量的18.91%，僅次于美國，位列全球第二，存量規(guī)模也已達(dá)1.75萬億元。但我國綠色債券市場較歐美國家起步較晚，投資者對綠色債券的熟悉度和認(rèn)可度不高等問題，在一定程度上限制了社會資本對綠色債券的投資，也成為我國綠色債券市場發(fā)展的障礙。綠色債券市場作為金融市場的一部分，其發(fā)展需要大量投資者的參與，而投資者的參與熱情與綠色債券的風(fēng)險(xiǎn)回報(bào)密切相關(guān)。隨著我國綠色債券市場規(guī)模的逐步擴(kuò)大，其與相關(guān)金融市場之間的聯(lián)系日益緊密。因此，本文以中國綠色債券指數(shù)為研究對象，基于DCCGARCH模型分析綠色債券市場與中國股票市場、債券市場之間的風(fēng)險(xiǎn)溢出效應(yīng)，能在一定程度上豐富資產(chǎn)定價(jià)理論及風(fēng)險(xiǎn)管理理論，也能在金融實(shí)踐中為促進(jìn)投資者轉(zhuǎn)型綠色投資和進(jìn)行投資組合風(fēng)險(xiǎn)管理提供參考，對發(fā)展壯大我國綠色債券市場、促進(jìn)社會資本有效地投資于與中國綠色發(fā)展目標(biāo)相一致的經(jīng)濟(jì)活動中、實(shí)現(xiàn)社會綠色轉(zhuǎn)型發(fā)展和“3060”雙碳目標(biāo)均具有重大的實(shí)踐意義。

1 文獻(xiàn)綜述

1.1 關(guān)于風(fēng)險(xiǎn)溢出效應(yīng)

Engle(2002)提出了DCC-GARCH(Dynamic Conditional Correlation GARCH)模型，并實(shí)證研究了美國股票市場和債券市場之間的相關(guān)性，結(jié)果顯示道瓊斯指數(shù)和債券價(jià)格的關(guān)聯(lián)度高于納斯達(dá)克指數(shù)，該模型被廣泛運(yùn)用于研究金融市場之間的聯(lián)動性問題。鄭振龍和楊偉(2012)基于DCC模型研究發(fā)現(xiàn)，我國股票和債券收益之間的相關(guān)性呈現(xiàn)出動態(tài)時(shí)變的特征，并且相關(guān)性的波動性很大。胡東濱和張展英(2012)同樣采用DCC-GARCH模型對金屬期貨市場與外匯市場和貨幣市場之間的動態(tài)相關(guān)性進(jìn)行研究，實(shí)證結(jié)果表明金屬期貨市場與外匯市場之間存在一定的動態(tài)相關(guān)性。游士兵和吳雨濛(2020)通過構(gòu)建VAR模型與DCC-GARCH模型，對滬倫通開通前后中國股市與英國股市的聯(lián)動性變化進(jìn)行實(shí)證研究并得出結(jié)論，中國與英國股市之間存在長期穩(wěn)定的聯(lián)動關(guān)系，且隨著滬倫通的開通，兩地股市之間的聯(lián)動性有所增強(qiáng)。

1.2 關(guān)于綠色債券市場風(fēng)險(xiǎn)的研究

Pham(2016)最早關(guān)注綠色債券市場與其他金融市場之間的風(fēng)險(xiǎn)溢出效應(yīng)，通過多變量的GARCH模型研究發(fā)現(xiàn)，標(biāo)準(zhǔn)普爾綠色債券指數(shù)從常規(guī)債券指數(shù)中獲得了波動溢出效應(yīng)。Reboredo(2018)使用靜態(tài)和動態(tài)Copula函數(shù)研究綠色債券市場與金融市場之間的依賴結(jié)構(gòu)發(fā)現(xiàn)，綠色債券和政府債券之間存在顯著聯(lián)系，而與股票和能源市場的聯(lián)動性較弱。Hammoudeh(2020)基于格蘭杰因果檢驗(yàn)實(shí)證發(fā)現(xiàn)，自2016年底開始，從10年期美國國債指數(shù)到綠色債券有很大的因果關(guān)系。Reboredo和Ugolini(2020)使用結(jié)構(gòu)VAR模型研究得出結(jié)論，綠色債券市場從固定收益和貨幣市場中獲得了相當(dāng)大的價(jià)格溢出效應(yīng)，而與股票市場、能源市場和高收益公司債券市場的聯(lián)系較弱。Ferrer等(2021)基于方差分解的譜分析框架研究發(fā)現(xiàn)，在美國市場上，綠色債券與國債和投資級公司債券在回報(bào)率和波動性方面存在較強(qiáng)的聯(lián)系。

由于中國首批綠色債券指數(shù)發(fā)布于2016年，目前國內(nèi)對綠色債券風(fēng)險(xiǎn)特征的相關(guān)研究比較缺乏。杜子平等(2019)選取國際市場上三支綠色債券指數(shù)和傳統(tǒng)債券指數(shù)，應(yīng)用DCC-GARCH模型分析其收益率之間的聯(lián)動性，結(jié)果表明，綠色債券與傳統(tǒng)債券指數(shù)收益率序列動態(tài)相關(guān)系數(shù)呈現(xiàn)一定程度的不穩(wěn)定性，波動劇烈但幅度不大。秦菽檬等(2019)基于綠色債券出現(xiàn)前后的數(shù)據(jù)，采用多變量多分位數(shù)方法研究發(fā)現(xiàn)，在貼標(biāo)綠色債券出現(xiàn)后，低碳產(chǎn)業(yè)股票市場與綠色債券市場的尾部風(fēng)險(xiǎn)溢出呈現(xiàn)出不對稱的特征。高揚(yáng)和李春雨(2021)采用Diebold和Yilmaz(2012)的溢出指數(shù)法實(shí)證發(fā)現(xiàn)，中國綠色債券市場與傳統(tǒng)固定收益市場之間存在顯著的風(fēng)險(xiǎn)溢出效應(yīng)，而與股市和外匯市場間的風(fēng)險(xiǎn)溢出效應(yīng)比較微弱。

現(xiàn)有文獻(xiàn)對金融市場之間的聯(lián)動性研究成果十分豐富。關(guān)于綠色債券市場與其他金融市場之間的風(fēng)險(xiǎn)溢出效應(yīng)主要集中于歐美國家，但對中國綠色債券市場缺少關(guān)注。綠色債券市場的發(fā)展能夠引導(dǎo)社會資本投資綠色項(xiàng)目，對中國“3060”雙碳目標(biāo)的實(shí)現(xiàn)具有重大意義，了解中國綠色債券市場的風(fēng)險(xiǎn)收益狀況非常有必要。本文基于DCC-GARCH模型研究中國綠色債券市場與傳統(tǒng)債券市場和股票市場之間的風(fēng)險(xiǎn)溢出效應(yīng)，有望為綠色金融政策的實(shí)施，投資者進(jìn)行風(fēng)險(xiǎn)分析、資產(chǎn)定價(jià)及投資組合分析提供有價(jià)值的參考。

2 模型構(gòu)建

2.1 DCC-GARCH模型

Engle(2002)提出的DCC-GARCH(Dynamic Conditional Correlation GARCH)模型能對時(shí)間序列之間的動態(tài)相關(guān)性進(jìn)行刻畫，其基本思想是將協(xié)方差矩陣H分解為時(shí)變的條件標(biāo)準(zhǔn)差D和相關(guān)矩陣 R兩部分。假設(shè)中有n個(gè)資產(chǎn)，各自的條件收益率服從均值為0，協(xié)方差矩陣為H的多元正態(tài)分布，該模型為：

其中，為條件均值，μ=(r|Ω)，，；Ω為到時(shí)刻－ 1為止的信息集；為殘差項(xiàng)，且ε|Ω～(0,H)。

DCC模型的條件協(xié)方差矩陣分解為：

R為動態(tài)相關(guān)系數(shù)矩陣，Engle(2002)定義的動態(tài)條件相關(guān)系數(shù)由以下兩個(gè)方程共同決定：

2.2 參數(shù)的估計(jì)方法

DCC-GARCH模型參數(shù)可通過二階段極大似然估計(jì)法估計(jì)得出，先估計(jì)單變量GARCH模型的參數(shù)，再根據(jù)GARCH模型的標(biāo)準(zhǔn)化殘差估計(jì)動態(tài)條件相關(guān)性的系數(shù)。模型參數(shù)可以分為兩個(gè)部分，=(,)，其中φ=(,,···,,β,···,β)上第個(gè)變量的單變量GARCH模型的參數(shù)；為第二階段估計(jì)出來的DCC-GARCH模型的參數(shù)。

3 中國綠色債券市場的溢出效應(yīng)檢驗(yàn)

3.1 數(shù)據(jù)樣本與描述性統(tǒng)計(jì)

本文選取中債-中國綠色債券凈價(jià)指數(shù)(GB)、中債-國債總凈價(jià)指數(shù)(CB)和滬深300指數(shù)(HS)分別作為綠色債券市場、傳統(tǒng)債券市場和股票市場的代理變數(shù)，剔除由于股債市場交易日期不一致導(dǎo)致的空白數(shù)據(jù)后，每個(gè)指數(shù)各有2849個(gè)數(shù)據(jù)。數(shù)據(jù)全部來源于Wind數(shù)據(jù)庫，所有數(shù)據(jù)經(jīng)公式r,=100 ×ln(P,/P,)進(jìn)行對數(shù)差分處理得出日對數(shù)收益率。圖1為三個(gè)收益率序列的時(shí)序圖，由此可以看出，三個(gè)指數(shù)的收益率均存在明顯的波動聚集現(xiàn)象，綠色債券市場和國債市場收益率的波動幅度較為接近，且極端值的出現(xiàn)幾乎同步；滬深300指數(shù)的波動率要明顯高于兩個(gè)債券指數(shù)。

圖1 市場收益率時(shí)序

從表1的描述性統(tǒng)計(jì)來看，所有變量的均值都接近0；股票市場標(biāo)準(zhǔn)差最高，而綠色債券市場的標(biāo)準(zhǔn)差最??；整體上三個(gè)指數(shù)的收益率都呈現(xiàn)出尖峰厚尾的特征，偏度系數(shù)顯示了綠色債券指數(shù)及國債指數(shù)收益率均具有右偏的特征，而滬深300指數(shù)為左偏；從峰度系數(shù)來看，綠色債券指數(shù)的峰度最大，為16.80；Jarque-Bera統(tǒng)計(jì)量均在1%的顯著性水平下拒絕了收益率序列服從正態(tài)分布的原假設(shè)；ARCH效應(yīng)檢驗(yàn)強(qiáng)烈拒絕了各序列無條件異方差的原假設(shè)；ADF單位根統(tǒng)計(jì)量都小于1%顯著性水平上的臨界值，說明所有變量均為平穩(wěn)時(shí)間序列，可以進(jìn)行下一步的建模分析。

表1 描述性統(tǒng)計(jì)

3.2 基于DCC-GARCH模型的實(shí)證分析

在金融實(shí)際研究中，GARCH(1，1)被認(rèn)為能夠很好地刻畫金融時(shí)間序列的特征。因此，本文以(,)－(1,1)模型進(jìn)行第一步的擬合，提取標(biāo)準(zhǔn)化殘差構(gòu)建DCC(1，1)模型，并使用極大似然估計(jì)法估計(jì)動態(tài)相關(guān)系數(shù)和。此外，由于三個(gè)收益率序列均在1%的顯著性水平上拒絕了正態(tài)分布的原假設(shè)，因此本文在上述模型估計(jì)過程中均采用學(xué)生分布對殘差進(jìn)行擬合。

表2匯總了三個(gè)收益率序列－模型的參數(shù)擬合和模型診斷結(jié)果。在模型的擬合中，本文以BIC準(zhǔn)則確定模型的階數(shù)，綠色債券指數(shù)、傳統(tǒng)債券指數(shù)和股票指數(shù)的最優(yōu)模型分別為(1,2)、(1,0)和(0,0)，所有參數(shù)均具有較高的顯著性。表2第二部分為基于GARCH(1，1)模型的參數(shù)擬合結(jié)果，所有模型的參數(shù)估計(jì)都在1%的水平上顯著，ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)之和均接近1，且同時(shí)滿足系數(shù)之和小于1的約束條件，說明三個(gè)市場收益率序列的波動存在聚集性和持久性。從模型的診斷結(jié)果來看，雖然滬深300指數(shù)收益率序列經(jīng)－模型過濾后的殘差序列滯后5階無法拒絕存在自相關(guān)性的原假設(shè)，但三個(gè)收益率殘差平方序列的滯后5階均拒絕存在自相關(guān)的原假設(shè)，且ARCH-LM檢驗(yàn)結(jié)果殘差平方序列不存在ARCH效應(yīng)。

表2 ARMA －GARCH 模型的擬合

依據(jù)ARMA-GARCH模型提取得到三個(gè)收益率的殘差序列，本文進(jìn)一步構(gòu)建DCC-GARCH(1，1)模型，分析三個(gè)市場兩兩組成的組合的動態(tài)風(fēng)險(xiǎn)溢出效應(yīng)。表3列出了基于最大似然估計(jì)法下的模型估計(jì)結(jié)果，3個(gè)市場組合的項(xiàng)和項(xiàng)的系數(shù)幾乎都在較高的水平上顯著，且兩者之和均小于1，說明DCC-GARCH(1，1)模型具有穩(wěn)定性。其中，三組組合項(xiàng)的參數(shù)均較小，說明在這三個(gè)市場組合中，滯后一期的標(biāo)準(zhǔn)化殘差乘積對動態(tài)相關(guān)系數(shù)的影響較弱。綠色債券指數(shù)與國債指數(shù)、國債指數(shù)與滬深300指數(shù)的系數(shù)分別為0.915和0.913，說明這兩組組合的動態(tài)相關(guān)系數(shù)受前期的影響較大，持續(xù)性強(qiáng)。相比之下，綠色債券市場與滬深300指數(shù)的系數(shù)為0.899，這兩個(gè)市場動態(tài)相關(guān)系數(shù)的持續(xù)性相對較弱。此外，+的系數(shù)也反映了綠色債券指數(shù)與國債指數(shù)、國債指數(shù)與滬深300指數(shù)的整體持續(xù)性高于綠色債券指數(shù)與滬深300指數(shù)的組合。

表3 DCC-GARCH(1，1)模型估計(jì)結(jié)果

從表4的描述性統(tǒng)計(jì)來看，綠色債券市場與傳統(tǒng)債券市場的動態(tài)相關(guān)系數(shù)介于0.425～0.949，均值為0.640。圖2為依據(jù)DCC-GARCH模型擬合結(jié)果繪制的綠色債券市場與傳統(tǒng)債券市場組合的動態(tài)條件相關(guān)系數(shù)。由圖2可以看出，動態(tài)相關(guān)系數(shù)的幾處高位主要出現(xiàn)在2010年10月、2013年下半年、2014年11—12月，2016—2017年初、2018年4月、2020年初及2021年7月，對應(yīng)的背景分別是2010年1月央行時(shí)隔三年首次加息導(dǎo)致債券市場極速走低；2013年下半年債券發(fā)行利率不斷走高，投資需求減弱，導(dǎo)致各類債券各期限的招標(biāo)利率在當(dāng)年11月達(dá)到歷史高點(diǎn)；2014年11月央行宣布降息及投資機(jī)構(gòu)在強(qiáng)制去杠桿的壓力下拋售債券，導(dǎo)致債券價(jià)格走低，2018年的中美貿(mào)易摩擦及2020年新冠疫情爆發(fā)期間。說明當(dāng)前中國綠色債券市場雖然體量不大，但綠色債券市場與傳統(tǒng)債券市場之間已經(jīng)具有較高的、時(shí)變的正向相依性，兩者之間的相依性容易受到外部事件的影響而出現(xiàn)協(xié)同上漲，即當(dāng)綠色債券市場或傳統(tǒng)債券市場在受到市場沖擊時(shí)，不僅自身的波動性會增強(qiáng)，還會導(dǎo)致另一個(gè)市場的波動性同樣增強(qiáng)，兩個(gè)市場之間存在非常強(qiáng)的波動溢出效應(yīng)，主要原因在于兩者同屬固定收益市場，兩者所受的風(fēng)險(xiǎn)因素較為接近。

表4 動態(tài)相關(guān)系數(shù)的描述性統(tǒng)計(jì)

圖2 綠色債券市場與傳統(tǒng)債券市場的動態(tài)相關(guān)系數(shù)

從圖3綠色債券市場、傳統(tǒng)債券市場分別與股票市場構(gòu)成的組合動態(tài)相關(guān)系數(shù)來看，兩個(gè)債券市場與股票市場的走勢相當(dāng)接近，且均值都為負(fù)值，說明兩個(gè)債券市場與股票市場之間僅存在較弱的風(fēng)險(xiǎn)溢出效應(yīng)，只有當(dāng)股票市場發(fā)生極端事件時(shí)，風(fēng)險(xiǎn)才容易從股票市場溢出到傳統(tǒng)債券市場中。綠色債券市場與股票市場動態(tài)相關(guān)系數(shù)的最大值和最小值均大于傳統(tǒng)債券市場與股票市場的組合，說明綠色債券市場與股票市場之間的風(fēng)險(xiǎn)溢出效應(yīng)更高。但是從標(biāo)準(zhǔn)差來看，傳統(tǒng)債券市場與股票市場之間動態(tài)相關(guān)系數(shù)的變化范圍更大。

圖3 債券指數(shù)與滬深300指數(shù)的動態(tài)相關(guān)系數(shù)

2013年6月21日，兩個(gè)債券市場與股票市場之間的風(fēng)險(xiǎn)溢出效應(yīng)達(dá)到最大值，分別為0.4077和0.3779，當(dāng)時(shí)伴隨著市場央行貨幣政策的擔(dān)憂及螞蟻金服的余額寶上線，債券收益率出現(xiàn)超預(yù)期下跌。在股票市場上，由于流動性短缺使得金融機(jī)構(gòu)紛紛拋售資產(chǎn)，6月24日滬指遭受“黑色星期一”，跌幅超過5%。2014年11月下旬，中國人民銀行宣布降息，上證迎來500多點(diǎn)的上漲，股票市場與債券市場之間的相關(guān)性也出現(xiàn)了快速提高。2016年初股票市場多次出現(xiàn)熔斷，上證下跌近1000點(diǎn)，股票市場與債券市場出現(xiàn)較大的風(fēng)險(xiǎn)傳遞。2018年以后，兩個(gè)債券市場與股票市場的動態(tài)相關(guān)系數(shù)以負(fù)數(shù)為主，較大的風(fēng)險(xiǎn)溢出效應(yīng)出現(xiàn)在2021年1—2月，央行逐步收緊流動性，市場資金面超預(yù)期收緊，導(dǎo)致貨幣市場利率快速攀升，進(jìn)而推高債券市場利率。值得一提的是，從2019年12月開始，股票市場與債券市場之間的動態(tài)相關(guān)性持續(xù)下降，至2020年初受新冠疫情影響，下降至樣本期間內(nèi)的最低值，隨后快速上漲，動態(tài)相關(guān)系數(shù)由負(fù)轉(zhuǎn)正，這與金融危機(jī)期間各金融資產(chǎn)之間的相關(guān)性趨于正向變化的現(xiàn)實(shí)相符。

4 結(jié)語

本文以2005年1月5日—2021年12月31日中債-中國綠色債券凈價(jià)指數(shù)、中債-國債凈價(jià)指數(shù)及滬深300指數(shù)日數(shù)據(jù)為樣本，構(gòu)建DCC-GARCH模型研究綠色債券市場與傳統(tǒng)債券市場、股票市場之間的風(fēng)險(xiǎn)溢出效應(yīng)。結(jié)果表明，綠色債券市場與傳統(tǒng)債券市場之間已經(jīng)具有時(shí)變的、較高的正向相依性，兩個(gè)市場之間存在非常強(qiáng)的波動溢出效應(yīng)，當(dāng)綠色債券市場或傳統(tǒng)債券市場自身的風(fēng)險(xiǎn)受到外部事件沖擊而增大時(shí)，風(fēng)險(xiǎn)非常容易在兩個(gè)市場之間傳導(dǎo)。而綠色債券市場、傳統(tǒng)債券市場與股票市場之間在大多數(shù)情況下動態(tài)相關(guān)系數(shù)為負(fù)值，只有市場出現(xiàn)極端風(fēng)險(xiǎn)時(shí)，風(fēng)險(xiǎn)才容易在股票市場和債券市場之間出現(xiàn)傳導(dǎo)，說明這些市場之間僅存在較弱的風(fēng)險(xiǎn)溢出效應(yīng)，且綠色債券市場與股票市場之間的風(fēng)險(xiǎn)溢出效應(yīng)和傳統(tǒng)債券市場與股票市場的風(fēng)險(xiǎn)溢出效應(yīng)在樣本期間內(nèi)較為接近。

針對以上結(jié)論，本文認(rèn)為綠色債券市場雖然當(dāng)前體量不大，但是其與傳統(tǒng)債券市場之間高度的相依性可為投資者在構(gòu)建投資組合過程中，將綠色債券作為傳統(tǒng)債券的替代者納入投資組合中，在與股票市場構(gòu)建的組合中，綠色債券可以在多元化投資中對沖市場風(fēng)險(xiǎn)。從市場監(jiān)督者的角度來看，需要建立風(fēng)險(xiǎn)監(jiān)測與預(yù)警機(jī)制，防范金融事件沖擊對綠色債券市場造成的不確定性影響，為綠色債券市場的發(fā)展保駕護(hù)航。從政策制定者的角度而言，應(yīng)加大對綠色債券發(fā)行的支持和宣傳，同時(shí)降低債券投資門檻，以吸納更多投資者尤其是大型機(jī)構(gòu)投資者，促進(jìn)社會資本轉(zhuǎn)型綠色投資，更好地助力中國“3060”雙碳目標(biāo)的實(shí)現(xiàn)。