肖觀福

[摘 要]用DCC模型得到的動(dòng)態(tài)相關(guān)系數(shù)，結(jié)合理論框架實(shí)證檢驗(yàn)了2014—2015年牛市行情中4個(gè)板塊對(duì)滬深300指數(shù)的動(dòng)態(tài)影響力，并與板塊的累積收益圖進(jìn)行比較分析。結(jié)論表明：用累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率來(lái)解釋板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力以及板塊的輪動(dòng)效應(yīng)是可行的，特別是在解釋牛市中后期各板塊的表現(xiàn)時(shí)具有明顯的優(yōu)勢(shì)。

[關(guān)鍵詞]動(dòng)態(tài)影響力；累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率；DCC模型；輪動(dòng)效應(yīng)

[DOI]10.13939/j.cnki.zgsc.2016.16.080

1 引言與文獻(xiàn)綜述

為什么要研究股市板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力？在瞬息萬(wàn)變的投資世界，了解靜態(tài)影響力是不夠的，特別是在牛市階段板塊之間漲跌此起彼伏，板塊對(duì)大盤(pán)的影響力會(huì)發(fā)生根本性的變化，所以研究動(dòng)態(tài)影響力有助于投資者根據(jù)市場(chǎng)行情解決資產(chǎn)配置的問(wèn)題。而在靜態(tài)方面，普通投資者都會(huì)有一個(gè)初步的判斷，國(guó)內(nèi)外的研究者也都有豐富的成果。但是在動(dòng)態(tài)方面，從現(xiàn)有的文獻(xiàn)來(lái)看，直接涉及如何刻畫(huà)板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力或者說(shuō)用什么指標(biāo)來(lái)衡量動(dòng)態(tài)影響力較少，但是一些有益的成果仍值得借鑒。

從傳統(tǒng)的靜態(tài)影響力方面來(lái)看，較少的研究者直接研究板塊對(duì)大盤(pán)的影響，大多數(shù)的研究者在考量各個(gè)板塊在不同的階段對(duì)大盤(pán)的影響都是從板塊的輪動(dòng)效應(yīng)出發(fā)。Paola Sassetti和Massimiliano Tani（2006）[1]通過(guò)1998—2003年的美國(guó)數(shù)據(jù)的實(shí)證檢驗(yàn)發(fā)現(xiàn)，板塊輪動(dòng)效應(yīng)在不同的經(jīng)濟(jì)環(huán)境都存在，且在經(jīng)濟(jì)不景氣的前提下利用板塊的輪動(dòng)效應(yīng)積極構(gòu)建投資組合仍然能給投資者帶來(lái)超額收益。陳幕紫（2009）[2]等人采用Granger因果關(guān)系檢驗(yàn)和雙變量GARCH（1，1）模型對(duì)A股行業(yè)板塊和基金板塊間的領(lǐng)滯關(guān)系進(jìn)行了分析研究，得出了中國(guó)股市在不同階段不同板塊之間的領(lǐng)滯關(guān)系。何誠(chéng)穎（2001）[3]利用IPO的走勢(shì)時(shí)運(yùn)用收益率指標(biāo)，在這一指標(biāo)基礎(chǔ)上給出板塊現(xiàn)象強(qiáng)弱等市場(chǎng)特征的量化指標(biāo)。

從動(dòng)態(tài)的角度來(lái)看，自從Engle（2002）[4]在常系數(shù)條件模型的基礎(chǔ)上提出了DCC模型之后，因?yàn)樵撃Ｐ湍軌蚩坍?huà)不同資產(chǎn)的波動(dòng)性和信息溢出效應(yīng)，而且能夠刻畫(huà)各種資產(chǎn)間的動(dòng)態(tài)相關(guān)性，因此一經(jīng)提出就獲得廣泛的關(guān)注，并且利用該模型做了豐富的實(shí)證檢驗(yàn)。郭文偉（2015）[5]構(gòu)建VAR-GJR-GARCH-DCC模型分析了中國(guó)股市風(fēng)格資產(chǎn)間的動(dòng)態(tài)相關(guān)性和溢出效應(yīng)。

總結(jié)前人的研究成果不難發(fā)現(xiàn)，他們?cè)谘芯績(jī)煞N資產(chǎn)之間的影響時(shí)，都是基于已有的理論做的具體的廣泛的實(shí)證檢驗(yàn)過(guò)程，較少對(duì)模型得出的數(shù)據(jù)做進(jìn)一步的挖掘，而本文的研究特色正在于通過(guò)挖掘DCC模型得到數(shù)據(jù)，得到了累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率指標(biāo)來(lái)衡量板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力。因此本文就如何定義、如何衡量板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力，以及DCC模型的擴(kuò)展應(yīng)用做出了一點(diǎn)貢獻(xiàn)。

2 實(shí)證研究

本文選取滬深300指數(shù)來(lái)反映大盤(pán)行情，滬深300指數(shù)（編號(hào)：hs300）包括10個(gè)行業(yè)板塊，但為了更好的在圖形上說(shuō)明本文所要描述的方法，現(xiàn)只選取4個(gè)板塊進(jìn)行分析，分別為金融板塊（編號(hào)：jr）、工業(yè)板塊（編號(hào)：gy）、能源板塊（編號(hào)：ny）、信息板塊（編號(hào)：xx），當(dāng)然在實(shí)際的投資策略上應(yīng)該進(jìn)行全板塊分析。另外，在牛市行情中板塊的輪動(dòng)效應(yīng)會(huì)比較明顯，故而板塊對(duì)大盤(pán)的影響力也會(huì)有更為深刻的變化，所以研究牛市行情更有意義。根據(jù)2014—2015年的牛市行情，選取2014年7月22日至2015年6月15日共220個(gè)交易日作為研究樣本。本文用到的軟件是R3.1.2。這里采取指數(shù)的收益率代表行業(yè)板塊的收益率并采用對(duì)數(shù)法，其計(jì)算公式為：

DCC（Dynamic Conditional Correlation）模型即動(dòng)態(tài)條件相關(guān)性模型，由Engle（2002）首先提出，它可以比較方便的得到序列之間的每一期的條件相關(guān)系數(shù)，因此一經(jīng)提出便得到了廣泛的應(yīng)用。模型具體如下。

假設(shè)條件殘差為獨(dú)立同分布的白噪聲過(guò)程，服從均值為0，協(xié)方差矩陣為Ht的多元正態(tài)分布，則動(dòng)態(tài)結(jié)構(gòu)設(shè)定如下：

其中，ut為條件期望均值，Mt-1為截至t-1期的所有可能獲得信息集，Ht為條件協(xié)方差矩陣，Dt是對(duì)角矩陣，Rt為動(dòng)態(tài)條件相關(guān)系數(shù)，σii，t為et的方差，可以看出其由GARCH（1，1）模型得來(lái)。wi，αi，βi是GARCH（1，1）模型的待估參數(shù)，由計(jì)算機(jī)完成，這里不再詳細(xì)給出。εt為標(biāo)準(zhǔn)化殘差，qii，t為序列i與序列j的協(xié)方差，a、b為待估參數(shù)，ρij，t為序列i與序列j的無(wú)條件相關(guān)系數(shù)。Qt為序列i與序列j的條件協(xié)方差矩陣。該模型的估計(jì)分為兩步：第一步，估計(jì)每一個(gè)序列的單變量GARCH（1，1）過(guò)程；第二步，使用第一步得到的標(biāo)準(zhǔn)化殘差估計(jì)動(dòng)態(tài)條件相關(guān)系數(shù)。

通過(guò)DCC模型得到動(dòng)態(tài)相關(guān)系數(shù)之后，再構(gòu)建累計(jì)加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率，具體構(gòu)建過(guò)程如下：

其中，Δi，t為第i個(gè)板塊的第t期的動(dòng)態(tài)相關(guān)系數(shù)變化率，pi，t為第i個(gè)板塊的第t期動(dòng)態(tài)相關(guān)系數(shù)，pi，t為第i個(gè)板塊的第t-1期動(dòng)態(tài)相關(guān)系數(shù)，Πi，t為第t期的累計(jì)加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率。wi為第i個(gè)板的權(quán)重，根據(jù)金融板塊、工業(yè)板塊、能源板塊、信息板塊的流通市值占滬深300指數(shù)的權(quán)重，wi分別為3 實(shí)證結(jié)果與結(jié)論

從圖1可以清楚的反映整個(gè)牛市的階段各個(gè)板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力走勢(shì)。橫軸以上的面積圖反映了累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率為正，說(shuō)明在這一過(guò)程中板塊與滬深300指數(shù)的相關(guān)性處于較高的位置，也即板塊與滬深300的走勢(shì)越來(lái)越趨近于相同，板塊對(duì)滬深300指數(shù)的動(dòng)態(tài)影響力也越強(qiáng)，處于橫軸以下的面積圖則反映了相關(guān)系數(shù)處于較低的位置，也即板塊與滬深300指數(shù)的每日波動(dòng)不大一致，此時(shí)板塊對(duì)滬深300指數(shù)的相對(duì)動(dòng)態(tài)影響力減弱。比較橫軸以上的面積圖，哪個(gè)板塊的面積處于最高位置，則可以反映此時(shí)該板塊在這段時(shí)間與滬深300指數(shù)趨同的動(dòng)力越強(qiáng)，也即相對(duì)其他板塊，面積最高所代表的板塊動(dòng)態(tài)影響力最強(qiáng)。

從圖1的反饋信息來(lái)看，牛市的開(kāi)端，由金融板塊崛起帶動(dòng)，隨后工業(yè)板塊走強(qiáng)，之后傳遞給信息板塊；而到了牛市的中端，四個(gè)板塊的動(dòng)態(tài)影響力并不明顯，但是可以從折線圖（這里并沒(méi)給出折線圖）看出細(xì)節(jié)，此時(shí)金融板塊稍勝一籌；此后牛市的中后端，工業(yè)板塊與信息板塊的影響力交替輪換。

為了證明用累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率可以反映板塊對(duì)大盤(pán)的動(dòng)態(tài)影響力，現(xiàn)用4個(gè)板塊的累積收益率圖（見(jiàn)圖2）來(lái)與之比較。從兩個(gè)圖的比較來(lái)看，累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率基本上可以反映板塊的累積收益。首先，累積收益圖也反映了金融板塊率先走強(qiáng)，然后是能源板塊嶄露頭角，之后是工業(yè)板塊；到了牛市中期，也出現(xiàn)了金融板塊發(fā)力的情形，進(jìn)入牛市的中后期，工業(yè)板塊和信息板塊幾乎同步走強(qiáng)。所以總的來(lái)說(shuō)，圖1與圖2反映的市場(chǎng)信息大致相同。

既然圖1和圖2反映的信息幾大致相同，為何要如此費(fèi)力的構(gòu)建“累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率”這個(gè)相對(duì)復(fù)雜的指標(biāo)呢？顯然累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率比累積收益在反映板塊對(duì)大盤(pán)的影響力方面有獨(dú)特的優(yōu)勢(shì)。從牛市中后期來(lái)看，累積動(dòng)態(tài)相關(guān)系數(shù)變化率可以明確的反映此時(shí)工業(yè)板塊與信息板塊出現(xiàn)了影響力交替效應(yīng)，而累積收益圖卻只能反映此時(shí)的兩個(gè)板塊都走強(qiáng)，且工業(yè)板塊的累積收益走勢(shì)始終在信息板塊的上方，并沒(méi)有反映工業(yè)板塊與信息板塊出現(xiàn)輪動(dòng)的現(xiàn)象，這與實(shí)際的市場(chǎng)行情顯然不符。

另外值得注意的是，本文所提出的累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率也能比較完美的解釋板塊輪動(dòng)效應(yīng)的存在。如果粗略的將累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率理解為輪動(dòng)效應(yīng)指標(biāo)，則可以用影響力走勢(shì)圖來(lái)反映板塊輪動(dòng)的走勢(shì)圖。通過(guò)實(shí)際觀察2014—2015年的牛市行情中板塊輪動(dòng)現(xiàn)象與圖1反映的輪動(dòng)現(xiàn)象大致相同。但是，圖1中面積最高的圖反映的是此時(shí)該板塊與滬深300指數(shù)走勢(shì)最為接近，本文解讀為動(dòng)態(tài)影響力最大，可走勢(shì)最為接近卻并未意味著這個(gè)板塊是當(dāng)前漲勢(shì)最好的板塊。相反，板塊相對(duì)滬深300指數(shù)漲勢(shì)越好，相關(guān)性卻會(huì)減弱，所以用累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率來(lái)反映板塊輪動(dòng)會(huì)有稍許偏差，但是從整體來(lái)講擬合效果還是不錯(cuò)的。

本文通過(guò)創(chuàng)建一個(gè)累積加權(quán)動(dòng)態(tài)相關(guān)系數(shù)變化率來(lái)量化動(dòng)態(tài)影響力，以此考察2014—2015年的牛市行情，發(fā)現(xiàn)動(dòng)態(tài)影響力走勢(shì)圖與實(shí)際的股市行情相差無(wú)幾，因此具有一定的意義。第一，在板塊對(duì)大盤(pán)的影響力研究方面提出了動(dòng)態(tài)影響力的研究方法，并為該方法提供了一個(gè)粗略的理論框架。第二，為DCC模型的擴(kuò)展應(yīng)用做了一點(diǎn)貢獻(xiàn)。本文運(yùn)用DCC模型得到數(shù)據(jù)基礎(chǔ)上，做了更深層此的數(shù)據(jù)處理工作，而非簡(jiǎn)單的用動(dòng)態(tài)相關(guān)系數(shù)闡述問(wèn)題。第三，本文的研究表明，在牛市的初期，一般是常相關(guān)系數(shù)比較高的板塊帶動(dòng)大盤(pán)；在牛市的中期，也是常相關(guān)系數(shù)比較高的板塊發(fā)力。但在牛市的中后期則由常相關(guān)系數(shù)比較低的板塊輪番帶動(dòng)大盤(pán)。因此投資者可以根據(jù)這一規(guī)律進(jìn)行策略投資。

參考文獻(xiàn)：

[1]Paola Sassetti，Massimiliano Tani.Dynamic Asset Allocation Using Systematic Sector Rotation[J].The Journal of Wealth Management，2006，8（4）：59-70.

[2]陳幕紫，陳敏，吳武清，等.中國(guó)A股市場(chǎng)行業(yè)板塊間領(lǐng)漲關(guān)系的動(dòng)態(tài)變換實(shí)證研究[J].系統(tǒng)工程理論與實(shí)踐，2009，29（6）：19-31.

[3]何誠(chéng)穎.中國(guó)股市“板塊現(xiàn)象”分析[J].經(jīng)濟(jì)研究，2001（12）：82-87.

[4]Engel.Dynamic Conditional Correlation： A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models[J].Journal of Business & Economic Statistics，2002，20（3）：339-350.

[5]郭文偉.股市風(fēng)格資產(chǎn)溢出效應(yīng)及動(dòng)態(tài)相關(guān)系突變點(diǎn)研究[J].系統(tǒng)工程，2015，33（3）：12-24.