潘文榮 程旭 李憶
摘 要:隨著全球金融市場自由化程度的不斷提升,研究國際間金融市場波動溢出效應對于風險防范顯得尤為重要。本文根據(jù)股票市場運行的不同周期將實證數(shù)據(jù)劃分為牛市、熊市和盤整市三個時期,結合格蘭杰因果檢驗方法與動態(tài)相關系數(shù)厚尾分布MSV模型,構建出DGC-t-MSV模型,以分析不同時期紐約黃金期貨市場與A股黃金板塊間的波動溢出效應。通過實證研究發(fā)現(xiàn):在牛市時期,紐約黃金期貨市場對A股黃金板塊有著顯著的單向波動溢出效應,而在其他時期,并未存在明顯的波動溢出效應。
關鍵詞:DGC-t-MSV模型;波動溢出效應;格蘭杰因果檢驗;動態(tài)相關系數(shù)
中圖分類號:F830.94 文獻標識碼:A 文章編號:1674-2265(2018)05-0079-06
DOI:10.19647/j.cnki.37-1462/f.2018.05.011
一、引言
黃金期貨市場與股票市場黃金板塊一直以來都是全球黃金投資者的重要投資領域。黃金期貨市場具有高杠桿、高收益、價格發(fā)現(xiàn)和風險規(guī)避等功能,被全球諸多機構投資者追捧;股票市場黃金板塊則具有高流動性、風險規(guī)避、價值保值等功能而被廣大個人投資者所青睞,為此研究黃金期貨市場與A股黃金板塊間波動溢出效應對于風險防范顯得尤其重要。國內(nèi)外學者對黃金的期貨市場與現(xiàn)貨市場研究頗多,如嚴燕(2013)在研究中國黃金期貨市場對黃金現(xiàn)貨市場信息傳遞效應后發(fā)現(xiàn):信息傳遞是由期貨價格對現(xiàn)貨價格的引導和波動溢出兩個途徑實現(xiàn)的;胡秋靈(2011)利用股指期貨與現(xiàn)貨的高頻數(shù)據(jù)進行波動溢出效應分析,但是目前還沒有學者對黃金期貨市場與黃金概念股票市場之間的波動溢出效應進行過研究。
關于研究金融市場的波動性,國內(nèi)外學者主要使用廣義自回歸條件異方差(GARCH)模型和隨機波動(SV)模型。余素紅(2004)研究發(fā)現(xiàn),SV族模型相比于GARCH族模型更能刻畫金融市場的隨機波動性特征。由于金融市場間的波動并非是孤立的,往往容易由一個市場傳導到另一個市場,由此Bollerslev(1988)提出了多元廣義自回歸條件異方差(MGARCH)模型,McAller (2005)根據(jù)Bollerslev (1990)、Engle (2002)、Tse和Tusi (2002)等人的研究結果,提出了多元隨機波動(MSV)模型,隨后Manabu等(2006)對MSV模型進行了系統(tǒng)的梳理,總結出多種MSV模型。國內(nèi)有很多學者應用MSV模型研究了金融市場之間的波動性溢出現(xiàn)象,董艷和梁滿發(fā)(2013)利用GC-MSV模型對國內(nèi)外股市進行波動溢出研究;何啟志、張晶和范從來(2015)利用DGC-MSV模型分析了國內(nèi)外石油價格波動溢出現(xiàn)象。
大多數(shù)國內(nèi)外學者在研究金融市場之間的風險波動溢出效應時,常??紤]市場間整體的波動效應。金融市場存在著不同的運行周期,在不同時期,投資者的投資決策容易受到政府決策和市場情緒的影響,其波動溢出效應的影響方式和作用方向是不同的。熊正德和韓麗君(2013)將匯市分為兩個不同的時間段,分析了不同時間段股市與匯市之間的波動溢出效應。趙然(2016)將股票市場分為不同的階段,分段研究了期貨市場和股票市場間的聯(lián)動性。
本文通過對已有文獻的梳理,發(fā)現(xiàn)多數(shù)文獻存在以下三點不足:其一,已有研究大多只對一個市場完整的運行周期進行分析,忽略了資本市場在不同周期存在著不同的波動溢出效應;其二,已有文獻大多基于隨機誤差項服從正態(tài)分布這一假設為前提,使用GARCH族模型來刻畫金融市場間的波動溢出效應,而金融資產(chǎn)的收益率序列呈現(xiàn)出的尖峰厚尾性并不適合隨機誤差項服從正態(tài)分布這一假設;其三,已有研究大多使用一元SV模型來刻畫資產(chǎn)價格波動的隨機性,忽視了波動溢出效應產(chǎn)生的原因可能是由多個不同金融市場間復雜多變的波動溢出關系而引起的。
由此,本文將A股黃金板塊收益率數(shù)據(jù)分為三個時期(牛市時期、熊市時期和盤整市時期),引入t分布、格蘭杰因果檢驗及動態(tài)相關系數(shù),構建了DGC-t-MSV模型,用于檢驗紐約黃金期貨市場與A股黃金板塊之間在不同時期的波動傳導方向及其時變關系,并運用馬爾科夫鏈蒙特卡洛(MCMC)的方法對模型的待估參數(shù)進行估計,進而分析兩個市場之間的波動溢出效應,為金融市場監(jiān)管者及投資者防范風險提供理論指導。
二、DGC-t-MSV模型構建
MSV模型有許多種形式,由于考慮到金融資產(chǎn)收益波動之間的時變相關性、金融資產(chǎn)收益率序列的尖峰厚尾性,常常使用DDC-t-MSV模型來研究兩種金融資產(chǎn)收益率的聯(lián)動性,而格蘭杰因果檢驗可以檢驗兩種資產(chǎn)收益之間波動溢出方向。綜合以上條件,本文在DDC-t-MSV模型中加入Granger因果檢驗,構建了DGC-t-MSV模型,其形式如下:
其中,[Rt]=[(R1t,R2t)′],[Rt]表示的是收益率矩陣,[R1t、R2t]分別表示t時刻A股黃金板塊指數(shù)收益率和黃金期貨指數(shù)收益率序列。
隨機擾動項[εt]服從均值為0,方差為[Σε,t],自由度為d的t 分布,[qt]是一個隨機過程,受到一個服從標準正態(tài)分布的隨機干擾項[νt]影響,[εt]、[γt]和[νt]不相關。
[ht=(h1t,h2t)′]是t時刻兩市場間的潛在波動序列。[φ11]表示A股黃金板塊市場波動的持續(xù)性,[φ22]表示紐約黃金期貨市場波動的持續(xù)性,[φ12]表示紐約黃金期貨市場對A股黃金板塊的波動溢出性,[φ21]表示A股黃金板塊對紐約黃金期貨市場的波動溢出性。
[ψ]為動態(tài)相關系數(shù)的持續(xù)性參數(shù)。
三、實證研究
(一)樣本數(shù)據(jù)的區(qū)間選擇及預處理
本文選取同花順I(yè)FIND數(shù)據(jù)庫中定義的A股黃金板塊指數(shù),A股黃金板塊涵蓋了滬深兩市中所有生產(chǎn)黃金、進行黃金銷售的上市公司,具有很強的代表性。在黃金期貨市場上,本文選取紐約黃金期貨指數(shù)(COMEX黃金)作為代表,其數(shù)據(jù)來源于紐約黃金期貨交易所。為了保證足夠大的時間跨度和一個完整的股市運行周期,我們選擇樣本區(qū)間從2014年1月16日至2017年7月25日的數(shù)據(jù)。刪除兩市由于節(jié)假日以及不同交易日等原因產(chǎn)生無法重合的數(shù)據(jù)后,得到846組樣本數(shù)據(jù)。將樣本數(shù)據(jù)根據(jù)股票市場不同運行周期的特點,劃分為牛市(2014年1月16日—2015年6月15日)、熊市(2015年6月16日—2016年1月29號)以及盤整市(2016年2月1日—2017年7月25日),其對應區(qū)間樣本個數(shù)如表1所示。
根據(jù)圖1、2可知,兩市收益率序列均出現(xiàn)了波動集聚現(xiàn)象,紐約黃金期貨與A股黃金板塊的收益率波動頻率基本保持一致。
根據(jù)表2所知,A股黃金板塊和紐約黃金期貨收益率的JB統(tǒng)計量分別等于425.45和170.49,說明其均不服從正態(tài)分布,而從圖3和圖4的Q-Q圖也能看出,兩市收益率序列存在顯著的厚尾特征。由于SV族模型可以很好地解釋兩市呈現(xiàn)出尖峰厚尾的非正態(tài)分布特征,故本文選取DGC-t-MSV模型對A股黃金板塊和紐約黃金期貨收益率序列關系進行統(tǒng)計建模。
為保證兩市樣本數(shù)據(jù)的平穩(wěn)性,本文對其進行ADF檢驗。根據(jù)表3可知,兩市收益率序列的P值都小于0.01,表明兩市收益率序列均為平穩(wěn)序列,即可以對原收益率序列進行回歸分析。
(二)波動溢出效應收斂性分析
本文使用基于Gibbs抽樣的MCMC方法對DGC-t-MSV模型的各參數(shù)進行估計。使用WinBUGS14對兩市三個時期收益率序列進行統(tǒng)計建模,并對各參數(shù)設定不同的初始值,使用2條Markov鏈進行80000次的迭代計算,為了保證參數(shù)的收斂性,將前40000次作為退火處理。我們采用BGR統(tǒng)計圖以及后驗核密度圖來診斷參數(shù)的收斂性。其中BGR圖兩條線均趨近于1(見圖5、7和9),后驗密度圖平滑且只有一個尖峰(見圖6、8和10),說明參數(shù)均收斂,本文構建的模型可以很好地反映出A股黃金板塊指數(shù)與紐約黃金期貨指數(shù)波動溢出關系。
(三)動態(tài)相關性分析
由圖11可知,A股黃金板塊收益率與紐約黃金期貨指數(shù)收益率的相關系數(shù)具有時變性,其相關系數(shù)在0.1261—0.3145間波動。牛市期間,相關系數(shù)在0.1756—0.3145之間波動,均值為0.2488;熊市期間,其在0.1261—0.2567之間波動,均值為0.1865;在盤整市期間,動態(tài)相關系數(shù)在0.1585—0.2773之間波動,均值為0.2261。說明兩市波動存在相關性,在牛市時期,兩市動態(tài)相關系數(shù)的波動幅度較大,相對于其他兩個時期表現(xiàn)出了較強的相關性。
(四)波動溢出效應分析
由表4參數(shù)結果估計可知,[φ11]和[φ22]分別表示A股黃金板塊以及紐約黃金期貨收益率序列的自身波動持續(xù)性參數(shù),A股黃金板塊收益率序列自身波動的持續(xù)性大于黃金期貨收益率序列自身波動的持續(xù)性,而又因為其值均接近于1,表明其受自身前期收益率波動的影響較大,兩市收益率序列都具有顯著的波動聚集性;[ψ]表示兩市之間動態(tài)相關關系持續(xù)性參數(shù),實證結果顯示其接近于1,說明兩市之間當期相關系數(shù)容易受到前一期相關系數(shù)的影響。自由度參數(shù)d顯著異于0,說明兩市收益率序列具有尖峰厚尾性,這與前面的JB檢驗和Q-Q圖結果一致。
[φ12]表示紐約黃金期貨對A股黃金板塊的波動溢出參數(shù),[φ21]表示A股黃金板塊對紐約黃金期貨的波動溢出參數(shù)。在2.5%分位數(shù)、中位數(shù)和97.5%分位數(shù)下,[φ12]和[φ21]都為正數(shù),參數(shù)[φ12]的估計值大于參數(shù)[φ21]的估計值,表明紐約黃金期貨對A股黃金板塊的影響大于A股黃金板塊對紐約黃金期貨的影響。為檢驗波動溢出效應參數(shù)的顯著性,設立原假設[H0]:[φij=0],[(i=1,2;j=1,2)],備擇假設[H1]:[φij≠0],[(i=1,2;j=1,2)]。構造t統(tǒng)計量檢驗[φ12]和[φ21]是否顯著,其中[t=φi,jSi,j]([φi,j]表示經(jīng)過MCMC方法迭代后參數(shù)[φi,j]估計值的均值,[Si,j]表示樣本標準差,i=1,2;j=1,2),在顯著性水平等于0.05時,當[t≥1.96]時,拒絕原假設,即[φi,j]顯著異于0,否則接受原假設,[φi,j]不顯著異于0。對于[φ12],t=1.9652>1.96,因此拒絕原假設,[φ12]顯著異于0;對于[φ21],t=0.5651<1.96,因此接受原假設,[φ21]不顯著異于0,說明在牛市期間,紐約黃金期貨收益波動對A股黃金板塊收益波動存在引導效應以及單向的波動溢出效應。
在熊市與盤整市[φ11]和[φ22]均接近于1,這表明在此期間,兩市收益率序列仍然受自身前期波動的影響,[ψ] 也均接近于1,兩市之間當期相關系數(shù)依舊容易受到前一期相關系數(shù)的影響,波動集聚特征顯著。但是[φ12]和[φ21]均不顯著異于0,說明在熊市與盤整市時期,紐約黃金期貨與A股黃金板塊互不存在波動溢出效應。
綜上所述,在牛市期間,A股黃金板塊不僅受到自身前期波動的影響,還容易受到紐約黃金期貨市場波動的影響,紐約黃金期貨市場對A股黃金板塊產(chǎn)生顯著的單向波動溢出效應;在熊市及盤整市期間,兩個市場間的波動溢出效應均不顯著。產(chǎn)生這種差異性的原因可能是:
1. 紐約黃金期貨市場作為成熟的資本市場,信息流動速度較快,導致波動溢出風險由國際化程度較高的紐約黃金期貨市場傳遞到國際化程度還不夠高的A股黃金板塊中來,進而產(chǎn)生了顯著的單向波動溢出效應。
2. 在牛市時期,國外投資者對于A股黃金板塊有著樂觀市場預期,進而通過QFII等機制買入A股市場黃金板塊的股票,進行資產(chǎn)配置,由于A股市場黃金板塊總體市值較小,在黃金定價上尚不具備話語權,其自身波動不足以對紐約黃金期貨產(chǎn)生影響,以至于產(chǎn)生單向波動溢出現(xiàn)象。
四、結論
本文以紐約黃金期貨指數(shù)和A股黃金板塊指數(shù)的收益率數(shù)據(jù)為研究對象,構建了具有格蘭杰因果檢驗、動態(tài)相關系數(shù)和厚尾分布的DGC-t-MSV模型,實證分析了三個時期(牛市、熊市和盤整市)兩個跨國黃金市場間均值溢出效應和波動溢出效應,實證結果表明:
第一,A股黃金板塊及紐約黃金期貨市場收益率序列均存在顯著的尖峰厚尾特征,兩市收益率序列的波動時變及集聚特征明顯。兩市自身波動持續(xù)參數(shù)均接近于1,表明兩個黃金市場均易受到自身前期波動的影響,波動集聚特征也十分顯著,兩個黃金市場對于引起價格波動信息的自我調節(jié)能力較弱。因此,對于我國金融風險監(jiān)管者而言,要時刻關注紐約黃金期貨市場對A股黃金板塊的風險傳導路徑,當出現(xiàn)劇烈波動時,應該采取合理的風險防范措施,加大對跨境資本的監(jiān)管力度,避免紐約黃金期貨市場的劇烈波動對A股黃金板塊的發(fā)展產(chǎn)生不利影響。
第二,在牛市時期,紐約黃金期貨市場與A股黃金板塊僅存在著顯著的單向風險傳遞特征,即紐約黃金期貨市場的波動能對A股黃金板塊的波動產(chǎn)生影響,但是A股黃金板塊的波動無法對紐約黃金期貨市場產(chǎn)生影響,也由此表明紐約黃金期貨市場是風險溢出中心;在熊市以及盤整市時期,紐約黃金期貨市場與A股黃金板塊之間并不存在明顯的波動溢出效應。因此,對于黃金市場的投資者而言,要重點關注紐約黃金期貨市場的波動情況,利用其對A股黃金板塊在牛市時期產(chǎn)生的單向波動效應,合理做出黃金跨市投資策略,對黃金類資產(chǎn)配置進行合理優(yōu)化,減少由于單一市場劇烈波動導致的資產(chǎn)減值損失。
第三,A股黃金板塊與紐約黃金期貨市場的動態(tài)相關系數(shù)呈現(xiàn)出時變正相關關系,但兩個黃金市場聯(lián)動關系有待改善。由于A股黃金板塊總體市值規(guī)模小,交易活躍度也不及紐約黃金期貨市場那么高,加之監(jiān)管者為了防范大量國外資本的流入對A股黃金板塊的穩(wěn)定性造成巨大沖擊而設定了一系列跨境資本管制制度,導致了這種較弱的聯(lián)動性。由此,對于市場監(jiān)管者而言,為了促進A股黃金板塊走向國際化,加強我國在黃金定價機制上的話語權,有必要進一步推進A股市場黃金板塊的市場化進程。
參考文獻:
[1]Bollerslev T. 1988. On the Correlation Structure for the Generalized Autoregressive Conditional Heteroskedastic Process[J].Journal of Time Series Analysis,(9).
[2]Manabu A,Michael M,Jun Y. 2006. Multivariate Stochastic Volatility:A Review[J].Econometric Reviews.
[3]Yu J,Meyer R. 2006. Multivariate stochastic models:bayesian estimation and model comparison[J]. Econometric Re-views,25(2-3).
[4]嚴燕.我國黃金期貨市場對黃金現(xiàn)貨市場信息傳遞效應的實證檢驗[D].西南財經(jīng)大學碩士研究生論文,2013.
[5]胡秋靈,馬麗.我國股票市場和債券市場波動溢出效應分析[J].金融研究,2011,(11).
[6]余素紅,張世英.SV和GARCH模型擬合優(yōu)度比較的似然比檢驗[J].系統(tǒng)工程學報,2004,19(16).
[7]董艷,梁滿發(fā).基于GC-MSV模型的國內(nèi)外股市波動溢出效應分析[J].財會月刊,2013,(5).
[8]何啟志,張晶,范從來.國內(nèi)外石油價格波動性溢出效應研究[J].金融研究,2015,(8).
[9]]熊正德,韓麗君.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,2013,21(2).
[10]趙然.期貨市場與股票市場聯(lián)動性分析——以銅、黃金、棉花和燃料油為例[J].財經(jīng)界(學術版),2011,(8).
[11]黃波,顧孟迪,李湛.偏正態(tài)隨機波動模型及其實證檢驗[J].管理科學學報,2010,13(2).
Abstract:With the increasing degree of liberalization of global financial markets,it is particularly important to study the volatility spillover effects between international financial market. This paper divides the empirical data into Bull Market,Bear Market and Concussive Market,the Grainger causality test is introduced to build the DGC-t-MSV model to analyze the spillover effect between the gold futures market and the gold industry of A-Share in different periods. Through an empirical research found that the gold futures market has a significant one-way volatility spillover effect on the stock market in Bull Market. In other periods,there is no obvious volatility spillover effect.
Key Words: DGC-t-MSV model,Volatility Spillover effect,Grainger causality test,dynamic correlation coefficient
(責任編輯 耿 欣;校對 MM,GX)