薛襄稷，吳艷君

(集美大學(xué)誠(chéng)毅學(xué)院 經(jīng)濟(jì)系，福建 廈門(mén)361021)

0 引言

當(dāng)某一股市價(jià)格或收益率上漲或下跌時(shí)，另一股市相關(guān)變量也上漲或下跌，這就體現(xiàn)了股票市場(chǎng)之間的聯(lián)動(dòng)性。自2005 年以來(lái)，我國(guó)內(nèi)地股市實(shí)施了一系列的改革，這些改革使得內(nèi)地股市不斷的完善，同時(shí)也讓內(nèi)地股市逐步走向開(kāi)放，逐漸與世界的其他股票市場(chǎng)產(chǎn)生聯(lián)系。在這一背景下，香港作為中國(guó)的一部分，同時(shí)也是重要的國(guó)際金融中心之一，是中國(guó)股市走向全球其他市場(chǎng)必不可少的一個(gè)部分。2014 年4 月10 日內(nèi)地證監(jiān)會(huì)和香港證監(jiān)會(huì)聯(lián)合公告，批準(zhǔn)建立上海與香港股票市場(chǎng)交易互聯(lián)互通機(jī)制試點(diǎn)(即“滬港通”)，允許兩岸投資者通過(guò)交易所買賣港股和A 股，這一舉措無(wú)疑是中國(guó)內(nèi)地與香港資本市場(chǎng)雙向開(kāi)放程度進(jìn)一步深化的重要標(biāo)志。滬港股市是否存在聯(lián)動(dòng)關(guān)系?如果存在聯(lián)動(dòng)關(guān)系，關(guān)系又如何?對(duì)此進(jìn)行研究，一方面有助于廣大投資者進(jìn)行投資組合分析、價(jià)格預(yù)測(cè)，研究證券市場(chǎng)結(jié)構(gòu)，更好地判斷股市走勢(shì)，從而分散風(fēng)險(xiǎn)，提高收益;另一方面，也從一個(gè)側(cè)面反映兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)傳染機(jī)制，對(duì)政策當(dāng)局進(jìn)行市場(chǎng)監(jiān)管和防范金融風(fēng)險(xiǎn)具有一定的參考意義。

根據(jù)過(guò)去的相關(guān)研究來(lái)看，國(guó)外文獻(xiàn)很少涉及滬市與港市，而國(guó)內(nèi)學(xué)者有不少對(duì)此進(jìn)行研究。如谷耀、陸麗娜［1］利用DCC－EGARCH－VAR 模型進(jìn)行實(shí)證分析，指出1994－2004 年間香港股市對(duì)滬深兩市不論收益還是波動(dòng)風(fēng)險(xiǎn)都存在單方面的溢出效應(yīng)。龔樸、李夢(mèng)玄［2］構(gòu)建了BEEK 模型，指出1999－2006 年滬港兩市之間的波動(dòng)溢出并不顯著，兩市的聯(lián)動(dòng)性相對(duì)較弱，不過(guò)有不斷增大的趨勢(shì)。石建勛、鐘建飛、李海英［3］運(yùn)用協(xié)整關(guān)系檢驗(yàn)、格蘭杰因果關(guān)系檢驗(yàn)和脈沖響應(yīng)方法分析兩市的聯(lián)動(dòng)關(guān)系，認(rèn)為兩地股市從原來(lái)的單向因果關(guān)系轉(zhuǎn)變?yōu)殡p向因果關(guān)系。魯旭、趙迎迎［4］運(yùn)用協(xié)整關(guān)系檢驗(yàn)、格蘭杰因果關(guān)系檢驗(yàn)和脈沖響應(yīng)方法并結(jié)合混合Copula函數(shù)，對(duì)滬深300 指數(shù)和恒生中國(guó)企業(yè)指數(shù)進(jìn)行相關(guān)性分析，指出兩市一體化趨勢(shì)明顯，內(nèi)地股市對(duì)香港股市的波動(dòng)溢出效應(yīng)更為明顯。丁振輝、徐瑾［5］運(yùn)用GARCH(1，1)－M 模型對(duì)兩地股市的開(kāi)盤(pán)收益率和收盤(pán)收益率進(jìn)行了實(shí)證分析，指出兩地股市的相關(guān)性存在著相對(duì)穩(wěn)定的關(guān)系，但是上海股市對(duì)香港股市的影響強(qiáng)于其受香港股市的影響。操穎、方兆本［6］基于混合Copula 函數(shù)對(duì)2007－2012 年滬深300 指數(shù)與恒生中國(guó)企業(yè)指數(shù)進(jìn)行研究，指出香港和內(nèi)地股票市場(chǎng)分割狀態(tài)呈現(xiàn)出減弱的趨勢(shì)，并且“一體化”趨勢(shì)趨于明顯，就波動(dòng)溢出效應(yīng)而言，內(nèi)地股市對(duì)香港股市表現(xiàn)的更為明顯，對(duì)于兩市股指的日收益率波動(dòng)變化則存在長(zhǎng)期的均衡關(guān)系。從市場(chǎng)受短期沖擊的影響來(lái)看，內(nèi)地股票市場(chǎng)在短期沖擊的調(diào)節(jié)、回歸長(zhǎng)期均衡的效果上明顯不如香港市場(chǎng)。

可以看出，不同學(xué)者樣本選取有一定差異，方法不盡相同，結(jié)論也不盡一致。筆者認(rèn)為，選取的時(shí)間段應(yīng)盡可能的長(zhǎng)，使得數(shù)據(jù)包含更新更豐富的信息，同時(shí)應(yīng)從動(dòng)態(tài)相關(guān)性和波動(dòng)溢出效應(yīng)多個(gè)角度來(lái)衡量?jī)蓚€(gè)市場(chǎng)的聯(lián)動(dòng)關(guān)系。本文在借鑒之前學(xué)者研究方法的基礎(chǔ)上，首先對(duì)所采用的主要研究方法進(jìn)行介紹，接著通過(guò)AR－DCC－MVGARCH 模型檢驗(yàn)滬港兩市的時(shí)變聯(lián)動(dòng)關(guān)系，并從GARCH 模型的殘差中提取條件方差，利用格蘭杰因果檢驗(yàn)法對(duì)香港股市與上海股市的波動(dòng)溢出效應(yīng)進(jìn)行深入研究，最后對(duì)全文進(jìn)行總結(jié)并給出相應(yīng)的對(duì)策建議。

1 基本模型介紹

為了研究多個(gè)金融市場(chǎng)的相互關(guān)系，就需要利用多變量GARCH 模型進(jìn)行分析。常用的多變量GARCH 模 型 主 要 有 VECH 模 型(Bollerslev，1988)［7］、CCC 模型(Bollerslev，1990)［8］、BEKK 模型(Engle 和Kroner，1995)［9］等，但它們普遍存在經(jīng)濟(jì)意義不明確、計(jì)算過(guò)于復(fù)雜、需要估計(jì)參數(shù)過(guò)多等缺點(diǎn)，因此，Engle［10］提出了動(dòng)態(tài)條件相關(guān)多變量GARCH 模型((Dynamic Conditional Correlation Multivariate GARCH))。這一方法較好地彌補(bǔ)了這些缺陷，由靈活的GARCH 模型和參數(shù)簡(jiǎn)潔的相關(guān)系數(shù)模型組成，可用于大規(guī)模的相關(guān)系數(shù)矩陣的估計(jì)，為變量之間非線性的時(shí)變相關(guān)關(guān)系的研究提供了一個(gè)較為便利的方法。

本文采用DCC－MVGARCH(1，1)模型對(duì)兩市收益的波動(dòng)性和動(dòng)態(tài)相關(guān)性進(jìn)行研究。本文將DCC－GARCH 模型進(jìn)行略微修改，調(diào)整為ARDCC－MVGARCH 模型。該模型是通過(guò)三組方程構(gòu)成的，均值方程是第一組方程，條件方差方程是第二組方程，由Qt控制的與相關(guān)系數(shù)有關(guān)的一個(gè)類似GARCH(1，1)的模型是第三組方程。具體形式如下:

第一組:

第二組:

第三組:

式(1)是待估的均值方程，Pi，t代表第i 種資產(chǎn)t時(shí)期的收益率，i=1，2，其中φi，0和φi，1分別代表均值方程的待估參數(shù)，為自回歸模型AR(1)的常數(shù)和一階參數(shù)。εi，t是殘差項(xiàng)。服從正態(tài)分布:εt～N(0，Ht)，Ht為殘差在t 時(shí)刻的條件方差矩陣。

式(2)為方差方程，由GARCH(1，1)組成，hi，t分別代表第i 個(gè)股市誤差項(xiàng)在t 時(shí)刻的條件方差，ωi，λi，γi為待估系數(shù)，分別為常數(shù)項(xiàng)、ARCH 參數(shù)、GARCH 參數(shù)。

式(3)為條件方差與相關(guān)系數(shù)矩陣關(guān)系式，其中Dt為對(duì)角矩陣，對(duì)角元素為εt的條件標(biāo)準(zhǔn)差;Rt代表εt的動(dòng)態(tài)相關(guān)系數(shù)矩陣，是對(duì)角線為1 的對(duì)稱陣，由式(4)控制。

整個(gè)DCC－GARCH 模型的估計(jì)要分為兩個(gè)階段。第一階段:對(duì)各收益率序列進(jìn)行單變量GARCH估計(jì)，即估計(jì)表達(dá)式(1)(2)，得出條件方差和殘差序列，用殘差除以條件標(biāo)準(zhǔn)差，得到標(biāo)準(zhǔn)化的殘差序列zt。第二階段:用標(biāo)準(zhǔn)化的殘差序列計(jì)算動(dòng)態(tài)協(xié)方差矩陣(式(4))的系數(shù)和條件相關(guān)系數(shù)。Engle(2002)指出具體每個(gè)階段參數(shù)可通過(guò)極大似然估計(jì)法進(jìn)行求解［11］。對(duì)數(shù)似然函數(shù)分別如式(6)(7):

其中T 為樣本觀測(cè)值個(gè)數(shù)，θ 為待估參數(shù)向量。

2 滬港股市聯(lián)動(dòng)性的實(shí)證分析

2.1 樣本選擇和數(shù)據(jù)處理

本文選取上證綜合指數(shù)和香港恒生指數(shù)收盤(pán)價(jià)作為滬市和港市的代表，從YAHOO 金融世界股票指數(shù)數(shù)據(jù)庫(kù)搜集了2005 年4 月29 日至2015 年6月9 日10 年間的數(shù)據(jù)。由于兩地股市的交易日會(huì)受到節(jié)假日的影響而有所不同，剔除了兩地股市不重疊的數(shù)據(jù)，得到2457 個(gè)樣本數(shù)據(jù)。將兩個(gè)股指的收盤(pán)價(jià)繪制成折線圖，得到2005 年至2015 年內(nèi)地與香港收盤(pán)價(jià)走勢(shì)圖。圖1 中可以看出，內(nèi)地與香港股市走勢(shì)呈現(xiàn)出很強(qiáng)的相似性，最高點(diǎn)、最低點(diǎn)出現(xiàn)時(shí)間基本一致。2005 年以來(lái)，兩個(gè)市場(chǎng)均經(jīng)歷了一個(gè)急速上漲下跌的過(guò)程，在經(jīng)歷一段調(diào)整期后現(xiàn)階段又開(kāi)始出現(xiàn)一個(gè)共同上漲的階段，初步表明兩個(gè)市場(chǎng)有一定的聯(lián)動(dòng)關(guān)系，這為我們后續(xù)的分析提供了有力的保證。在得到原始數(shù)據(jù)后，對(duì)各指數(shù)的每日收盤(pán)價(jià)Pt取對(duì)數(shù)，帶入公式Rt=LNPt－LNPt－1，計(jì)算出兩個(gè)市場(chǎng)的日收益率，分別記為RSHI、RHSI。

圖1 內(nèi)地和香港股市收盤(pán)價(jià)

2.2 基本統(tǒng)計(jì)分析

在進(jìn)行聯(lián)動(dòng)分析之前，有必要對(duì)RSHI、RHSI 序列有個(gè)基本認(rèn)識(shí)，利用Eviews6.0 計(jì)算，結(jié)果如表1所示。兩市收益率都非常小，幾乎接近于0，滬市收益率略大于港市;從標(biāo)準(zhǔn)差來(lái)看，滬市收益率的波動(dòng)大于港股的波動(dòng)，有可能與內(nèi)地股市不成熟、投機(jī)性較強(qiáng)、制度不完善等因素有關(guān);JB 統(tǒng)計(jì)量非常顯著，均拒絕服從正態(tài)分布;從偏度來(lái)看，香港股市收益率右偏分布，滬市收益率左偏分布，峰度均遠(yuǎn)大于3，都具有尖峰厚尾的特征。

表1 各市場(chǎng)收益率序列描述性統(tǒng)計(jì)量

圖2 滬市(左圖)和港市(右圖)日收益率

運(yùn)用圖示的方法可以更為直觀地觀察收益率波動(dòng)情況(見(jiàn)圖2)，可以發(fā)現(xiàn)兩市收益率在金融危機(jī)后期的波動(dòng)程度明顯高于金融危機(jī)發(fā)生之前，股市進(jìn)入較為動(dòng)蕩的時(shí)期。同時(shí)兩市均存在某段時(shí)間內(nèi)波動(dòng)比較小、另一時(shí)間內(nèi)較大幅度波動(dòng)的情況，有可能還存在異方差和自相關(guān)現(xiàn)象，因而對(duì)此進(jìn)行檢驗(yàn)。對(duì)于收益率序列、收益率平方序列的Q 統(tǒng)計(jì)量，前者對(duì)應(yīng)著較大概率值，后者對(duì)應(yīng)的概率值均為0，說(shuō)明兩市存在明顯的ARCH 效應(yīng)，因此采用GARCH模型是比較合適的選擇。除此以外，還需要利用ADF 檢驗(yàn)法進(jìn)行單位根檢驗(yàn)，保證模型不出現(xiàn)偽回歸。從表2 中發(fā)現(xiàn)，RSHI 和RHSI 序列的ADF 檢驗(yàn)統(tǒng)計(jì)量均小于其臨界值，所以拒絕原假設(shè)，收益率均為平穩(wěn)時(shí)間序列。

表2 RSHI 和RHSI 的單位根檢驗(yàn)結(jié)果

2.3 單變量GARCH 模型估計(jì)及結(jié)果分析

根據(jù)前面介紹的兩步估計(jì)法，首先要對(duì)各收益率序列進(jìn)行單變量GARCH 估計(jì)，才能得出條件方差和殘差序列。根據(jù)AIC 最小原則得出每個(gè)市場(chǎng)采用AR(1)－GARCH(1，1)模型比較合適，使用R軟件來(lái)完成式(1)、(2)的 參數(shù)估計(jì)，具體結(jié)果如表3 所示。

表3 AR(1)－GARCH(1，1)模型參數(shù)估計(jì)

從均值方程估計(jì)結(jié)果看，滬市上期交易日收益率對(duì)當(dāng)前交易日收益率存在正向的影響，說(shuō)明有一個(gè)正向反饋機(jī)制，相反港市存在負(fù)向的影響。從條件方差方程來(lái)看，λi為ARCH 參數(shù)，反映下一期的波動(dòng)受當(dāng)前信息的影響程度。該系數(shù)越高，說(shuō)明股市對(duì)新信息的敏感度越高。從表3 中得出，滬市的λ=0.0542，較港市(0.0656)低，對(duì)新信息的反應(yīng)較為遲鈍，而港市對(duì)新信息的反應(yīng)相對(duì)比較敏感。γi為代表?xiàng)l件方差受自身滯后一期的方差的影響程度，該值越大，條件方差衰退速度越快，從表3 中可以看出，滬市衰減速度較慢，港市較快。λi+γi相加越接近于1，當(dāng)前的波動(dòng)趨勢(shì)持續(xù)性越長(zhǎng)，在未來(lái)消失的速度越慢。綜合來(lái)看，兩市的波動(dòng)趨勢(shì)持續(xù)性沒(méi)有太大差異。

2.4 DCC 模型及動(dòng)態(tài)相關(guān)分析

接著，利用AR－GARCH 模型得到標(biāo)準(zhǔn)化的殘差序列zt。最后，用zt估計(jì)整個(gè)DCC 模型及動(dòng)態(tài)相關(guān)系數(shù)。整個(gè)DCC(1，1)模型參數(shù)估計(jì)值λ=0.0494，γ=0.9463。從整個(gè)市場(chǎng)來(lái)看，對(duì)比表3 數(shù)據(jù)發(fā)現(xiàn)，對(duì)新信息的敏感程度要小于單個(gè)市場(chǎng)的敏感程度，而波動(dòng)的連續(xù)性水平(0.9957)高于單個(gè)市場(chǎng)。

動(dòng)態(tài)條件相關(guān)系數(shù)是描述金融市場(chǎng)聯(lián)動(dòng)性的重要指標(biāo)，取值越大，表明市場(chǎng)間的一體化趨勢(shì)越高，聯(lián)動(dòng)性越強(qiáng)。從圖3 中可以看出，兩個(gè)市場(chǎng)的相關(guān)系數(shù)呈現(xiàn)出時(shí)變特征，且有一個(gè)逐步增大的趨勢(shì)。2005－2007 年期間，滬市與港市的相關(guān)系數(shù)有正有負(fù)，主要集中在－0.2—0.3 之間，相關(guān)程度并不是很高，波動(dòng)幅度相對(duì)來(lái)說(shuō)也不是很大。但在2007 年以后兩市相關(guān)性有了一個(gè)比較大的提高，聯(lián)想到2007 年爆發(fā)的次貸危機(jī)，可以初步認(rèn)為金融危機(jī)的發(fā)生導(dǎo)致兩市的聯(lián)動(dòng)性增強(qiáng)，2008 年6 月相關(guān)程度達(dá)到最大。不過(guò)，2014 年以來(lái)滬港通實(shí)施并沒(méi)有帶來(lái)實(shí)質(zhì)的效果，相關(guān)性反而略有些下降。但總體來(lái)看，次貸危機(jī)后兩市聯(lián)系也越來(lái)越緊密，主要波動(dòng)范圍在0.4－0.6 之間，表明兩個(gè)市場(chǎng)的聯(lián)動(dòng)性在不斷增強(qiáng)。

圖3 上海與香港動(dòng)態(tài)相關(guān)系數(shù)

2.5 波動(dòng)溢出效應(yīng)分析

波動(dòng)溢出效應(yīng)是指一個(gè)市場(chǎng)(或資產(chǎn)收益)波動(dòng)的變化(一般用方差來(lái)衡量波動(dòng))對(duì)其他市場(chǎng)產(chǎn)生的影響。由于市場(chǎng)收益的波動(dòng)性本身就代表了市場(chǎng)風(fēng)險(xiǎn)，因此也是研究聯(lián)動(dòng)關(guān)系的重要方面。本文運(yùn)用Granger 因果檢驗(yàn)分析兩個(gè)市場(chǎng)的波動(dòng)溢出效應(yīng)。因從圖3 中我們發(fā)現(xiàn)上述兩個(gè)市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)在次貸危機(jī)前后存在較大的差異，所以我們以2007 年8 月16 日為間斷點(diǎn)(這一天亞太地區(qū)遭遇最嚴(yán)重下跌)，把樣本區(qū)間分為兩個(gè)階段來(lái)進(jìn)行分析。第一個(gè)階段為股權(quán)分置改革啟動(dòng)后至次貸危機(jī)爆發(fā)前，即2005 年4 月29 日－2007 年8 月15 日;第二個(gè)階段為2007 年8 月16 日至今。從表3 估計(jì)的GARCH 模型的殘差中提取條件方差，記為Vsh、Vhs，作為兩個(gè)市場(chǎng)收益波動(dòng)情況的反映，并分兩個(gè)階段進(jìn)行Granger 因果檢驗(yàn)，檢驗(yàn)結(jié)果如表4 所示。

表4 Granger 因果檢驗(yàn)的檢驗(yàn)結(jié)果

根據(jù)表4 Granger 因果檢驗(yàn)的檢驗(yàn)結(jié)果顯示:在5%的顯著性水平下，在第一階段(2005 年4 月29日－2007 年8 月15 日)，我們接受“Vsh 不是Vhs的Granger 成因”的原假設(shè)，而拒絕“Vhs 不是Vsh的Granger 成因”的原假設(shè)，即Vhs 是Vsh 的Granger成因，表明在一定程度上香港股市的變動(dòng)會(huì)帶動(dòng)滬市的變動(dòng)，有可能是因香港股市先行于滬市變化，滬市單向受香港股市的影響;在第二階段，我們拒絕了“Vsh 不是Vhs 的Granger 成因”的原假設(shè)，但接受了“Vhs 不是Vsh 的Granger 成因”的原假設(shè)，說(shuō)明Vhs 的波動(dòng)變化對(duì)Vsh 不會(huì)產(chǎn)生太大的影響，相反在此階段滬市對(duì)香港股市的影響強(qiáng)于滬市受香港股市的影響。綜上所述，兩地股市的影響從第一階段的滬市受香港股市的影響變成了第二階段的滬市對(duì)香港股市產(chǎn)生影響，說(shuō)明了隨著內(nèi)地股市開(kāi)放程度的加深，其對(duì)香港股市的影響也越來(lái)越強(qiáng)于其受香港股市的影響。

3 結(jié)論與建議

3.1 結(jié)論

(1)滬市與港市日收益率均存在尖峰厚尾和波動(dòng)集聚性現(xiàn)象，兩市的波動(dòng)率一段時(shí)間波動(dòng)比較小，較小的波動(dòng)后面緊接著較小的波動(dòng)，而另一段時(shí)間波動(dòng)比較大，較大的波動(dòng)后面緊接著較大的波動(dòng)，且兩市收益率在金融危機(jī)后期的波動(dòng)程度明顯高于金融危機(jī)發(fā)生之前，股市進(jìn)入較為動(dòng)蕩的時(shí)期。本文利用AR－GARCH(1，1)模型能夠較好地消除兩市收益率自相關(guān)和異方差問(wèn)題，同時(shí)兩市方差方程中的ARCH 項(xiàng)和GARCH 項(xiàng)的系數(shù)之和接近1，表明沖擊對(duì)條件方差的影響具有很強(qiáng)的持續(xù)性;并且，港市方差方程中的ARCH 項(xiàng)和GARCH 項(xiàng)的系數(shù)之和小于滬市二者的系數(shù)之和，表明滬市所受到的沖擊持續(xù)性更長(zhǎng)。

(2)從均值方程來(lái)看，滬市相鄰交易日的收益率顯著正相關(guān)，造成這種情況的主要原因是我國(guó)股票市場(chǎng)不完善，存在市場(chǎng)摩擦及局部調(diào)整現(xiàn)象［12］，投資者存在非理性跟風(fēng)行為，導(dǎo)致相鄰交易日的收益率顯著正相關(guān)。而發(fā)達(dá)市場(chǎng)如中國(guó)香港正好相反，存在積極的反饋交易機(jī)制，使得相鄰交易日的收益率顯著負(fù)相關(guān)。

(3)動(dòng)態(tài)相關(guān)系數(shù)顯示，滬港股市之間的聯(lián)動(dòng)性有不斷增大的趨勢(shì)，尤其在美國(guó)金融危機(jī)之后，兩地股市之間的相關(guān)性基本集中在0.4－0.6 之間，說(shuō)明經(jīng)過(guò)了證券市場(chǎng)改革和經(jīng)濟(jì)的快速發(fā)展之后，中國(guó)大陸股票市場(chǎng)與香港股票市場(chǎng)之間的聯(lián)動(dòng)關(guān)系正在逐步增強(qiáng)。但同時(shí)也顯示出較大的波動(dòng)性，滬港通的實(shí)施未能有明顯的帶動(dòng)效應(yīng)，有可能與目前投資標(biāo)的和投資金融限制有關(guān)。

(4)在對(duì)兩市收益率的波動(dòng)進(jìn)行Granger 因果檢驗(yàn)得出的結(jié)論是:在第一階段香港股市對(duì)滬市有一定程度的影響;而在第二階段變成了香港股市在一定程度上受滬市的影響?？梢钥闯觯瑑墒写嬖谝绯鲂?yīng)，但是不對(duì)稱是單向的，隨著內(nèi)地股市的不斷完善，其在兩地股市中將會(huì)起著更為明顯的引導(dǎo)作用。出現(xiàn)這種情況可能是因?yàn)榻鹑谖C(jī)前我國(guó)內(nèi)地股市仍處于新興市場(chǎng)的發(fā)展階段，各種制度體系還不夠完善，香港股市處于一個(gè)較為成熟的發(fā)展階段，內(nèi)地股市的走勢(shì)會(huì)參考香港股市的行情，所以在此階段香港股市會(huì)對(duì)內(nèi)地股市產(chǎn)生一定的影響。而金融危機(jī)后，內(nèi)地政府推出了創(chuàng)業(yè)板、股指期貨和實(shí)施融資融券，及時(shí)地進(jìn)行了一系列的改革，并且不斷地降低QFII 和QDII 的進(jìn)入門(mén)檻，對(duì)個(gè)人外匯結(jié)算和購(gòu)匯限額予以放寬，以及越來(lái)越多的內(nèi)地企業(yè)在港上市，使得兩地股市資金流與信息流的流動(dòng)越來(lái)越頻繁，香港股市與滬市的聯(lián)動(dòng)性也增強(qiáng)了。據(jù)德勤統(tǒng)計(jì)，2014 年內(nèi)地企業(yè)總集資額高達(dá)1950 億元，而翻看前5 年新股資料，中資股集資所占比重由2010年的31.1%升至2014 年的86.5%，即現(xiàn)在每上市10 家企業(yè)，僅有1 家不是內(nèi)地企業(yè)。而這些內(nèi)地大型企業(yè)也都發(fā)行了A 股，該類型的公司在兩地市場(chǎng)所占比重的增加及兩地經(jīng)濟(jì)的滲透，勢(shì)必強(qiáng)化兩地股市聯(lián)系的緊密程度，內(nèi)地的政策變化對(duì)香港股市的影響也越來(lái)越大。

3.2 政策建議

隨著內(nèi)地股市的不斷開(kāi)放，其與香港股市的聯(lián)動(dòng)效應(yīng)會(huì)隨之增強(qiáng)，同時(shí)內(nèi)地股市受到香港股市的風(fēng)險(xiǎn)傳染也會(huì)越來(lái)越顯著。因此，不管是投資者在做投資決策時(shí)，證券監(jiān)管機(jī)構(gòu)進(jìn)行監(jiān)督管理時(shí)，還是政府相關(guān)部門(mén)制定政策時(shí)，都要考慮兩個(gè)股市間的聯(lián)動(dòng)效應(yīng)。針對(duì)這些問(wèn)題，本節(jié)對(duì)投資者和證券監(jiān)管機(jī)構(gòu)以及政府相關(guān)部門(mén)提出以下建議:

對(duì)于投資者而言，由于大部分的股民都是散戶，其獲取信息的渠道有限，對(duì)信息的處理能力較差，容易造成對(duì)股市行情的錯(cuò)誤判斷，發(fā)生羊群效應(yīng)，極易對(duì)股市造成影響。因此，投資者應(yīng)多關(guān)注股票市場(chǎng)的動(dòng)態(tài)，觀察上市公司的盈利狀況以及發(fā)展趨勢(shì)，提高自身的理性分析能力，靈活地制定投資策略。投資者還應(yīng)具有謹(jǐn)慎的投資思維，通過(guò)認(rèn)識(shí)港市與滬市之間的互動(dòng)關(guān)系，能夠更好地對(duì)當(dāng)前的股市行情和走勢(shì)進(jìn)行把握，并且要合理選擇投資策略，謹(jǐn)慎地做出投資行為。

對(duì)于證券監(jiān)管機(jī)構(gòu)而言，與成熟的香港股市相比，內(nèi)地股市的許多制度還不夠完善，這對(duì)尚不成熟的內(nèi)地股市來(lái)說(shuō)存在著很大的風(fēng)險(xiǎn)，因此監(jiān)管機(jī)構(gòu)在制定各種制度時(shí)，應(yīng)該把香港股市與內(nèi)地股市的聯(lián)動(dòng)關(guān)系考慮在內(nèi)，并且密切關(guān)注兩地股市之間的聯(lián)動(dòng)性和風(fēng)險(xiǎn)的傳遞，這樣不僅可以提高金融監(jiān)督管理的效率，而且還可以防止香港股市可能對(duì)內(nèi)地股市帶來(lái)的不利影響。另外，監(jiān)管者應(yīng)加強(qiáng)對(duì)股市的監(jiān)督管理力度，并對(duì)信息披露制度進(jìn)行不斷的完善。由于內(nèi)地股市不及香港股市發(fā)展得成熟，所以在信息的公布及透明化程度上不如香港股市嚴(yán)格規(guī)范。除此之外，要想防止風(fēng)險(xiǎn)通過(guò)香港股市傳導(dǎo)到內(nèi)地股市并引起內(nèi)地股市的劇烈震蕩，證券監(jiān)管機(jī)構(gòu)要對(duì)內(nèi)地股市建立金融防火墻，以阻止風(fēng)險(xiǎn)向滬市的擴(kuò)散，使經(jīng)濟(jì)發(fā)展不受影響。同時(shí)，還要提高兩地監(jiān)管部門(mén)之間的監(jiān)管合作，加強(qiáng)監(jiān)管信息的交流，做到全方位監(jiān)管，在風(fēng)險(xiǎn)產(chǎn)生前進(jìn)行預(yù)防，風(fēng)險(xiǎn)生成后進(jìn)行及時(shí)地破解，以確保兩地股市的健康穩(wěn)定運(yùn)作。

對(duì)于政府相關(guān)部門(mén)而言，由于內(nèi)地政府推出的政策也會(huì)對(duì)香港股市產(chǎn)生一定的影響，因此，為了防止政策效果受到兩地股市聯(lián)動(dòng)效應(yīng)的影響，保證兩地股市健康穩(wěn)定的發(fā)展，政府部門(mén)在制定一系列政策時(shí)必須全面地考慮這些政策會(huì)給投資者以及兩地股市帶來(lái)的影響程度。另外，滬市經(jīng)過(guò)20 多年的發(fā)展，雖然股市規(guī)模和投資者數(shù)量都在迅猛地增長(zhǎng)，但是其抵抗風(fēng)險(xiǎn)的能力較弱，并且股市的體制機(jī)制不夠健全，因此，政府相關(guān)部門(mén)在制定政策之時(shí)應(yīng)當(dāng)綜合考慮滬市的實(shí)際情況，穩(wěn)步推進(jìn)內(nèi)地證券市場(chǎng)的改革。

［1］ 谷耀，陸麗娜.滬、深、港股市信息溢出效應(yīng)與動(dòng)態(tài)相關(guān)性:基于DCC－EGARCH 的檢驗(yàn)－VAR 的檢驗(yàn)［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006(8):142－150.

［2］ 龔樸，李夢(mèng)玄.滬港股市的波動(dòng)溢出和時(shí)變相關(guān)性研究［J］.管理學(xué)報(bào)，2008(1):96－100.

［3］ 石建勛，鐘建飛，李海英.金融危機(jī)前后內(nèi)地與香港股市聯(lián)動(dòng)性及引導(dǎo)性變化的實(shí)證研究［J］.統(tǒng)計(jì)與信息論壇，2011(2):42－47.

［4］ 魯旭，趙迎迎.滬深港股市動(dòng)態(tài)聯(lián)動(dòng)性研究:基于三元VARGJR－GARCH－DCC 的新證據(jù)［J］.中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2012(1):97－106.

［5］ 丁振輝，徐瑾.上海和香港兩地股市聯(lián)動(dòng)性研究［J］.金融發(fā)展研究，2013(5):20－25.

［6］ 操穎，方兆本.基于混合Copula 函數(shù)的滬深股市與香港股市一體化趨勢(shì)分析［J］.中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2014(6):508－515.

［7］ Bollerslev T.A Capital Asset Pricing Model with Time－Varying Covariances［J］.Journal of Political Economy，1988(1):116－131.

［8］ Bollerslev T.Modeling the Coherence in Short－run Nominal Exchange Rates:A Multivariate Generalized ARCH Model［J］.The Review of Economics and Statistics，1990(3):498－505.

［9］ Engle R，Kroner K.Multivariate Simultaneous GARCH［J］.Econometric Theory，1995(11):122－150.

［10］ Engle R，Sheppard K.Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH［EB/OL］.［2001－11－09］.http://hdl.handle.net/2451/26570.

［11］ Engle R F.Dynamic Conditional Correlation:A Simple Class of Multivariate Generalized Autoregressive Conditongal Heteroskedasticity Model［J］.Journal of Business and Economic Statistics，2002(3):339－350.

［12］ 賈凱威.基于DCC－MGGARCH－VAR 模型的金融傳染分析［J］.上海經(jīng)濟(jì)研究，2014(5):47－55.