沪_深股票市场与香港股票市场的溢出效应_基于发布_港股直通车_方案前后的比较分析

99财务管理NankaiBusinessReview 2009,Vol.12,No.4,pp沪、深股票市场与香港股票市场的溢出效应—— 基于发布“港股直通车”方案前后的比较分析*○ 张信东 赵 芳摘要本文以沪、深、港三地股票市场的数据为样本，用VAR模型和二元GARCH模型重点研究“港股直通车”事件是否对港市与沪、深股市的收益率及波动溢出关系有显著影响。研究结果表明，“港股直通车”公布之前，港市与沪、深股市间不存在任何方向的收益率溢出效应，但存在单向波动溢出效应；“港股直通车”公布之后，港市与沪、深股市间不仅存在单向收益率溢出效应，港市与沪市间还存在双向波动溢出效应，与深市间则存在单向波动溢出效应。关键词股票市场；溢出效应；VAR模型；多元GARCH模型*本文受教育部人文社会科学研究项目（06JA630035）、山西省高等学校人文社科重点研究基地项目（20083006）资助引言2007年8月20日，国家外汇管理局发布了被业内称为“港股直通车”的“开展境内个人直接投资境外证券市场试点方案”，批准在天津滨海新区进行试点，开展境内居民直接对外证券投资。消息一经公布立即引起强烈反响，香港股市更是闻之而起，公布当日即大幅上扬5.93%，港股国企指数也在一周内上涨40%。在8月20日到10月30日短短两个多月里，恒生指数从21595.63点一路攀升至31638.22点，最高涨至31958.4点，涨幅达到46.5%。其间，管理层传递的信息大多是不会立刻开始实施“港股直通车”，并一直没有披露相关细节以及确切的推出时间表。进入11月，管理层要求对“港股直通车”方案的风险和操作程序进行重新评估和调整。受“港股直通车”暂缓消息影响，香港股市11月5日大幅下挫，并跌破30000和29000两大整数关，全日收报于28942.32点，暴跌1526.02点，以点数计，创历史最大跌幅，跌幅达5.01%。“港股直通车”的缓行，引起人们对“港股直通车”推出是否操之过急、是否面临一些无法预知的风险以及香港股市能否承受内地的流动性“泄洪”等问题的种种猜测。“港股直通车”最终能否顺利推行以及何时、以何种方式推行，已经成为一个经济热点话题。近年来，沪、深股票市场与香港股票市场的联动性越来越强。香港作为外贸依托性的国际金融中心之一，股票市场能够较大程度地反映国际经济形势和国际资本市场变化，沪、深股票市场通过香港股票市场与世界成熟市场间的关系也愈来愈密切。特别是在中国股市已经基本完成股权分置改革、引入“双Q”机制和计划推出“港股直通车”的情况下，研究中国内地股票市场与香港股票市场间的相关性、互动性以及市场冲击传导机制（特别是市场间的整合发展趋势），对于分析与研究股市的结构、判断股市的走势及风险传递具有重要作用。同时，对于投资者构造有效的投资组合以分散投资风险、政府制定正确的市场监管政策以提高金融市场效率等，也具有重要的理论和实践意义。本文的主要目的是用计量经济学的方法来研究中国沪、深股票市场与香港股票市场之间的联动关系，以验证沪、深股市与港市间是否存在收益率和波动性的相互溢出。出于下面几个原因，本文将比较研究“港股直通车”试行方案与沪、深、港股间溢出效应变化的经验关系：第一，香港股市作为一个国际化的股票市场，制度比较成熟、完善和规范，与只有十多年历史的内地股票市场相比，在运行机制、对外开放度、上市企业规模、投资者结构以及监管制度等方面都存在差异。第二，在同一个国家里，沪、深股市与香港股市却形成两种风格不同的市场，并且，由于香港与内地文化的共源性以及投99-106100财务管理南开管理评论 2009年12卷,第4期第页资往来的密切性，内地因素对香港股市的作用将逐渐增强，香港因素也将影响到内地股市。第三，“港股直通车”试行方案无疑是沪、深、港三地股市最具影响力的事件，通过研究“港股直通车”事件是否对沪、深股市与港市的溢出关系有影响，从而可以分析内地股市与香港股市的联动性是否有所增强。一、文献回顾刻画不同股市之间动态(时变)影响关系一直是证券市场理论的重要研究课题之一。股票市场之间的信息传递可以通过收益率的均值溢出来体现，也可以通过收益率的方差或波动溢出得到体现。均值溢出效应是收益率条件一阶矩的格兰杰因果关系，而波动溢出效应是收益率二阶矩的格兰杰因果关系。许多经验研究证明，信息对资产收益的一阶矩和二阶矩都会产生影响。但是，由于波动性反映资产的风险，所以对波动溢出效应的研究文献较多。自1987年10月以来，国际上的主要股票指数就呈现出越来越显著的共同运动趋势。[1]国外已有较多关于“溢出效应”①的研究，在1989年Eun和Shim以美国、加拿大、英国、法国、德国、日本、澳大利亚、瑞士以及中国香港地区等股市的数据为样本，探讨国际股市间的联动关系之后，[2]Hamao等、[3]Lin等、[4]King等、[5]Engle等、[6]Chan等[7]也先后通过建立GARCH、SV模型，检验方差的波动来研究溢出问题。King等对1987年10月美国股市暴跌事件进行研究，结果表明股市间存在“传染效应”。[8]Andrew和Helen则利用向量GRACH模型研究亚洲成熟股票市场间和新兴资本市场的溢出效应，结果表明各市场间存在显著的均值与波动溢出效应。[9]国内一些文献也为研究股市间收益与波动关系做出一定的贡献。刘金全、崔畅采用协整和误差修正模型（VEC）并构建考虑外生变量的单变量TGARCH模型考察沪、深两市间收益的长短期关系，结果表明两市间存在显著的波动溢出和“杠杆效应”。[10]赵留彦、王一鸣构建出一个双变量GARCH模型对A、B股之间波动溢出进行考察，得出仅存在A股向B股的单项波动溢出。[11]张碧琼运用多外生性冲击变量的EGARCH模型检验了纽约、伦敦、东京、香港、上海以及深圳股票市场之间日收益波动溢出的“流星雨”假定，结论是香港、伦敦、纽约的“流星雨”对上海、深圳市场日收益波动有显著性影响，而上海和深圳市场之间，上海、深圳分别与香港市场之间存在显著的双向日收益波动溢出现象。[12]谷耀、陆丽娜构建DCC-(BV)E-GARCH-VAR模型度量沪、深、港股市间的收益、波动的冲击及动态(时变)条件相关性，得出港市无论是在收益还是波动上都对沪、深两市存在显著的溢出效应，而沪、深两市间相互影响是非对称的。[13]李勇、李传乐构建向量GARCH模型对A+H双重上市公司在不同市场环境下的风险传染效应进行了实证研究，结果表明风险传染效应在牛、熊市中存在着异化现象。[14]在目前国内关于股票市场间关联性效应的研究中，对中国沪、深股市与香港股市间溢出效应的研究较少，且没有着重考察“港股直通车”方案公布对沪、深、港股票市场的影响分析。考虑到研究方法和研究目标的一致性，我们将用VAR模型分析香港股市收益率和沪、深股市收益率之间的均值溢出效应，而用多元GARCH模型分析香港股市价格波动和沪、深股票价格波动之间的波动溢出效应。二、数据选取与研究方法1.数据选取鉴于我国从2005年5月1日后开始股权分置改革以及国家外汇管理局是在2007年8月20日发布被称为“港股直通车”的“开展境内个人直接投资境外证券市场试点方案”，本文以2007年8月20日为比较分析的分界点，分别选取上证综指、深证成指和香港恒生指数为各个市场的代表性指数，运用2005年5月1日到2007年8月19日各市场指数的539个日收盘价，以及2007年8月20日到2008年8月20日各市场指数的238个日收盘价为样本数据进行比较分析。在2005年5月1日到2007年8月19日的区间内，股市基本处于牛市阶段，而在2007年11月后股市基本处于熊市阶段，由于股票价格中已吸收包含所有可能信息，在全球面临金融危机的大环境下，经济走势的改变对股市间溢出效应的关系影响也将体现在股票价格以及市场代表性指数价格的变化中。也就是说，股票市场间的联动性并不会因为全球金融危机的来临而阻断，反而会使各股票市场间的联动性愈加密切。本文采用的样本数据为：上证综指收益率、深证成指收益率和香港恒生指数的日收益率。用,itR表示第i个市场在t时刻的收益率，由下面的公式计算得到：(1)式中，,itP为第i个市场在t时刻的价格（指数）。上证综指和深证成指来源于大智慧行情分析软件，香港恒生指数来源于钱龙旗舰行情分析软件。②我们分别用SH和SZ表示上证综指收益率和深证成指收益率，用HK99-106101财务管理NankaiBusinessReview 2009,Vol.12,No.4,pp表示香港恒生指数收益率。2.研究方法(1)VAR模型向量自回归模型（VectorAutoregression，VAR）把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。假设两个收益率序列1,tR和2,tR，满足下列均值方程：(2)(3)1,1,122,2,ttttttHενεεν==(4)11,12,21,22,ttttthhHhh=(5)其中，ε1,t和ε2,t为误差序列，v1,t和v2,t都是标准高斯白噪音序列，Ht为2×2维对称矩阵，表示条件残差在t时刻的方差协方差矩阵。(2)多元GARCH(1,1)模型一元GARCH模型（UnivariateGARCH）是Boller-slev于1986年在RobertF.Engle的ARCH模型的基础上发展起来的，是为考虑波动冲击的持续性而将自回归结构加入到条件方差中。虽然一元GARCH模型能够充分刻画单个金融市场波动的时变特征，却在考察多个金融市场的相关性方面缺乏效率。因为应用一元GARCH模型时，不得不将几个市场分割开来考察各自的条件波动性，这必然损失这些金融市场相关性中所包含的有效信息。[11]而多元GARCH（MultivariateGARCH）模型或称向量GARCH（VectorGARCH）模型利用残差向量的协方差矩阵所蕴涵的信息很好地解决了这一问题。因此，本文采用的模型是Engel等提出的BEKK③形式的多元GARCH模型。其优点是可以在很弱的条件下保证协方差矩阵的正定性且需要估计的参数个数较少，因此在实际问题的分析和讨论中，该模型是一种非常方便的表达式。假设有两个市场，其BEKK向量条件方差方程：111ttttHCCAABHB(6)式(6)为BEKK形式的多元GARCH形式的方差方程。其中：C为上三角常数矩阵，A代表ARCH项的系数矩阵，B代表GARCH项的系数矩阵。各矩阵具体表示如下：1112220ccCc=11122122Aαααα=11122122Bββββ=(7)将条件方差—协方差矩阵以分量方程的形式来写，可表示为：(8)(9)(10)式中，h11表示A的条件方差；h22表示B的条件方差；h12和h21表示A、B间条件协方差。cij、αij和βij分别为矩阵C、A、B的第(i，j)个元素。从(8)式和(9)式可以看出：如果α12和β12都等于0时，序列1对序列2没有波动溢出效应；同理，当α21和β21都等于0时，序列2对序列1没有波动溢出效应。因此，我们可以通过检验A和B的非对角线上的元素是否为0来验证序列之间是否存在波动溢出。三、实证结果与分析1.基本统计描述(1)上证综指、深证成指和恒生指数日收益率折线图ڎ

ʼ᝼፫ૈNjຆ᝼੆ૈNj়ၶૈஜ௅அᄝညઈጲڎḚḛ4)4;),图1是200