王宇星

摘 要 本文利用深圳成分指數(shù)、上證指數(shù)、恒生指數(shù)在“深港通”前后一年的每日收盤(pán)價(jià)作為研究樣本，建立ARMA-BEKK（1，1）模型，探究“深港通”對(duì)于滬、深、港三地股市間的波動(dòng)溢出效應(yīng)的影響。結(jié)果發(fā)現(xiàn)，“深港通”之前，三地股市間沒(méi)有明顯的波動(dòng)溢出效應(yīng)，而“深港通”之后上海股市對(duì)深圳股市，香港股市對(duì)上海股市存在單向波動(dòng)溢出效應(yīng)。

關(guān)鍵詞 “深港通” 波動(dòng)溢出 BEKK-GARCH

一、引言

在“滬港通”成功運(yùn)行兩年之后，“深港通”交易機(jī)制也在2016年12月5日啟動(dòng)，這是推進(jìn)內(nèi)地與香港資本市場(chǎng)互聯(lián)互通、促進(jìn)內(nèi)地金融市場(chǎng)改革、學(xué)習(xí)先進(jìn)金融經(jīng)驗(yàn)的重要步驟。更開(kāi)放的市場(chǎng)通常意味著更有效的信息傳遞，而“深港通”的啟動(dòng)是否有效促進(jìn)了兩岸股市信息的交流還需要實(shí)證檢驗(yàn)。信息傳遞通常是用收益率的波動(dòng)來(lái)進(jìn)行刻畫(huà)的，本文將通過(guò)分析滬、深、港三地股市在“深港通”前后的波動(dòng)溢出效應(yīng)，來(lái)研究“深港通”對(duì)于三地股市信息傳遞的影響。

二、文獻(xiàn)綜述

波動(dòng)溢出效應(yīng)是指Y1市場(chǎng)受到新息的沖擊價(jià)格發(fā)生波動(dòng)，這種波動(dòng)會(huì)通過(guò)市場(chǎng)參與者的行為傳遞到Y(jié)2市場(chǎng)，從而影響Y2市場(chǎng)的價(jià)格水平和價(jià)格波動(dòng)性。波動(dòng)溢出效應(yīng)常用MGARCH模型進(jìn)行刻畫(huà)。比如，曹廣喜和姚奕就運(yùn)用VAR-BEKK-MGARCH（1，1）模型發(fā)現(xiàn)滬深股市間在2000年以前基本不存在波動(dòng)溢出效應(yīng)，而在2000年后有比較顯著的波動(dòng)溢出。董秀良和曹鳳岐利用多元GARCH模型驗(yàn)證了美、日以及我國(guó)香港和滬市股票市場(chǎng)的波動(dòng)溢出，指出香港股市對(duì)滬市有顯著的波動(dòng)溢出效應(yīng)，而美、日股市通過(guò)香港間接地引起滬市波動(dòng)。

雖然研究我國(guó)股市波動(dòng)溢出效應(yīng)的學(xué)者不少，但鮮有文獻(xiàn)對(duì)“深港通”的影響展開(kāi)實(shí)證分析，這為本文的研究提供了空間。本文將通過(guò)分析資本市場(chǎng)互聯(lián)機(jī)制影響信息傳遞的過(guò)程機(jī)理，為后續(xù)的金融改革提供參考。

三、模型選取

本文采用Engel和Kroner提出的二元非對(duì)角BEKK-MGARCH模型。假設(shè)有Y1，Y2兩個(gè)市場(chǎng)，其二元BEKK（1，1）模型設(shè)定如下：

， （1）

（2）

其中，（1）式表示向量形式的均值方程，εt表示當(dāng)期隨機(jī)到來(lái)的新息，（2）式是BEKK形式的方差方程。是下三角矩陣，表示收益率的波動(dòng)，表示前期新息沖擊造成的當(dāng)期價(jià)格波動(dòng)，表示前期波動(dòng)引起的當(dāng)期價(jià)格波動(dòng)。參數(shù)估計(jì)采用最大似然估計(jì)法。

本文采用Wald檢驗(yàn)法來(lái)檢驗(yàn)兩個(gè)市場(chǎng)間波動(dòng)溢出效應(yīng)的存在性以及波動(dòng)溢出的方向。

四、實(shí)證分析

（一）數(shù)據(jù)選取與處理

考慮到市場(chǎng)消化政策的沖擊需要一定的時(shí)間，本文選取深圳成分指數(shù)、上證指數(shù)和香港恒生指數(shù)在“深港通”實(shí)行前后一年的每日收盤(pán)價(jià)作為研究樣本，即樣本區(qū)間從2015年12月1日到2016年12月2日和2016年12月5日到2017年12月29日，數(shù)據(jù)分別來(lái)自深圳證券交易所、上海證券交易所和香港交易所網(wǎng)站。由于大陸、香港的節(jié)假日不同，需要對(duì)這三組數(shù)據(jù)的日期進(jìn)行兩兩配對(duì)，刪除掉不匹配的數(shù)據(jù)后，“深港通”之前的樣本容量：深證成分指數(shù)對(duì)上證指數(shù)有247組數(shù)據(jù)，深證成分指數(shù)對(duì)恒生指數(shù)和上證指數(shù)對(duì)恒生指數(shù)均有240組數(shù)據(jù)?！吧罡弁ā敝蟮臉颖救萘浚荷钭C成分指數(shù)對(duì)上證指數(shù)有264組數(shù)據(jù)，深證成分指數(shù)對(duì)恒生指數(shù)和上證指數(shù)對(duì)恒生指數(shù)均有257組數(shù)據(jù)。經(jīng)過(guò)配對(duì)之后，再取對(duì)數(shù)差分就得到了各個(gè)市場(chǎng)的收益率，即

其中，1，2，3分別表示深證成分指數(shù)、上證指數(shù)和恒生指數(shù)，Rit表示i指數(shù)第t日的收益，Pi，t表示i指數(shù)第t日的收盤(pán)價(jià)。

對(duì)三種指數(shù)在“深港通”前后的收益率進(jìn)行ADF平穩(wěn)性檢驗(yàn)，結(jié)果如表1所示?？梢钥闯?，收益率序列在1%顯著性水平下都是平穩(wěn)的。因此，可以直接建模。

（二）模型構(gòu)建

考慮到三種指數(shù)的自相關(guān)關(guān)系，在建立多元波動(dòng)率模型時(shí)將均值方程設(shè)定為ARMA（p，q）模型。通過(guò)觀察收益率序列的自相關(guān)和偏自相關(guān)圖并進(jìn)行多次嘗試，最終確定的均值方程為“深港通”之前深圳-上海分別采用ARMA（2，2）和ARMA（3，3）模型，深圳-香港均采用ARMA（2，2）模型，上海-香港分別采用ARMA（3，3）和ARMA（2，2）模型；“深港通”之后深圳-上海均采用ARMA（1，1）模型，深圳-香港均采用ARMA（2，2）模型，上海-香港分別采用ARMA（1，1）和ARMA（2，2）模型。方差方程均采用非對(duì)角的BEKK（1，1）模型。由于本文主要是探討三個(gè)市場(chǎng)的波動(dòng)溢出效應(yīng)，故只列出方差方程的估計(jì)結(jié)果，如表2、表3、表4所示。

通過(guò)表2可以發(fā)現(xiàn)，在“深港通”之前，α11，α12在5%顯著性水平下是不顯著的，而α21和α22顯著，表明上海股市收益率會(huì)受到滬深兩市前期新息的影響，而深圳股市不受滬深兩市前期新息影響；在“深港通”之后，ARCH項(xiàng)全都不顯著，表明兩個(gè)市場(chǎng)均不受前期新息影響。表3顯示，在5%顯著性水平下，“深港通”之前的深圳-香港股市ARCH項(xiàng)只有α22是顯著的，表明香港股市受到自身前期新息影響，“深港通”之后所有ARCH都不顯著，表明深港市場(chǎng)均不受前期新息影響。在表4中，“深港通”前的ARCH項(xiàng)只有α22在5%水平下顯著，說(shuō)明只有香港股市波動(dòng)率會(huì)受自身前期新息影響，而“深港通”后由于α11，α12均顯著，α21和α22不顯著，表明兩市的前期信息都會(huì)影響上海股市收益率波動(dòng)，香港股市反而不受前期新息影響。三張表里的GARCH項(xiàng)系數(shù)β11和β22無(wú)論在“深港通”之前還是在“深港通”之后，都在5%顯著性水平下顯著，表明滬、深、港三市都顯著受到自身前期收益率波動(dòng)影響，波動(dòng)具有聚類(lèi)性。

Wald檢驗(yàn)的結(jié)果顯示，在5%顯著性水平下，“深港通”之前的滬、深、港三地股市之間都沒(méi)有顯著的波動(dòng)溢出效應(yīng)；“深港通”之后，上海股市對(duì)深圳股市、香港股市對(duì)上海股市都有顯著的單向波動(dòng)溢出效應(yīng)，表明信息是單向地從香港傳遞到上海，又從上海單向傳遞到深圳。

五、結(jié)語(yǔ)

本文利用深圳成分指數(shù)、上證指數(shù)、恒生指數(shù)在“深港通”前后一年的每日收盤(pán)價(jià)作為研究樣本，建立ARMA-BEKK（1，1）模型，探究“深港通”對(duì)于滬、深、港三地股市間的波動(dòng)溢出效應(yīng)的影響。結(jié)果發(fā)現(xiàn)，“深港通”的施行加強(qiáng)了上海股市對(duì)深圳股市的波動(dòng)溢出效應(yīng)，也增加了香港股市對(duì)上海股市的波動(dòng)溢出效應(yīng)。

（作者單位為重慶第二師范學(xué)院）

參考文獻(xiàn)

[1] 曹廣喜，姚奕.滬深股市動(dòng)態(tài)溢出效應(yīng)與動(dòng)態(tài)相關(guān)性的實(shí)證研究——基于長(zhǎng)記憶VAR-BEKK（DCC）-MVGARCH（1，1）模型[J].系統(tǒng)工程，2008（05）：47-54.

[2] 陳云，陳浪南，林魯東.人民幣匯率與股票市場(chǎng)波動(dòng)溢出效應(yīng)研究[J].管理科學(xué)，2009，22（3）：104-112.

[3] 董秀良，曹鳳岐.國(guó)內(nèi)外股市波動(dòng)溢出效應(yīng)——基于多元GARCH模型的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2009，28（6）：1091-1099.

[4] 吳旭.滬港通與上海股市波動(dòng)關(guān)系研究——基于BEKK-GARCH模型[J].荊楚理工學(xué)院學(xué)報(bào)，2015，30（02）：85-90.

[5] 鄒新陽(yáng)，鄧瑤.滬港通對(duì)滬港兩市波動(dòng)性的影響——基于GARCH模型的實(shí)證分析[J].當(dāng)代金融研究，2018（01）：57-66.