趙　華　　麻　露

(廈門大學 1.經濟學院 2.教育部計量經濟學重點實驗室，福建 廈門 361005)

?

中國金融市場的時變信息溢出研究

趙華1,2麻露1

(廈門大學 1.經濟學院 2.教育部計量經濟學重點實驗室，福建 廈門 361005)

運用向量自回歸模型構建溢出指數(shù)對股票市場、債券市場、貨幣市場、外匯市場之間的總溢出、凈溢出以及各市場之間的配對溢出效應的時變性進行研究，結果發(fā)現(xiàn)：中國金融市場的收益率總溢出和波動總溢出并不是恒定的，而是具有顯著的時變特征，其中，收益率總溢出水平在16%～50%的區(qū)間變動，波動總溢出在16%～55%的區(qū)間變動，國內外重要金融政策以及重要金融事件會顯著影響金融市場的信息溢出大小。金融市場間的凈溢出和配對溢出研究進一步表明，凈波動溢出并不是保持同方向不變，而是隨著市場沖擊的變化表現(xiàn)出正的凈溢出和負的凈溢出兩種不同的方向性溢出。

時變溢出；金融市場；溢出指數(shù)；方向性溢出

金融市場一體化的發(fā)展，期貨、期權以及其他可以在市場間套利的衍生金融工具的積極推進對加強市場間的聯(lián)動關系無疑具有極大的作用，投資者跨市場操作使得風險和危機在不同市場之間的傳導速度加快，傳導渠道增多。然而，在中國金融市場的改革和創(chuàng)新過程中，股票市場、外匯市場、債券市場和貨幣市場之間的相互影響、相互作用、相互溢出關系并不一定是恒定的，可能會隨著外來沖擊的影響而產生許多重要的變化。這種時變信息傳導關系會對金融政策的制定與實施、組合資產配置、投資風險管理等問題產生重要影響。因此，有必要對金融市場之間的時變信息傳導關系進行深入研究和探討。

一、文獻綜述

對于金融市場之間相互影響關系的研究由來已久，早期的研究主要涉及各金融市場收益率之間的線性關系，即價格溢出效應。在國外：Ghosh(1993)采用誤差修正模型研究標普500指數(shù)的期貨和現(xiàn)貨價格，發(fā)現(xiàn)兩者間存在協(xié)整關系并且期貨價格的變動領先于現(xiàn)貨價格的變動；Shiller et al.(1992)研究美國和英國的股票市場和債券市場的收益率，發(fā)現(xiàn)兩個市場收益率間存在正相關關系，揭示了兩者存在一定程度的溢出關系。在國內：張碧瓊等(2002)證實人民幣市場匯率和深滬股市的兩個綜合指數(shù)、香港恒生指數(shù)之間分別存在協(xié)整關系和短期相互作用；鄧燊等(2007)利用協(xié)整檢驗和Granger因果檢驗對匯率制度改革后中國股票市場和外匯市場的關系進行了實證研究，認為兩者存在長期穩(wěn)定的協(xié)整關系，人民幣升值是中國股市上揚的單向Granger原因；王一萱等(2005)的研究表明，中國貨幣市場與資本市場之間不存在緊密的聯(lián)系，兩市場相關產品的價格和資金存在分隔現(xiàn)象。這些研究主要是從一階矩的角度進行分析，而忽略了市場收益率二階矩之間的關系，也就無法全面地反映金融市場之間的聯(lián)系。

由于各金融市場對一些宏觀政策影響因素反應的異同以及各市場參與者投資行為的差異，使得各金融市場之間的關系更多地表現(xiàn)為非線性關聯(lián)。國外文獻關于股票市場、外匯市場、貨幣市場、債券市場等主要金融市場之間非線性溢出關系的研究頗為豐富。對于股票市場與債券市場的關系而言：Chuliá et al.(2008)建立多元GARCH模型分析歐洲股票市場和債券市場之間的關系，發(fā)現(xiàn)兩市場間存在雙向波動溢出效應；Dean et al.(2010)對澳大利亞股票市場和債券市場進行研究，發(fā)現(xiàn)僅存在從債券市場到股票市場的單向波動溢出。就股票市場與外匯市場關系而言：Chkili et al.(2012)利用單變量和多變量GARCH類模型對股票市場和匯率市場的波動率關系進行研究，發(fā)現(xiàn)法國和德國的股市與匯市之間具有高度顯著的雙向波動溢出。對于股票市場和貨幣市場關系而言：Jansen et al.(2010)對比熊市和牛市周期利率對股票市場的影響效應，發(fā)現(xiàn)利率在熊市周期對股票市場具有顯著的負向影響；Bernanke et al.(2005)發(fā)現(xiàn)美國股市對貨幣政策沖擊有強烈的反應，貨幣市場和股票市場間存在風險傳染效應。以上的研究都是針對兩個金融市場之間的溢出關系。由于金融市場之間的聯(lián)系錯綜復雜，同時考慮多個市場之間的溢出關系比分割性地研究兩兩市場間的關系能得到更多更豐富的信息。Fleming et al.(1998)發(fā)現(xiàn)股票市場、債券市場和貨幣市場之間有很強的波動溢出效應，并且這種效應在1987年美國股災后顯著增強。Hamrita et al.(2011)對美國市場利率、匯率和股價之間的關系進行研究，發(fā)現(xiàn)匯市與股市只在長期中存在雙向的波動溢出效應。

國內研究方面：趙華(2007)運用多元GARCH模型對人民幣匯率與利率之間的動態(tài)變化關系進行實證分析，發(fā)現(xiàn)人民幣匯率和利率之間不存在價格溢出效應, 人民幣對美元匯率與利率之間不存在波動溢出效應，而人民幣對歐元、日元等非美元匯率與利率之間存在雙向的波動溢出效應；李成等(2010)采用四元VAR(6)-GARCH(1,1)-BEKK模型分析了中國主要金融市場之間的溢出關系，發(fā)現(xiàn)這些市場有很強的波動集聚性和持續(xù)性，大多數(shù)金融市場間存在顯著的雙向均值溢出,所有市場間均存在顯著的雙向波動溢出；熊正德等(2013)引入GC-MSV模型對匯改之后的中國股市和匯市間的溢出效應進行研究，實證結果顯示，匯市股市間整體上存在負的價格溢出效應，在人民幣持續(xù)升溫和震蕩階段存在不對稱的波動溢出效應，且波動溢出效應隨時間推移有所減弱；史永東等(2013)基于Copula理論研究了2002—2009年間股票與債券市場的風險溢出效應，發(fā)現(xiàn)股票市場與債券市場聯(lián)動效應總體不顯著；岳正坤等(2014)對中國股票市場、債券市場和利率市場的均值溢出效應和波動溢出效應進行了研究，發(fā)現(xiàn)債券市場和貨幣市場對股票市場存在均值溢出效應，貨幣市場與債券市場間的波動溢出效應為正；孟慶浩等(2015)構建基于ICA的IC-EGARCH波動溢出模型，對股票、基金、債券、外匯和貨幣市場之間的波動溢出效應進行分析，發(fā)現(xiàn)這五個金融市場間存在不對稱的波動溢出。

綜上，可以看到，國內外文獻應用不同的計量方法對金融市場之間的線性或者非線性溢出關系進行了研究，為深入分析金融市場間溢出關系提供了有益的參考和借鑒，但大部分文獻是以整體樣本為研究對象，考察的是金融市場在樣本期間內溢出的平均水平，或者是以某一事件為分界點分析事件發(fā)生前后溢出水平的變化。而已有文獻對多市場之間信息傳導關系的研究，主要是基于多元GARCH模型或者Granger因果關系檢驗以市場之間的信息溢出關系為常數(shù)作為假設，但并未對這一假設的合理性進行嚴格的分析和證明。如果金融市場的信息溢出關系具有動態(tài)變化或者時變方向性特征，將所有不同特征的數(shù)據混在一起會導致結果不準確甚至是無效。一個有效的解決辦法是選擇一定的樣本窗進行滾動分析。陸鳳彬等(2012)將Haugh-Hong信息溢出統(tǒng)計量與滾動窗結合，建立時變信息溢出統(tǒng)計量。這種方法有助于檢驗序列之間是否存在時變信息溢出效應，不過無法有效刻畫序列之間溢出大小的數(shù)量變化特征。本文將采用滾動窗VAR模型揭示金融市場間溢出大小的時變特征，并討論溢出大小變動的背后可能的影響因素。

不僅如此，中國金融市場所處的國內宏觀經濟、國際經濟金融環(huán)境均處于動態(tài)變化之中，這種變化既會導致金融市場之間溢出大小的動態(tài)變化，還可能造成金融市場溢出的方向發(fā)生改變。本文采用的溢出指數(shù)法不同于基于多元GARCH的溢出分析方法，它不僅能夠度量多變量溢出的數(shù)量大小和周期變化的特征，還能夠有效地揭示出方向性溢出的動態(tài)變化(Diebold et al.,2012)。本文的主要貢獻在于：首次采用溢出指數(shù)法對中國股票市場、債券市場、貨幣市場和外匯市場之間溢出大小的時變特征進行研究，將金融市場溢出大小的變動與國內外經濟金融政策相聯(lián)系，討論政策變化對市場間溢出的影響，并進一步細分溢出效應，考察各金融市場的方向性溢出、凈溢出以及兩兩市場之間的配對溢出效應的動態(tài)特征。

二、研究方法

Diebold et al.(2012)通過向量自回歸模型的方差分解原理構建多變量之間的溢出指數(shù)，能夠有效地測定多市場或者資產之間的時變溢出關系，為本文的研究提供了方法論基礎。本文將探討股票市場、債券市場、貨幣市場和外匯市場之間的時變溢出效應，為此，構建四變量p階向量自回歸(VAR)模型：

(1)

(2)

定義市場j到市場i的波動溢出為：

(3)

(4)

將誤差方差中的交叉方差份額的影響加總，構建總溢出指數(shù)(Total spillover index, TSI)：

(5)

TSI衡量了四個金融市場之間的溢出對誤差方差的貢獻大小，總溢出指數(shù)越大，市場間的溢出在總方差中所占的比重越大，這說明市場之間的溢出程度越高，某一市場的沖擊越容易影響到其他市場。

為了反映不同方向的溢出程度，定義接受總溢出指數(shù)和給予總溢出指數(shù)。市場i的接受總溢出指數(shù)：

(6)

接受總溢出指數(shù)度量其余所有市場對市場i的總溢出值，此時，市場i是其他所有市場波動溢出的目的地。市場i的給予總溢出指數(shù)為：

(7)

給予總溢出指數(shù)度量市場i對其他所有市場波動溢出的總影響，此時，市場i是對其他金融市場波動溢出的發(fā)出者。

根據接受總溢出指數(shù)和給予總溢出指數(shù)，容易定義凈溢出指數(shù)為：

(8)

凈溢出指數(shù)表示市場i的沖擊對所有其他市場的凈波動溢出大小。當凈溢出指數(shù)大于0時，市場i是對其他金融市場波動溢出的凈給予者；當凈溢出指數(shù)小于0時，市場i相對于其他金融市場來說是波動溢出的凈接受者。

接受總溢出指數(shù)和給予總溢出指數(shù)可以有效地度量市場i與其他市場之間的波動溢出效應，但無法具體給出市場i和市場j之間的波動溢出效應，這需要定義配對凈溢出指數(shù)：

(9)

配對凈溢出指數(shù)度量了市場i和市場j之間的波動凈溢出效應。

三、中國金融市場溢出效應的實證分析

(一)數(shù)據的選擇、處理和基本統(tǒng)計分析

本文分析中國金融市場間均值和波動的溢出，選取能夠代表股票市場、債券市場、貨幣市場和外匯市場變動的數(shù)據集合，分別為滬深300指數(shù)、中證全債指數(shù)、隔夜回購利率、人民幣兌美元匯率，時間從2005年8月1日至2015年12月31日。本文選取四個市場同時交易的數(shù)據，總計2534個日觀測值，來源于Wind數(shù)據庫。樣本區(qū)間的選擇主要基于中國外匯體制改革的考慮，2005年7月21日匯率制度改革，開始實行以市場供求為基礎、參考一籃子貨幣進行調節(jié)的有管制的浮動匯率制度。滬深300指數(shù)是從上海和深圳兩個證券交易市場中挑選300只A股作為樣本編制而成的成分股指數(shù)，其樣本覆蓋了滬深市場六成左右的市值，它的變動能夠充分地反映滬深兩市股價的變動，具有良好的市場代表性，故選取該指數(shù)可以很好地反映股票市場的整體波動；中證全債指數(shù)從滬深交易所和銀行間市場挑選國債、金融債及企業(yè)債組成樣本券，能綜合反映滬深證券交易所和銀行間債券市場價格的變動趨勢；國債回購交易活躍，并且交易量較大，所形成的回購利率在短期貨幣市場中居于主導地位，因此選擇銀行間債券回購市場的隔夜利率代表貨幣市場的日變化；由于美元不僅是中國主要的外匯儲備形式，也是重要的外貿結算貨幣，美元在中國各項涉外經濟與金融活動中占有重要地位，因而選擇人民幣兌美元匯率反映外匯市場的變化。

表1　基本統(tǒng)計分析

表1顯示了四個市場2005年8月1日至2015年12月31日的描述性統(tǒng)計量。對于四個市場的收益率：從其均值來看，貨幣市場收益率的均值最大，股票市場次之，而外匯市場由于其間人民幣匯率多處于升值階段而導致收益率均值為負值。從其標準差來看，貨幣市場收益率的標準差最大，股票市場次之，而債券市場和外匯市場的收益率波動較為平緩?？梢?，相較于其他金融市場，貨幣市場雖有高收益的優(yōu)點，但其波動也較大，風險較高，體現(xiàn)了金融市場高收益高風險的特征。從偏度來看，除了股票市場略微左偏外，其余三個市場均為右偏。從峰度來看，除股票市場周收益率峰度小于3，其余三個市場的峰度均大于3。對于四個市場的波動，可以看到，貨幣市場波動的均值和標準差仍然是最大的，可見貨幣市場的波動性在樣本期內變化劇烈，這與其間中國貨幣政策的頻繁調整不無關系；從偏度和峰度上看，四個市場的波動性基本上都是右偏和尖峰分布的，其中，外匯市場和債券市場的偏度和峰度遠大于其他市場，可見這兩個市場波動性的極端值較多。

(二)總溢出分析

圖1　中國金融市場的收益率和波動總溢出圖

為了考察溢出的時變性，現(xiàn)在采用50周(約為一年)滾動窗口計算收益率和波動溢出總指數(shù)*何光輝等(2012)基于一年(250天)的滾動窗分析中外證券市場一體化問題。此外，研究結論對不同大小樣本窗的選擇是穩(wěn)健的。，VAR模型選擇四階滯后(滯后一個月)*對于VAR模型滯后期的選擇，本文遵循Diebold et al.(2012)等的做法，即先選擇一定滯后期進行分析，再探討研究結論是否隨著滯后期的變動而發(fā)生改變。本文穩(wěn)健性檢驗部分分析了滯后二期至滯后十期總溢出指數(shù)的變動情況。，預測步長H設定為八(兩個月)(后文將對滯后期和預測步長的穩(wěn)健性進行分析)。估計結果如圖1所示?？傄绯鰣D表明，中國金融市場的收益率溢出和波動溢出并不是恒定不變，而是大幅度上下變動，時而下降，時而上升，其中：收益率溢出水平在16%～50%的區(qū)間變動，平均溢出水平為29%；波動溢出水平變化較大，在16%～55%的區(qū)間變動，平均波動溢出水平為31%。這說明中國金融市場的收益率溢出和波動溢出具有顯著的時變特征?；诙嘣狦ARCH模型的常數(shù)溢出效應分析忽略了這一特征，也就無法揭示金融市場間信息傳導背后的深層次經濟原因。

首先討論收益率的時變總溢出(圖1上圖)。與波動率的時變溢出圖相比，收益率的動態(tài)溢出變動較為平滑，大致可以分為三個周期：

第一個周期是2009年之前。收益率溢出的變動較為平穩(wěn)，溢出指數(shù)在20%～30%的區(qū)間內波動。收益率溢出指數(shù)從2008年底進入第一個上升周期。這一時期由于受到美國次貸危機進一步惡化的影響，中國國內和國際金融市場動蕩加劇，使得溢出指數(shù)從低于20%的水平一路上升，至2009年9月達到35%的最大值后逐漸下降。

第二個周期從2010年3月開始。由于受到歐洲債務危機的影響，世界經濟二次探底的風險加劇，金融市場又進入了頻繁動蕩的時期，溢出指數(shù)從20%的水平開始迅速上升，至2010年底達到40%的最大值。

第三個周期從2012年2月開始。受到政府嚴厲調控房市、宏觀數(shù)據弱于預期以及金融市場上流動性壓力劇增等方面的影響，股票市場悲觀情緒蔓延，股市連續(xù)下跌并影響其他金融市場，收益率溢出指數(shù)從2012年2月的20%開始迅速上升，在2013年6月達到接近破50%的水平。此后，隨著世界經濟逐漸從危機走向復蘇，溢出指數(shù)逐漸下降，維持在25%～30%的水平?？梢?，收益率的溢出表現(xiàn)出很強的時變性，并且重大金融事件的發(fā)生會導致溢出水平上升。這是由于各金融市場受到相同基本面因素的影響，當某個市場因重大事件的沖擊而產生價格變動時，因基本面的影響以及投資者根據價格變動去推測其他市場價格的變化，從而導致價格變動在市場間溢出。

接著分析中國金融市場之間的波動總溢出(圖1下圖)?？梢詫⒉▌涌傄绯銮€的變化分為三個上升周期：

從2007年初起，波動溢出進入第一個變動周期，總溢出指數(shù)從20%開始呈現(xiàn)上升趨勢。這一時期正對應政府為調節(jié)股市的“非理性繁榮”而頻繁使用加息和緊縮銀根等市場調節(jié)手段，導致貨幣市場和股票市場大幅波動并傳染給其他金融市場，使得溢出指數(shù)迅速上升。特別是2007年5月18日，中國人民銀行宣布同時上調存款準備金率、存貸款基準利率和人民幣兌美元交易價浮動幅度，以及5月30日財政部突然宣布將印花稅提高兩倍至0.3%，股票市場在這些利空消息的沖擊下大幅下跌，溢出指數(shù)從30%的水平突然躍升至50%的峰值。此后，隨著市場參與者對市場預期的調整，市場波動減緩，溢出指數(shù)開始下降，于2007年底降至15%的水平。

波動總溢出變動的第二個周期從2008年一直持續(xù)至2012年。從2008年起，中國金融市場由于受到美國次貸危機的外部沖擊而持續(xù)大幅震蕩，導致波動溢出指數(shù)從15%開始不斷上升，特別是2008年9月雷曼兄弟申請破產保護，預示美國次貸危機進一步惡化，導致波動溢出指數(shù)發(fā)生突然的向上跳躍。2008年底，各國為應對金融危機而相繼制定寬松的貨幣政策，這些國家新增的流動性以國際游資的形式進入中國，加大了中國金融市場的風險。加之中國也于2008年底推出4萬億的經濟刺激計劃，導致2009年中國房價快速上漲，房地產市場泡沫顯現(xiàn)，實物資產價格攀升，造成中國面臨嚴峻的通脹壓力。在國內外經濟形勢如此嚴峻的情況下，溢出指數(shù)從2009年3月起開始加速上升，至9月份達到50%的水平后開始下降，于2009年底降至20%。2010年初至2012年底，除了2010年4月由于股指期貨的推出，期貨和現(xiàn)貨市場的聯(lián)動加劇股票市場的波動，導致波動溢出指數(shù)迅速上升至40%的水平，以及2010年11月，美國宣布推出第二輪量化寬松的貨幣政策，導致波動溢出指數(shù)突然跳躍至超過40%的水平外，其余時間里波動總溢出指數(shù)基本上處于25%～30%的范圍內，可見經濟復蘇期的波動溢出明顯小于經濟危機頻發(fā)時期。

波動總溢出變動的最后一個周期從2013年初持續(xù)至2015年12月。由于2013年以后越來越多的國際資本逃離中國以及不合理的銀行資金使用導致中國銀行同業(yè)拆借市場壓力越來越大，市場上出現(xiàn)“錢荒”，并可能引爆中國的債務危機。市場流動性壓力使各金融市場波動加劇，波動溢出指數(shù)從2013年初低于20%的水平開始迅速上升，并于6月20日，在中國銀行間隔夜拆借利率高達30%時，跳躍至超過50%的水平，此后在略微下降后繼續(xù)快速上漲。2014年6月至樣本期結束，溢出指數(shù)基本上在30%～40%的范圍內變動?？梢姡匾鹑谑录Σ▌右绯鲋笖?shù)具有顯著的影響。

為了檢驗國內外重要金融政策及金融事件對收益率及波動溢出影響的顯著性，本文建立虛擬變量回歸模型：

TSIt=α+βDt+εt

(10)

其中，TSIt為t時期的收益率或波動總溢出指數(shù)，Dt為重要金融政策及事件的虛擬變量。如果在t時期有重要金融政策發(fā)布或者重要金融事件發(fā)生，則取值為1，否則為0。重要金融政策包括美國三輪量化寬松政策、中國股市印花稅政策、2008年4萬億經濟刺激政策等，重要金融事件包括美國次貸危機、歐洲主權債務危機、股市暴跌事件、錢荒事件、滬港通開通等。

表2　重要事件和金融政策對總溢出指數(shù)影響的回歸結果

注：***、**分別表示在1%、5%的水平下顯著；圓括號內的值為相應變量的標準誤，方括號內的值為F檢驗的概率值；為了消除誤差項自相關和異方差的影響，標準誤進行了Newey-West修正。

從表2的回歸結果可知，無論是收益率總溢出還是波動總溢出，其重要事件虛擬變量Dt的系數(shù)值β均為正值且在統(tǒng)計上顯著異于零，這說明重要金融事件的發(fā)生及金融政策的發(fā)布會引起收益率及波動總溢出指數(shù)顯著上升。同時，波動總溢出的β值大于收益率總溢出的β值，意味著波動總溢出對重要金融事件的發(fā)生反應更為靈敏。

因此，中國金融市場之間的收益率溢出和波動溢出關系并不是一成不變的，而是會隨著時間的改變發(fā)生許多重要的變化，顯示出很強的時變性，因此，認為金融市場間的溢出關系是固定不變的觀點可能無法準確地描述市場間真實的溢出水平，也就無法揭示金融市場間信息傳導背后的深層次經濟原因。并且，國內外重要金融政策如美國量化寬松政策、人民幣匯率政策、2008年經濟刺激計劃，以及重要金融事件如美國次貸危機、歐洲主權債務危機等都會顯著影響中國金融市場信息溢出的大小，造成收益率溢出或者波動溢出的突然增大。

(三)分市場方向性總溢出分析

股票市場、債券市場、貨幣市場和外匯市場的總溢出曲線展示了隨著時間的推移，中國金融市場間溢出的總體變化情況。為了更加全面地研究分市場間的溢出，這里分析某一市場對于其他市場的溢出(給予總溢出)或者從其他市場上得到的溢出(接受總溢出)，以及各個金融市場的凈溢出。由于波動總溢出指數(shù)對于重大事件的發(fā)生有更為顯著的反應，因而本文著重研究波動的方向性溢出指數(shù)。

圖2　分市場給予總溢出圖

圖3　分市場接受總溢出圖

各個市場對其他市場的給予總溢出和接受總溢出如圖2和圖3所示?？梢钥闯觯质袌龅姆较蛐砸绯霰憩F(xiàn)出很強的時變性，并且，從總體上看，給予總溢出和接受總溢出的變動呈現(xiàn)出聚集性，即溢出指數(shù)的變化常呈現(xiàn)出在某一時間內持續(xù)偏高或偏低的情況。在四個市場中，股票市場和債券市場的給予總溢出水平明顯大于其他兩個市場，這在后金融危機時期表現(xiàn)得尤為突出。債券市場的接受總溢出在不同時期的表現(xiàn)較為一致。貨幣市場的給予總溢出和接受總溢出在2013年之前較小，而2013年之后突然迅速上升，可見，貨幣市場在金融體系中的參與度2013年之后有較為明顯的提升。

(四)分市場方向性凈溢出與市場間配對溢出效應分析

圖4繪出了四個市場的凈溢出圖，圖5給出了市場間的配對凈溢出圖?？梢钥闯?，各金融市場的凈溢出以及金融市場兩兩之間的溢出關系并不是一直保持同一方向，即從一個金融市場到另一金融市場的單方向性凈溢出，而是存在正的凈溢出(信息溢出的給予量大于接受量)和負的凈溢出(信息溢出的給予量小于接受量)兩種不同的溢出方向，這兩種方向性溢出存在于不同時期，有的時期為正的凈溢出，而有的時期則為負的凈溢出,由于某個市場負的凈溢出可能為其他市場正的凈溢出，故以下主要從正的凈溢出角度進行分析。

圖4　分市場凈溢出圖

圖5　配對凈溢出圖

股票市場作為波動溢出正的凈傳輸者主要集中于三個時期：2008年底至2010年8月、2012年7月至2013年7月和2014年7月至2015年7月(見圖4)。股市作為波動溢出凈傳輸者的第一個時期正值全球經濟的動蕩期，美國金融危機和歐洲債務危機的相續(xù)爆發(fā)加大了世界各經濟體金融市場的風險，作為“經濟晴雨表”的股市更是大幅動蕩，股票市場的劇烈波動導致總溢出指數(shù)不斷上升(見圖1下圖)，這一時期股市的凈溢出指數(shù)基本在3%以上，波動主要溢出到貨幣市場和外匯市場，股市對貨幣市場和外匯市場的最大凈溢出均達到20%以上，此外對債券市場也有影響(見圖5)。股票市場作為波動溢出凈傳輸者的第二個周期的凈溢出值是三個時期中最小的，凈溢出指數(shù)在1%～3%的范圍內波動。這一時期是股市從2010年起連續(xù)下跌的第三年，股市的持續(xù)下跌使得交易者對市場極度悲觀，加之2013年起中國金融市場上流動性壓力劇增，導致股票市場波動加劇。這一波股票市場的波動對債券市場、貨幣市場和外匯市場均有影響，且配對凈溢出均在2%左右(見圖5)。股票市場的凈溢出為正的最后一個時期對應于股票市場的加速上漲時期，在資本市場不斷出臺深化改革以及滬港通、降息等一系列利好消息的沖擊下，股市呈震蕩上行格局，這一時期股票市場的波動主要傳遞到貨幣市場，其配對凈溢出甚至達到40%的水平，此外對債券市場和外匯市場也有影響(見圖5)。

總體而言，債券市場對其他市場正的凈波動溢出大于其他三個市場，主要集中于2006年9月至2007年7月、2008年10月至2009年6月以及2012年12月至2014年3月這三個時期。債券市場凈溢出為正的第一個時期內，由于央行一系列緊縮性貨幣政策的密集出臺而導致債市連續(xù)下跌，期間不斷走高的CPI指數(shù)和巨量特別國債的發(fā)行等利空因素在下跌行情中被不斷放大，更加劇了債券市場的波動。這一時期債券市場的波動主要傳輸?shù)截泿攀袌龊屯鈪R市場，此外對股票市場也有影響(見圖5)。債券市場作為對其他金融市場波動溢出凈傳輸者的第二個時期內，凈溢出指數(shù)基本處于8%的水平以上。這一時期債券市場經歷了由牛轉熊的巨大波動：從2008年9月起，為應對全球金融危機，中國的貨幣政策由緊轉松，為債券市場行情的走高創(chuàng)造了良好的政策環(huán)境；到2009年，各利空消息的沖擊又使得債券市場持續(xù)走弱。債券市場的巨大波動主要溢出到外匯市場，其配對凈溢出的平均值在30%以上，最大值甚至超過50%，此外，債券市場對貨幣市場也有一定程度的影響(圖5)。債券市場波動凈溢出為正的第三時期持續(xù)的時間最長，凈溢出指數(shù)平均在5%的水平上。這一時期美元的長期升值導致海外資本回流美國造成市場資金的緊張以及中國人民銀行釋放資金不及時導致貨幣市場利率出現(xiàn)大幅波動都嚴重影響著債券市場，同時債券核查風暴以及“錢荒”的爆發(fā)更加劇了債券市場的波動。這一時期債券市場的波動主要影響股票市場和外匯市場(見圖5)。

從圖4可以看出，貨幣市場對其他金融市場正的波動凈溢出主要集中于2011年至2012年底及2013年6月至2014年7月這兩個時期。貨幣市場波動凈溢出為正的第一個時期，凈溢出指數(shù)在5%左右，這一時期央行頻繁調整貨幣政策以穩(wěn)定經濟，其中，2011年七次調整存款準備金率、三次調整利率，2012年兩次降準、兩次降息，貨幣政策的頻繁調整加大了貨幣市場的波動。這一時期的波動主要影響到債券市場，其配對凈溢出的平均值在15%以上，最大值甚至超過30%(見圖5)。貨幣市場作為波動凈傳輸者的第二個時期，市場出現(xiàn)資金緊張，對流動性的恐慌引起金融市場的震動，貨幣市場出現(xiàn)較大波動，主要溢出到股票市場和外匯市場(見圖5)。

對于外匯市場而言，其波動凈溢出指數(shù)大于零的時期集中于2006年9月至2007年3月、2010年底至2011年底以及2015年7月至12月(見圖4)。外匯市場作為波動凈傳輸者的第一個時期，人民幣兌美元呈持續(xù)升值趨勢，大量跨境資本通過各種渠道進入中國，增大金融市場的波動，主要溢出到股票市場，其配對凈溢出的均值在18%左右。外匯市場凈溢出指數(shù)為正的第二個時期正值歐美主權債務危機不斷惡化，出于歐美金融市場流動性需求和國際上看空中國經濟的聲音增多，熱錢涌入中國的速度開始放緩，多年來在外匯市場上一直處于升值通道的人民幣，從2011年9月末開始由單邊看漲轉為有貶值預期的人民幣匯率雙向波動。這一時期外匯市場的凈溢出指數(shù)基本在3%的水平上，波動主要溢出到股票市場，其配對凈溢出指數(shù)平均在15%以上，最大值甚至超過了35%(見圖5)。2015年8月11日，中國人民銀行完善人民幣兌美元匯率中間報價機制，導致人民幣快速貶值，帶來外匯市場的劇烈波動，這一時期外匯市場的波動主要影響股票市場，此外對債券市場和貨幣市場也有影響(圖5)。

綜上所述，金融市場之間的方向性凈波動溢出不是固定不變的，而是隨著市場政策和沖擊的變化顯示出不同的溢出方向和溢出水平，表現(xiàn)出很強的時變性。其中，股票市場正的凈溢出主要集中在三個時期，第一個和第三個時期的凈溢出水平明顯大于第二個時期，兩個時期的波動都有很大部分溢出到外匯市場和貨幣市場；債券市場對其他市場正的凈波動溢出大于其他三個市場，凈溢出值大于零主要集中在三個時期，不同時期的凈溢出水平有所差異，并且波動主要溢出到的市場也各不相同；貨幣市場作為正的波動凈傳輸者的時期主要有兩個，第一個時期的凈溢出水平略大于第二個時期；外匯市場凈溢出值大于零主要集中在三個時期內，三個時期內的波動均主要溢出到股票市場。

(五)穩(wěn)健性檢驗

前面選擇四階滯后預測步長為八的VAR模型分析中國股票市場、債券市場、貨幣市場和外匯市場的時變溢出效應。為了檢驗時變溢出效應的穩(wěn)健性，這里將滯后期分別設為兩期至六期，預測步長H設定為兩步至十步，分別計算波動總溢出指數(shù)。對于不同滯后期的分析，得到五組結果，分別計算它們的最大值、平均值和最小值，結果如圖6上圖所示。結果顯示，對于不同的滯后期，波動總溢出圖給出類似的變化形態(tài)，波動總溢出指數(shù)的最大值、平均值和最小值具有基本相似的特征，整體形態(tài)和圖1下圖的波動總溢出十分接近，波動總溢出總是在同樣的時間點出現(xiàn)波峰和波谷。當預測步長從兩步增加到十步時，得到九組結果，它們的最大值、平均值和最小值如圖6下圖所示。本文發(fā)現(xiàn)，波動總溢出指數(shù)變化特征并不會由于預測步長的變化而變化，波動總溢出指數(shù)對于預測步長是穩(wěn)健的。不過下圖比上圖更平滑一些，這是由于下圖中的預測步長多小于上圖中的預測步長八。事實上，不僅波動總溢出指數(shù)對于滯后期和預測步長的變化是穩(wěn)健的，而且收益率總溢出指數(shù)、方向性溢出指數(shù)也不會由于這二者的變化而受到顯著影響。因此，本文的研究結論是穩(wěn)健的，并不會由于不同滯后期和不同預測步長的變化而改變。

圖6　穩(wěn)健性分析圖

此外，本文還進行了其他方面的穩(wěn)健性檢驗：以45周到100周的滾動窗代替50周的滾動窗；基于Parkinson(1980)的極差方法計算周波動性。結論基本保持不變*由于篇幅限制，這里沒有一一列出。。

四、結論與建議

本文選取股票市場、債券市場、貨幣市場和外匯市場的日數(shù)據，通過向量自回歸模型的方差分解原理構建多變量之間的溢出指數(shù)，對中國金融市場均值和波動之間的時變溢出關系開展研究。結果發(fā)現(xiàn)：

第一，中國金融市場的收益率總溢出和波動總溢出并不是恒定不變，而是具有顯著的時變特征。收益率總溢出水平在16%～50%的區(qū)間變動，平均溢出水平為29%；波動總溢出水平變化較大，在16%～55%的區(qū)間變動，平均波動溢出水平為31%。國內外重要金融政策以及重要金融事件會顯著影響中國金融市場信息溢出的大小，造成收益率溢出或者波動溢出突然增大。

第二，分市場的方向性溢出表明，給予總溢出和接受總溢出的變動呈現(xiàn)出聚集性。股票市場和債券市場的給予總溢出水平明顯大于貨幣市場和債券市場，債券市場的接受總溢出在不同時期的表現(xiàn)較為一致，貨幣市場的給予總溢出和接受總溢出在2013年以后上升。

第三，金融市場間方向性凈溢出表明，市場間凈波動溢出并不是保持同一方向不變，而會隨著市場沖擊的變化表現(xiàn)出不同的溢出方向和溢出水平，主要存在正的凈溢出和負的凈溢出兩種不同的溢出方向，這兩種方向性溢出存在于不同時期，凈溢出顯示出很強的時變性。股票市場正的凈溢出主要集中在三個時期(2008年底至2010年8月、2012年7月至2013年7月和2014年7月至2015年7月)，第一個和第三個時期的凈溢出水平明顯大于第二個時期，兩個時期的波動都有很大部分溢出到外匯市場和貨幣市場；債券市場對其他市場正的凈波動溢出大于其他三個市場，正的波動凈溢出主要集中在三個時期(2006年9月至2007年7月，2008年10月至2009年6月以及2012年12月至2014年3月)，不同時期的凈溢出水平有所差異，并且波動主要溢出到的市場也各不相同；貨幣市場作為波動凈傳輸者的時期主要有兩個(2011年至2012年底和2013年6月至2014年7月)，前一個時期的凈溢出水平略大于后一個時期；外匯市場凈溢出大于零主要集中在三個時期內(2006年9月至2007年3月、2010年底至2011年底以及2015年7月至12月)，波動均主要溢出到股票市場。

總的來說，中國金融市場間的均值及波動總溢出和凈溢出會隨著經濟形勢的變化而表現(xiàn)出不同的溢出水平，顯示出很強的時變性。因此，本文認為：對于貨幣政策制定者而言，在出臺宏觀經濟政策時應充分考慮不同時期市場間溢出水平的變化。在經濟危機時期，由于市場間的溢出水平明顯上升，出臺政策時，要特別注意全面考慮政策對金融市場的影響，把握好政策實施的力度和時間，盡量減小金融市場的波動，降低金融市場風險。對于跨市場的投資者而言，應當在準確把握金融市場間波動溢出效應的基礎上，調整好自己的投資行為，在不同時期構建不同的資產組合來規(guī)避金融風險。

鄧燊，楊朝軍． 2007． 匯率制度改革后中國股市與匯市關系：人民幣名義匯率與上證綜合指數(shù)的實證研究[J]. 金融研究(12)：55-64．

何光輝，楊咸月，陳詩一． 2012． 入世以來中國證券市場動態(tài)國際一體化研究[J]． 經濟研究(10)：82-96．

李成，馬文濤，王彬． 2010． 我國金融市場間溢出效應研究：基于四元VAR-GARCH(1,1)-BEKK模型的分析[J]． 數(shù)量經濟技術經濟研究(6)：3-19．

陸鳳彬，洪永淼． 2012． 時變信息溢出檢驗及其在金融市場中的應用[J]． 管理科學學報(4)：31-39．

孟慶浩，張衛(wèi)國. 2015. 基于ICA的多元金融市場波動溢出及實證研究[J]. 系統(tǒng)工程(10)：115-121.

史永東，丁偉，袁紹鋒. 2013. 市場互聯(lián)、風險溢出與金融穩(wěn)定：基于股票市場與債券市場溢出效應分析的視角[J]. 金融研究(3):170-180.

王一萱，屈文洲． 2005． 我國貨幣市場和資本市場連通程度的動態(tài)分析[J]. 金融研究(8)：112-122．

熊正德，韓麗君. 2013. 金融市場間波動溢出效應研究：GC-MSV模型及其應用[J]. 中國管理科學(4)：32-41.

岳正坤，張勇. 2014. 貨幣市場、債券市場對滬深300指數(shù)溢出效應的實證研究[J]. 宏觀經濟研究(3)：100-135.

張碧瓊，李越． 2002． 匯率對中國股票市場的影響是否存在：從自回歸分布滯后模型得到的證明[J]． 金融研究(7)：26-35．

趙華． 2007． 人民幣匯率和利率之間的價格和波動溢出效應研究[J]． 金融研究(3)：41-49．

ANDERSEN T G, BOLLERSLEV T, DIEBOLD F X, et al. 2001. The distribution of realized stock return volatility [J]. Journal of Financial Economics, 61(1):43-76.

BERNANKE B S, KUTTNER K N. 2005. What explains the stock market′s reaction to federal reserve policy [J]. Journal of Finance, 60(3):1221-1257.

CHKILI W, ALOUI C, NGUYEN D K. 2012. Asymmetric effects and long memory in dynamic volatility relationships between stock returns and exchange rates [J]. Journal of International Financial Markets, Institutions and Money, 22(4):738-757.

CHULIA H, TORRO H. 2008. The economic value of volatility transmission between the stock and bond markets [J]. Journal of Futures Markets, 28(11):1066-1094.

DEAN W G, FAFF R W, LOUDON G F. 2010. Asymmetry in return and volatility spillover between equity and bond markets in Australia [J]. Pacific-Basin Finance Journal, 18(3):272-289.

DIEBOLD F X, YILMAZ K. 2012. Better to give than to receive: predictive directional measurement of volatility spillovers [J]. International Journal of Forecasting, 28(1):57-66.

FLEMING J F, KIRBY C, OSTDIEK B. 1998. Information and volatility linkages in the stock, bond and money markets [J]. Journal of Financial Economics, 49(1):111-137．

GHOSH A. 1993. Cointegration and error correction models: Intertemporal causality between index and futures prices [J]. Journal of Futures Markets, 13(2):193-198.

HAMRITA M E, TRIFI A. 2011. The relationship between interest rate, exchange rate and stock price: A wavelet analysis [J]. International Journal of Economics and Financial Issues, 1(4):220-228.

JANSEN D W, TSAI C L. 2010. Monetary policy and stock returns: Financing constraints and asymmetries in bull and bear markets [J]. Journal of Empirical Finance, 17(5):981-990.

KOOP G, PESARAN M H, POTTER S M. 1996. Impulse response analysis in nonlinear multivariate models [J]. Journal of Econometrics, 74(1):119-147.

PARKINSON M. 1980. The extreme value method for estimating the variance of the rate of return [J]. Journal of Business, 53(1):61-65.

SHILLER R J, BELTRATTI A E. 1992. Stock prices and bond yields: Can their comovements be explained in terms of present values models [J]. Journal of Monetary Economics, 30(1):25-46.A Study on Time-varying Information Spillovers in China′s Financial Markets

(責任編輯劉志煒)

ZHAO HuaMA Lu

(Xiamen University, Xiamen 361005)

This paper utilizes vector autoregressive model to construct spillover index to study dynamic relationships, including total spillover effects, net spillover effects and pairwise spillover effects, across stock, bond, foreign exchange and money markets. It has found that the return and volatility spillovers between financial markets are not constant but illustrate significant time-varying characteristics. The total spillovers of returns are between 16% and 50%, whereas those of volatility fluctuate between 16% and 55%. Important foreign and domestic financial policies and events affect the spillovers significantly. Furthermore, the net spillovers and pairwise spillovers among financial markets demonstrate that the net spillovers do not keep the same directions, but display two categories of directional spillovers-positive and negative net spillovers - with the changes of market shock.

time-varying spillover; financial market; spillover index; directional spillover

2016-06-05

趙華(1975--)，男，安徽宿州人，廈門大學經濟學院教授，博士生導師，教育部計量經濟學重點實驗室(廈門大學)研究員。

國家社科基金青年項目“股票市場資產價格跳躍的風險及依存結構研究”(11CJY096)；教育部人文社會科學研究項目“中國金融市場資產價格的共跳性研究”(15YJA790089)。

F832.5；F224

A

1001-6260(2016)05-0019-11

麻露(1988--)，女，福建龍巖人，廈門大學經濟學院博士生。