盛 寧

(安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

我國(guó)滬深股市與香港股市的收益溢出效應(yīng)

盛 寧

(安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

基于GARCH模型及其修正，同時(shí)進(jìn)行平穩(wěn)性檢驗(yàn)、格蘭杰檢驗(yàn)和GARCH-M建模，主要對(duì)2005至2014年我國(guó)大陸滬深兩市股市與香港股市之間的收益率波動(dòng)進(jìn)行分析，研究各股市之間是否可能存在的一定程度的聯(lián)動(dòng)關(guān)系趨勢(shì)，以尋求相應(yīng)對(duì)政策。通過(guò)股市收益率間描述性統(tǒng)計(jì)及相關(guān)系數(shù)、模型建立發(fā)現(xiàn)，滬深港股市股票收益率均呈尖峰厚尾的方差波動(dòng)特征，同時(shí)香港股市的收益波動(dòng)對(duì)上海股市存在顯著的溢出效應(yīng)，香港股市的波動(dòng)也在一定程度上對(duì)深圳股市有影響。由此，對(duì)于大陸股市，應(yīng)加強(qiáng)對(duì)香港股市走勢(shì)的關(guān)注，制定更加合理的波動(dòng)反應(yīng)機(jī)制。

收益率波動(dòng)；GARCH-M；溢出效應(yīng)

一、引言

股票市場(chǎng)自身具有獨(dú)特的信息傳導(dǎo)和資源配置的作用，但也存在著一系列價(jià)格波動(dòng)、資產(chǎn)定價(jià)等風(fēng)險(xiǎn)。隨著經(jīng)濟(jì)日益全球化，不同的股票市場(chǎng)的自身波動(dòng)與趨勢(shì)還可能對(duì)多個(gè)市場(chǎng)產(chǎn)生溢出效應(yīng)影響，各個(gè)資本市場(chǎng)間的緊密聯(lián)系使得此類現(xiàn)象更加普遍。我國(guó)證券市場(chǎng)自上世紀(jì)90年代成立至今只有近二十年的時(shí)間，雖然與資本主義發(fā)達(dá)國(guó)家的證券市場(chǎng)相比仍然差距很大，但其發(fā)展的速度非常迅猛，各市場(chǎng)的運(yùn)行機(jī)制逐年趨于完善。1990年12月和1991年6月上海證券交易所和深圳證券交易所的成立標(biāo)志著我國(guó)股票市場(chǎng)的正式發(fā)展，截至2014年，期末境內(nèi)上市公司總數(shù)為2613家，近十年的平均市盈率上海、深圳交易所分別為22.83和33.01。1866年中國(guó)香港非正式交易市場(chǎng)成立標(biāo)志著香港股票市場(chǎng)的啟動(dòng)，至此之間經(jīng)歷過(guò)金融危機(jī)與股份制改革后，于2000年形成香港交易所。截至2014年，中國(guó)香港股市上市公司數(shù)量1472家，且自2013年5月至2015年5月，恒生行業(yè)分類系統(tǒng)平均市盈率為10.84。

對(duì)于股票市場(chǎng)的波動(dòng)溢出效應(yīng)，國(guó)內(nèi)外的學(xué)者均進(jìn)行了相應(yīng)研究。Hama以1985年4月1日至1998年3月31日的倫敦金融時(shí)報(bào)指數(shù)、標(biāo)準(zhǔn)普爾500指數(shù)以及日經(jīng)225指數(shù)的日收益率為數(shù)據(jù)樣本，研究三者之間的價(jià)格變化波動(dòng)之間的相互關(guān)系。利用聯(lián)合估計(jì)得出了倫敦市場(chǎng)到紐約市場(chǎng)的波動(dòng)均對(duì)東京市場(chǎng)存在著單向溢出效應(yīng)[1]。Miyakoshi以美國(guó)和日本股市為對(duì)象，研究對(duì)亞洲其他國(guó)家股市的波動(dòng)溢出效應(yīng)，發(fā)現(xiàn)日本股市對(duì)亞洲其他國(guó)家的溢出效應(yīng)要強(qiáng)于美國(guó)股市的影響，同時(shí)亞洲國(guó)家股市也對(duì)日本股市具有反向的波動(dòng)效應(yīng)[2]。Karolyi使用了向量自回歸、多變量GARCH模型和不同市場(chǎng)加權(quán)指數(shù)的擬合對(duì)紐約、加拿大股市收益變化短期內(nèi)的動(dòng)態(tài)傳遞機(jī)制進(jìn)行研究，發(fā)現(xiàn)不同市場(chǎng)之間的收益率溢出效應(yīng)對(duì)隨時(shí)間變化的條件方差較為敏感[3]。

由于我國(guó)的股票市場(chǎng)相對(duì)于國(guó)外起步較晚，國(guó)內(nèi)對(duì)于股票市場(chǎng)波動(dòng)效應(yīng)研究的學(xué)者所采用的方法與國(guó)外學(xué)者基本一致。陳守東等使用向量自回歸、協(xié)整檢驗(yàn)和格蘭杰因果檢驗(yàn)等方法，對(duì)中國(guó)和其他四個(gè)發(fā)達(dá)國(guó)家股市進(jìn)行了研究，發(fā)現(xiàn)發(fā)達(dá)國(guó)家股市對(duì)中國(guó)股市具有單向格蘭杰引導(dǎo)關(guān)系，且存在較低程度的波動(dòng)聯(lián)動(dòng)[4]。陳彬基于滬深兩市A股指數(shù)的數(shù)據(jù)，利用GARCH模型研究了股市間的收益波動(dòng)程度，表明兩市收益率波動(dòng)性存在格蘭杰因果關(guān)系，同時(shí)具有ARCH特征[5]。汪素南主要從中國(guó)股市與國(guó)際股市的波動(dòng)關(guān)系角度，用小波分辨法對(duì)美國(guó)與上海、中國(guó)香港股市的波動(dòng)溢出進(jìn)行了檢驗(yàn)，結(jié)果表明美國(guó)股市對(duì)中國(guó)香港股市有著顯著的溢出效應(yīng)，但美國(guó)、中國(guó)香港股市均對(duì)上海股市沒(méi)有顯著的波動(dòng)影響[6]。

分析股票市場(chǎng)之間存在溢出效應(yīng)的程度大小，產(chǎn)生沖擊的持續(xù)時(shí)間，以及后續(xù)的趨勢(shì)，對(duì)如何進(jìn)行風(fēng)險(xiǎn)防范具有重要的意義[7]。本文在以往學(xué)者研究的基礎(chǔ)上分析我國(guó)滬深兩市股市與香港股市存在的收益溢出效應(yīng)，對(duì)于投資者資產(chǎn)定價(jià)及防范金融風(fēng)險(xiǎn)提供對(duì)策參考。

二、模型介紹及數(shù)據(jù)選擇說(shuō)明

(一)模型介紹

其中αi≥0，λi≥0，αi+λi<1。GARCH(1，1)模型一定程度上就可以描述金融時(shí)間序列。

一般情況下金融資產(chǎn)的收益與其風(fēng)險(xiǎn)大小成正比，于是將條件方差引入均值方程，條件方差方程不變，即GARCH-M模型：

其中αi≥0，λi≥0，αi+λi<1。

(二)數(shù)據(jù)選擇說(shuō)明

上證綜指、深圳成指是由上海、深圳證券交易所編制，總體反映上海、深圳股市總體走勢(shì)的指標(biāo)；香港恒生指數(shù)由香港恒生指數(shù)服務(wù)有限公司編制，反映香港股市價(jià)格趨勢(shì)最有影響的股價(jià)指數(shù)。分別選取2000年1月5日至2014年12月26日的上證綜指(SH)、深圳成指(SZ)和香港恒生指數(shù)(HS)的每日股市收盤價(jià)，作為時(shí)間序列數(shù)據(jù)，選擇的股票收盤價(jià)指數(shù)樣本，來(lái)自于Wind數(shù)據(jù)庫(kù)。同時(shí)進(jìn)行數(shù)據(jù)處理，即得到各市場(chǎng)的股票收益率作為研究樣本，計(jì)算公式為Rt=100(lnPt-lnPt-1)。其中Pt表示各股市每日收盤價(jià)格，Rt表示每日收益率。

上海和香港股票市場(chǎng)近十年的市場(chǎng)收益率走勢(shì)如圖1、2，顯示兩股市均在2007、2008年有較大的波動(dòng)，香港股市的波動(dòng)幅度比上海股市要大。其余期間相對(duì)趨于平穩(wěn)，且波動(dòng)走勢(shì)較相似，股市之間可能存在收益溢出效應(yīng)。

圖1 上海市股票收益率

圖2 香港市場(chǎng)股票收益率走勢(shì)

三、實(shí)證分析

(一)描述性分析

對(duì)各股市收益率做描述性統(tǒng)計(jì)：樣本期內(nèi)滬市收益率均值為0.0298%，標(biāo)準(zhǔn)差為1.271%，偏度為-0.219，左偏。峰度為4.536，高于正態(tài)分布的峰值度3，則說(shuō)明上海股票市場(chǎng)收益率具有尖峰厚尾的特征。JB正態(tài)性檢驗(yàn)統(tǒng)計(jì)量為3759，說(shuō)明在極小水平下，收益率顯著異于正態(tài)分布；同樣地深市與香港股市的各統(tǒng)計(jì)量也說(shuō)明收益率具有尖峰、厚尾的特征，另外結(jié)果顯示恒生指數(shù)的收益率標(biāo)準(zhǔn)差比滬深兩市，說(shuō)明香港股市在觀測(cè)的樣本期內(nèi)的波動(dòng)要比滬深兩市相對(duì)較小。RH、RZ和RG分別表示上海、深圳和香港股票市場(chǎng)收益率。如表1。

表1 各股指收益率描述性統(tǒng)計(jì)

(二)平穩(wěn)性及相關(guān)系數(shù)檢驗(yàn)

進(jìn)一步對(duì)樣本數(shù)據(jù)進(jìn)行ADF單位根檢驗(yàn)，測(cè)定各股市收益率的平穩(wěn)性，結(jié)果如表2。

表2 三市收益率平穩(wěn)性檢驗(yàn)結(jié)果

根據(jù)結(jié)果顯示，在1%的顯著水平下，三市的收益率均拒絕隨機(jī)游走的假設(shè)，收益率均為平穩(wěn)的時(shí)間序列數(shù)據(jù)[8]。

然后對(duì)收益率均值方程擬合殘差序列做ARCH檢驗(yàn)顯示三市收益率殘差項(xiàng)存在條件異方差，F(xiàn)統(tǒng)計(jì)量均大于臨界值，即使用GARCH-M(1，1)模型合理，結(jié)果如表3。同時(shí)檢驗(yàn)上海與深圳股市的收益率與其滯后15階存在顯著的自相關(guān)，香港股市收益率與其滯后11階存在自相關(guān)，分別將滯后項(xiàng)加入建立的GARCH-M(1，1)模型，然后從模型的殘差項(xiàng)中提取條件方差，用其來(lái)代表滬深港股市的收益率波動(dòng)，如表4。

表3 ARCH效應(yīng)檢驗(yàn)結(jié)果

表4 三市收益率GARCH-M模型

由結(jié)果表明，三個(gè)股票市場(chǎng)的條件方差項(xiàng)GARCH的系數(shù)估計(jì)分別為0.01299、0.10471和0．62315，反映了收益與風(fēng)險(xiǎn)的正相關(guān)性，說(shuō)明收益存在正向的風(fēng)險(xiǎn)溢價(jià)。而且香港股市的風(fēng)險(xiǎn)溢價(jià)比其他兩市都要高，說(shuō)明香港股市的投資者可能更加厭惡風(fēng)險(xiǎn)，相對(duì)地會(huì)要求更高的風(fēng)險(xiǎn)補(bǔ)償。另外香港股市自身滯后項(xiàng)擾動(dòng)的系數(shù)為0.00932，絕對(duì)值最小，即其收益率波動(dòng)中自身的市場(chǎng)滯后波動(dòng)貢獻(xiàn)相對(duì)滬深兩市股票市場(chǎng)都要小，說(shuō)明香港股市的前期影響時(shí)效較短，對(duì)將來(lái)的交易沖擊較小[9]。投資者在香港市場(chǎng)的投資選擇時(shí)可以較少考慮前期的價(jià)格波動(dòng)對(duì)未來(lái)投資的趨勢(shì)影響，而滬深兩市中前期因素需要加入風(fēng)險(xiǎn)估量的權(quán)重更多。

由于我國(guó)2005年正式進(jìn)行了股權(quán)分置改革，可能對(duì)資本市場(chǎng)有一定的沖擊，所以接著分別選擇2000-2004年、2005-2014年的不同時(shí)期樣本數(shù)據(jù)進(jìn)行分段分析，考慮重大改革政策對(duì)股市間波動(dòng)效應(yīng)程度影響的外界因素。利用模型殘差作為條件方差測(cè)定相關(guān)系數(shù)。如表5。其中VH、VZ和VG分別代表滬深港三市的收益率波動(dòng)。

表5 滬深股市與香港股市收益波動(dòng)相關(guān)系數(shù)

對(duì)比結(jié)果2005年之后滬深兩市與香港股市收益波動(dòng)相關(guān)系數(shù)分別為0.499和0.416，而2005年之前的僅為0.048和0.083，分別增長(zhǎng)近10倍與5倍。說(shuō)明股權(quán)改革之后明顯對(duì)滬深、香港股市間的資本流動(dòng)產(chǎn)生了影響，產(chǎn)生了一定的正相關(guān)性聯(lián)系。在一定程度上，香港股市的收益率會(huì)隨著滬深兩市的波動(dòng)而受到同方向同趨勢(shì)的引導(dǎo)，即香港股市與滬深股市之間可能存在溢出效應(yīng)。

2005年前后股市間的相互影響的變化，其中股權(quán)分置改革起到的影響不容忽視。例如實(shí)行改革一年內(nèi)上證指數(shù)有明顯的上升迅猛勢(shì)頭，深圳指數(shù)也有著增長(zhǎng)的波動(dòng)，雖然香港股市期間內(nèi)波動(dòng)相對(duì)較小，在后幾年也逐漸上升，各股市之間的波動(dòng)程度相似度也逐步提高。

(三)波動(dòng)溢出效應(yīng)研究

由于樣本數(shù)據(jù)為平穩(wěn)序列，利用兩個(gè)時(shí)期各股市的收益率波動(dòng)進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)來(lái)檢測(cè)股市間的相互引導(dǎo)關(guān)系。如表6。

表6 兩時(shí)期股市波動(dòng)性的格蘭杰檢驗(yàn)

由結(jié)果2005年之前的P值均大于0.1，不能拒絕原假設(shè)，上海、深圳和香港股市之間相互均不是其他股市波動(dòng)的格蘭杰原因。此段時(shí)期股市之間相互影響的程度非常弱，與未實(shí)現(xiàn)股權(quán)分置改革以及滬深兩市、香港股市之間資金配置機(jī)制各方面不同具有很大關(guān)系。

而2005年后，在1%的置信水平下可以拒絕原假設(shè)得出，香港市場(chǎng)的波動(dòng)是上海市場(chǎng)的格蘭杰原因；在5%的置信水平下可以拒絕原假設(shè)，香港市場(chǎng)的波動(dòng)是深圳市場(chǎng)的格蘭杰原因?？傮w上香港股票市場(chǎng)的波動(dòng)對(duì)上海，深圳均有一定程度的影響，而上海，深圳市場(chǎng)的收益波動(dòng)對(duì)香港股市的波動(dòng)影響不顯著，相互的波動(dòng)呈現(xiàn)不對(duì)稱性。

對(duì)已構(gòu)建的GARCH-M模型進(jìn)行修正，在滬市的條件方差模型中加入香港恒生指數(shù)收益率波動(dòng)的滯后項(xiàng)，由結(jié)果顯示，滬市模型中的均值方程GARCH項(xiàng)估計(jì)值變大，而且系數(shù)更加顯著，同時(shí)估計(jì)的標(biāo)準(zhǔn)誤差也縮小了，加入香港波動(dòng)擾動(dòng)項(xiàng)后滬市的收益率的GARCH-M效應(yīng)更加明顯了，風(fēng)險(xiǎn)波動(dòng)性與收益間的正相關(guān)關(guān)系更加顯著，說(shuō)明了香港股市的收益率波動(dòng)對(duì)于上海股市具有顯著的溢出效應(yīng)。而在香港股市的模型中加入滯后項(xiàng)和在深市模型中加入香港的波動(dòng)滯后項(xiàng)，改善效果均不明顯，則說(shuō)明滬深兩市對(duì)香港股市的收益率溢出效應(yīng)不明顯，進(jìn)一步說(shuō)明了上海股市與香港股市的波動(dòng)是單向且不對(duì)稱的[10]。如表7。

表7 修正后模型檢驗(yàn)結(jié)果

四、結(jié)論與建議

(一) 結(jié)論

由滬深港股市間波動(dòng)性溢出效應(yīng)檢驗(yàn)，香港股市對(duì)上海股市存在著顯著的單向波動(dòng)溢出效應(yīng)，可能因?yàn)橄愀酃墒薪陙?lái)發(fā)展比較迅速，各運(yùn)行機(jī)制比較完善，同時(shí)香港的經(jīng)濟(jì)開(kāi)放程度相對(duì)較高，所以對(duì)其他區(qū)域的經(jīng)濟(jì)具有一定的影響力，使得香港股票市場(chǎng)的波動(dòng)對(duì)于上海股市具有明顯的影響。而在格蘭杰因果檢驗(yàn)中顯示香港股市波動(dòng)是深圳股市波動(dòng)的格蘭杰原因，但在深圳股市收益率波動(dòng)的GARCH-M模型修正中加入香港股市擾動(dòng)項(xiàng)卻沒(méi)有明顯的改善，可能是因?yàn)樵谀硞€(gè)特定時(shí)期內(nèi)或一定條件下香港股市對(duì)于深圳股市有著一定程度的收益溢出效應(yīng)，但并不顯著，引導(dǎo)作用還是不明顯。

在2005年前后滬深港股市之間的相關(guān)程度有明顯的增加，且會(huì)增強(qiáng)，隨著未來(lái)改革的逐漸成熟，經(jīng)驗(yàn)逐漸積累加以利用，滬深港股市之間的相關(guān)聯(lián)動(dòng)性會(huì)愈發(fā)變強(qiáng)。

總體上，香港股市對(duì)上海股市具有顯著的波動(dòng)溢出效應(yīng)，可能由于現(xiàn)在內(nèi)地與香港間的開(kāi)放程度越來(lái)越高，聯(lián)系發(fā)展更加密切，內(nèi)地市場(chǎng)價(jià)格發(fā)現(xiàn)功能的隨之提升，兩地間市場(chǎng)的聯(lián)動(dòng)效應(yīng)進(jìn)一步加大[11]。滬深兩市對(duì)于香港股市市場(chǎng)波動(dòng)影響程度較低，可能由于開(kāi)盤時(shí)間，市場(chǎng)環(huán)境，股市交易管理機(jī)制各異，發(fā)展不一致等原因，另外相對(duì)于經(jīng)濟(jì)開(kāi)放的香港，其股票市場(chǎng)的收益波動(dòng)可能會(huì)更顯著地受到國(guó)外金融市場(chǎng)的沖擊，從而掩蓋了我國(guó)大陸滬深兩市對(duì)于其的部分引導(dǎo)影響。

(二)建議

1.可以依據(jù)其他股市的波動(dòng)趨勢(shì)，對(duì)自身市場(chǎng)走勢(shì)做出相應(yīng)預(yù)判，制定調(diào)整可能發(fā)生的情況的方針，有效率地做出風(fēng)險(xiǎn)防范。多層次、多元化的金融市場(chǎng)發(fā)展或者衍生工具的加入，在股市間的相互影響預(yù)示著巨大經(jīng)濟(jì)波動(dòng)或金融危機(jī)時(shí)，可以做出更加靈敏、高效的緩沖保護(hù)。

2.關(guān)注國(guó)家以及國(guó)際間的重要改革和有關(guān)政策的出臺(tái)，例如我國(guó)2005年的股權(quán)分置改革，一定程度上影響到股市的各方面運(yùn)行，大陸股市與香港股市的關(guān)聯(lián)程度有明顯地提升。同時(shí)在不同的時(shí)期，不同的政策會(huì)對(duì)股市之間的資本流動(dòng)、波動(dòng)性程度產(chǎn)生巨大的影響。

3.股市間的相關(guān)性程度越來(lái)越高，收益溢出效應(yīng)越來(lái)越強(qiáng)，標(biāo)志著資金流動(dòng)愈發(fā)流暢，有利于改善金融配置，但也不能完全放開(kāi)管理，不然過(guò)度的相關(guān)性也會(huì)使得自身市場(chǎng)失去獨(dú)立性，無(wú)法承受強(qiáng)烈地資本沖擊，更多的是風(fēng)險(xiǎn)系數(shù)的增加。

4.投資者的投資戰(zhàn)略需要在盯住自身市場(chǎng)的同時(shí)注意其他資本市場(chǎng)的相關(guān)情況，僅僅以單一市場(chǎng)的價(jià)格走勢(shì)無(wú)法準(zhǔn)確地進(jìn)行判斷，可能會(huì)低估投資的潛在風(fēng)險(xiǎn)，需要全面了解股票市場(chǎng)，靈活運(yùn)用投資組合理論，降低風(fēng)險(xiǎn)。

5.香港股市對(duì)大陸股市的影響愈發(fā)顯著的同時(shí)，會(huì)有外來(lái)資金通過(guò)香港股市有目的性地影響我國(guó)滬深股市，甚至對(duì)我國(guó)資本市場(chǎng)產(chǎn)生沖擊。應(yīng)合理調(diào)整投資結(jié)構(gòu)，進(jìn)行資源配置整合減少?zèng)_擊，及時(shí)關(guān)注外部主要股市的動(dòng)向，擴(kuò)大自身資本市場(chǎng)體系的容量，提高股票市場(chǎng)抗風(fēng)險(xiǎn)彈性。

[1]Hama, R. Masulis and V. Correlation in Price Changes and Volatility across International Stock Markets [J]. The Review of Financial Studies.1990,3(2):281-307.

[2]Miyakoshi T. Spilovers of stock return volatility to Asian equity markets from Japan and the US [J]. Journal of International Money and Financial Studies,1990,3:281-307.

[3]Karolyi. A multivariate GARCH model of international transmission if stock return and volatility: the case of the United States and Canada [J]. Journal of Business and Economics statistic,1995,13:11-25.

[4]陳守東,劉艷武.中國(guó)滬深股票市場(chǎng)收益率及波動(dòng)性相關(guān)性分析[J].金融研究,2003(7):80-85.

[5]陳彬.我國(guó)證券市場(chǎng)收益波動(dòng)度及相關(guān)性分析[J].現(xiàn)代財(cái)經(jīng),2001(11):19-21.

[6]汪素南,潘云鶴.美國(guó)股市與中國(guó)股市間溢出效應(yīng)的實(shí)證研究[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),2004(11): 1341-5341.

[7]張根明,任福勻.中國(guó)證券市場(chǎng)行業(yè)板塊的波動(dòng)特點(diǎn)分析[J].統(tǒng)計(jì)與決策，2007(3):84-85.

[8]劉金全,崔暢.中國(guó)滬深股票市場(chǎng)收益率和波動(dòng)性的實(shí)證分析[J].經(jīng)濟(jì)學(xué)季刊,2002(4):885-898.

[9]樊智,張志英.多元GARCH建模及其在中國(guó)股市分析中的應(yīng)用[J].管理科學(xué)學(xué)報(bào),2003(4):68-73.

[10]劉曉,李益民.GARCH模型族模型在股市中的應(yīng)用[J].技術(shù)經(jīng)濟(jì)與管理研究,2005(5):36-38.

[11]宋紅雨.大陸與香港股票市場(chǎng)聯(lián)動(dòng)性分析[J].集團(tuán)經(jīng)濟(jì)研究,2007(2):82-87.

(責(zé)任編輯：杜 婕)

On the Spillover Effect of Shanghai and Shenzhen Stock Market and Hongkong Stock Market

SHENG ning

( Finance Institute,Anhui Finance and Economics University, Bengbu Anhui, 233030， China )

Based on the GARCH model and its modification, the model of stationary test, Granger test and GARCH-M are carried out at the same time. Mainly between 2005 to 2014 in China, Shanghai and Shenzhen stock market and Hong Kong stock market returnsed volatility analysis, between the stock market whether there might be a certain degree of linkage between trend research, to seek appropriate policy. Through the stock market returns of descriptive statistics and correlation coefficient, model establishment of discovery, Shanghai, Shenzhen and Hong Kong stock market stock returns showed peak thick tail variance volatility characteristics, also in Hong Kong stock market volatility has a significant spillover effect on Shanghai stock market, Hong Kong stock market volatility also in a certain extent of Shenzhen Stock influential. As a result, for the mainland stock market, we should strengthen the trend of the stock market in Hongkong and develop a more reasonable reaction mechanism.

Volatility of Returns; GARCH-M; Spillover Effect

2015-08-10

盛寧(1992-)，男，安徽滁州人，在讀碩士，主要從事金融學(xué)投資研究。

F830.91

A

1008-7605(2015)06-0113-05