周云龍　胡良劍

摘 要：在中國股票市場，一個行業(yè)的波動不僅受到自身前期波動的影響，而且還受到其他行業(yè)歷史波動的影響，這種波動的傳導(dǎo)稱為波動溢出效應(yīng)?；赩AR模型的廣義預(yù)測誤差方差分解方法，利用Matlab軟件對2006年1月至2018年1月具有代表性的10個不同行業(yè)指數(shù)的波動溢出效應(yīng)進(jìn)行研究，發(fā)現(xiàn)股市各行業(yè)之間聯(lián)系十分緊密，尤其是在2015年股災(zāi)前后，總波動溢出指數(shù)達(dá)到了最高點(diǎn)。同時，計(jì)算機(jī)行業(yè)是市場中波動性的主要貢獻(xiàn)者，而且計(jì)算機(jī)對通信行業(yè)，以及建筑材料行業(yè)對房地產(chǎn)行業(yè)具有長期正向的波動溢出效應(yīng)。

關(guān)鍵詞：行業(yè)指數(shù);波動溢出效應(yīng);VAR模型;方差分解

中圖分類號：F830.91 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2019）15-0083-03

中國股票市場在三十余年的發(fā)展歷史中，有漲有落，有進(jìn)有退，總體還是呈上升趨勢。股票價格或收益率的波動性是否受到行業(yè)因素的影響，各行業(yè)股票價格指數(shù)的波動性呈現(xiàn)怎樣的變化特征，各行業(yè)的波動性之間有無協(xié)同變化的規(guī)律等問題始終是投資決策者關(guān)心的熱點(diǎn)問題。在不同經(jīng)濟(jì)形勢下，各行業(yè)的發(fā)展及其相互關(guān)系的影響是投資者在進(jìn)行行業(yè)投資決策、資產(chǎn)配置必須要考慮的內(nèi)容。

從相關(guān)文獻(xiàn)來看，波動溢出效應(yīng)是近些年來國內(nèi)外的一個研究熱點(diǎn)。Diebold&Yilmaz研究了1999年1月至2010年1月期間每天美國股市、債市、匯市和大宗商品市場的波動溢出效應(yīng)，結(jié)果顯示，盡管四個市場在樣本期間有顯著的波動，但跨市場波動溢出效應(yīng)都相當(dāng)有限[1]。直到2007年開始的全球金融危機(jī)爆發(fā)，特別是2008年9月雷曼兄弟（Lehman Brothers）宣布破產(chǎn)后，從股市向其他三個市場的這種跨市場波動溢出效應(yīng)才更加凸顯出來。Bhowmik R.& Abbas G.&Wang S.Y.考察了亞洲6個新興國家（孟加拉國、中國、印度、馬來西亞、菲律賓和韓國）間股市的傳染性和相互依賴性，研究表明，在危機(jī)前、危機(jī)中和危機(jī)后時期，波動率和回報溢出效應(yīng)的表現(xiàn)隨著時間的推移會有很大不同[2]。

一、模型說明

為了分析行業(yè)指數(shù)間的波動溢出，本文使用Diebold& Yilma基于VAR（Vector Autoregression）模型提出的廣義預(yù)測誤差的方差分解方法[1]。VAR（p）模型的定義式為：

二、實(shí)證分析

行業(yè)指數(shù)可以用來度量該行業(yè)的波動程度及分析股票市場的走勢。我們選取申銀萬國公司（簡稱申萬）發(fā)布的一級行業(yè)指數(shù)作為研究對象。由于申萬行業(yè)分類種類繁多，數(shù)據(jù)龐大，我們只選其中具有代表性的農(nóng)林牧漁、采掘、建筑材料、建筑裝飾、房地產(chǎn)、銀行、非銀金融、計(jì)算機(jī)、傳媒、通信共10個申萬一級行業(yè)指數(shù)進(jìn)行研究，時間窗口為2006年1月2018年1月，共2 939個交易日，數(shù)據(jù)取自于天軟科技（Tinysoft金融分析.NET）數(shù)據(jù)倉庫。

為了得到波動溢出指數(shù)，首先需要計(jì)算出行業(yè)指數(shù)每天的市場波動率，我們采用Parkinson[3]提出來的算法，利用行業(yè)指數(shù)每日的最高價、最低價來計(jì)算每日的波動率，計(jì)算公式如下：

1.行業(yè)總體的波動溢出。圖1顯示了2006—2017年滬深股市各行業(yè)之間總體的波動溢出指數(shù)，可以看到，各行業(yè)之間總體的波動溢出穩(wěn)定在0.75左右，遠(yuǎn)大于Diebold與Yilmaz研究中所得出的值。這說明，滬深股市各行業(yè)之間的聯(lián)系非常緊密，尤其是在2015年股災(zāi)前后，總溢出指數(shù)攀升到了0.88。但在2017年底，市場總溢出指數(shù)罕見地下降到了0.5左右，達(dá)到了十年以來的最低值，之后又迅速攀升，在2018年初回到了歷史的均值。總溢出指數(shù)在2017年底罕見地下降，不能僅僅用市場交易氣氛低迷解釋，而必須從每個行業(yè)的角度分別觀察。

2.行業(yè)間的凈波動溢出。通過觀察國民經(jīng)濟(jì)中幾個最重要的行業(yè)，即計(jì)算機(jī)、房地產(chǎn)和農(nóng)林牧漁行業(yè)的波動溢出指數(shù)在樣本期內(nèi)的變化，我們發(fā)現(xiàn)計(jì)算機(jī)行業(yè)的整體上對市場的波動溢出大于其他任何行業(yè)，凸顯了信息科技行業(yè)快速迭代、競爭激烈、不穩(wěn)定的特點(diǎn)。投資者對于互聯(lián)網(wǎng)等信息科技行業(yè)的熱情，以及信息科技行業(yè)對其他行業(yè)的重塑也一定程度上使計(jì)算機(jī)行業(yè)成為市場中波動性的主要貢獻(xiàn)者。與其他行業(yè)相比，計(jì)算機(jī)行業(yè)的凈波動溢出指數(shù)維持在0.2—0.3的高值，在股災(zāi)時期略有回落。銀行業(yè)主要接收其他行業(yè)的波動溢出，但在股災(zāi)前后也經(jīng)歷了劇烈的變化，最高時凈波動溢出達(dá)到0.6。農(nóng)林牧漁行業(yè)雖然在市場中受關(guān)注程度通常不高，但是在近年對市場的波動溢出達(dá)到了0.6的十年最高值。

3.兩兩行業(yè)間波動溢出。最后，我們篩選了一些具有聯(lián)系的不同行業(yè)指數(shù)并觀察了行業(yè)指數(shù)之間兩兩的波動溢出指數(shù)。從圖3可看出，計(jì)算機(jī)和通信行業(yè)波動溢出在2013年左右開始出現(xiàn)反轉(zhuǎn)。在此之前，計(jì)算機(jī)行業(yè)長期對通信行業(yè)具有正的波動溢出作用。近年來，由于移動互聯(lián)網(wǎng)和4G、5G通信技術(shù)的發(fā)展，計(jì)算機(jī)行業(yè)受到智能手機(jī)等輕便智能設(shè)備的沖擊越來越明顯，受通信行業(yè)波動影響不斷增加。建筑材料行業(yè)長期對房地產(chǎn)業(yè)具有正向溢出作用，并具有較強(qiáng)的周期性。而近年來隨著供給側(cè)改革、去產(chǎn)能化政策的影響，建筑材料行業(yè)的縮量對房地產(chǎn)業(yè)產(chǎn)生越來越劇烈的沖擊，因此對房地產(chǎn)市場的波動溢出也更加變得不規(guī)則且劇烈。

三、結(jié)論

本文對股票市場各行業(yè)指數(shù)的波動溢出效應(yīng)進(jìn)行了實(shí)證分析，總結(jié)如下：第一，滬深股市各行業(yè)之間的聯(lián)系非常緊密，尤其是在2015年股災(zāi)前后，總溢出指數(shù)攀升到歷史最高點(diǎn)。但在2017年底，市場總溢出指數(shù)罕見的下降到了近十二年以來的最低值，之后又迅速攀升，在2018年初回到了歷史的均值。第二，計(jì)算機(jī)行業(yè)整體上對市場的波動溢出大于其他任何行業(yè)，凸顯了信息科技行業(yè)快速迭代、競爭激烈、不穩(wěn)定的特點(diǎn)。銀行業(yè)主要接收其他行業(yè)的波動溢出，但在股災(zāi)前后也經(jīng)歷了劇烈的變化。農(nóng)林牧漁行業(yè)雖然在市場中受關(guān)注程度通常不高，但是在近年對市場的波動溢出達(dá)到了0.6的十年最高值。第三，計(jì)算機(jī)行業(yè)對通信行業(yè)具有長期的正向波動溢出作用，建筑材料行業(yè)長期對房地產(chǎn)業(yè)具有正向溢出作用，并具有較強(qiáng)的周期性，房地產(chǎn)長期對銀行業(yè)具有波動正溢出作用，即使在股災(zāi)前后也是如此，銀行業(yè)在2018年左右開始對房地產(chǎn)行業(yè)指數(shù)施加正的波動溢出。

參考文獻(xiàn)：

[1] ?Diebold F.X.，Yilmaz K.Better to Give than to Receive：Predictive Directional Measurement of Volatility Spillovers[J].International Journal of Forecasting，2012，（1）：57-66.

[2] ?Bhowmik R.，Abbas G.，Wang S.Y.Return and Volatility Spillovers Effects：Study of Asian Emerging Stock Markets.Journal of Systems Science and Information，2018，（2）：97-119.

[3] ?Parkinson M.The Extreme Value Method for Estimating the Variance of the Rate of Return.Journal of Business，1980，（1）：61-65.

[責(zé)任編輯 陳丹丹]