我國大類資產(chǎn)信息溢出機(jī)制研究
——基于方差分解的網(wǎng)絡(luò)拓?fù)浞治?/h1>
2019-10-24 09:12:20周亮
運(yùn)籌與管理 2019年9期
周 亮
(1.湖南財(cái)政經(jīng)濟(jì)學(xué)院 學(xué)報(bào)編輯部，湖南 長(zhǎng)沙 410205; 2.湖南師范大學(xué) 商學(xué)院，湖南 長(zhǎng)沙 410081)
0 引言
隨著經(jīng)濟(jì)一體化程度越來越高、投資者越來越成熟，大類資產(chǎn)市場(chǎng)之間不再是分割的個(gè)體，而是聯(lián)系越來越緊密，相互之間的影響越來越密切，風(fēng)險(xiǎn)的傳染也越來越迅速。國際上關(guān)于金融市場(chǎng)互動(dòng)關(guān)系的研究文獻(xiàn)，多數(shù)是以歐美主要股市為研究對(duì)象(Koutmos and Booth[1]；Fratzscher[2]；Bodart and Candelon[3])，后來擴(kuò)展到對(duì)于匯市之間、債券市場(chǎng)間聯(lián)動(dòng)關(guān)系的研究(Hong[4]；Inagaki[5])，研究結(jié)論表明國際主要股市間存在明顯的溢出效應(yīng)，可以稱之為金融傳染(Forbes and Rigobon[6])。國內(nèi)學(xué)者方面，大部分研究同樣集中在對(duì)股市信息溢出的研究(馮旭南和徐宗宇[7])以及滬深股市與香港或美國股市之間的信息溢出機(jī)制(李紅權(quán)、洪永淼和汪壽陽[8]；劉磊和王宇[9])，還有學(xué)者研究了股市內(nèi)部行業(yè)間的信息溢出情況(黃瑋強(qiáng)、莊新田和姚爽)[10]，也有學(xué)者對(duì)股市與債市之間的信息溢出(徐信喆、楊朝軍和陳強(qiáng))[11]、國際石油價(jià)格對(duì)股市的信息溢出(宋科艷)[12]、人民幣匯率市場(chǎng)對(duì)股市的信息溢出(陳云)[13]進(jìn)行了研究。還有一些文獻(xiàn)研究了其他市場(chǎng)間的信息溢出情況，如劉向麗等[14]分析了商品期、現(xiàn)貨兩個(gè)市場(chǎng)間的信息溢出效應(yīng)；陸鳳彬和洪永淼[15]研究了上海期貨交易所(SHFE)和倫敦金屬交易所(LME)銅期貨市場(chǎng)間信息溢出的時(shí)變特征；羅榮華和門明[16]建立基于t分布的VECM-MVGARCH-BEKK模型研究了股指期貨和現(xiàn)貨市場(chǎng)的信息溢出效應(yīng)；鄧宏亮和黃太洋[17]采用線性及非線性Granger因果檢驗(yàn)方法研究了我國糧食期貨市場(chǎng)價(jià)格與匯率之間不同階段的信息傳遞溢出；黃文彬和李海栗[18]分析了全球主要碳金融工具的信息溢出效應(yīng)；張海亮和饒永恒[19]運(yùn)用信息溢出檢驗(yàn)方法(Hong方法)詳細(xì)分析了我國稀有金屬現(xiàn)貨市場(chǎng)內(nèi)各品種間的信息溢出效應(yīng)及國內(nèi)外稀有金屬現(xiàn)貨市場(chǎng)間的信息溢出效應(yīng)。
常見的用于檢驗(yàn)信息溢出的方法有線性或非線性Granger因果檢驗(yàn)、多元GARCH模型、CoVaR等。而Diebold和Yilmaz[20]基于向量自回歸模型中傳統(tǒng)正交方差分解方法提出的總體溢出指數(shù)，能夠更直觀地描述多個(gè)市場(chǎng)間的總體溢出方向和大小。但該方法同樣存在缺陷，其所依賴的Cholesky分解方法的結(jié)果會(huì)受到變量次序的影響。因此Diebold和Yilmaz[21]對(duì)該方法進(jìn)行改進(jìn)，在廣義預(yù)測(cè)誤差方差分解的基礎(chǔ)上構(gòu)建更具有普遍性的溢出指數(shù)，消除了由于變量排序不同造成的結(jié)果差異問題。Barunik et al.[22]對(duì)Diebold和Yilmaz的模型進(jìn)行了改進(jìn)，采用高頻數(shù)據(jù)區(qū)分出正向波動(dòng)和負(fù)向波動(dòng)，從而考察了美國股市上波動(dòng)溢出的非對(duì)稱性。隨后該方法被引入國內(nèi)，大量學(xué)者采用該方法對(duì)不同金融市場(chǎng)之間的信息溢出進(jìn)行了研究。梁琪、李政和郝項(xiàng)超[23]采用溢出指數(shù)方法研究了全球17個(gè)國家或地區(qū)的股票市場(chǎng)的聯(lián)動(dòng)，測(cè)度了中國股市信息溢出的方向、水平和動(dòng)態(tài)趨勢(shì)；李政、梁琪和涂曉楓[24]構(gòu)建了我國上市金融機(jī)構(gòu)之間的關(guān)聯(lián)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)分析法解構(gòu)了金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及部門內(nèi)和部門間的關(guān)聯(lián)特征；歐陽紅兵和汪清梅[25]基于方差分解的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)我國13家主要上市銀行機(jī)構(gòu)的股票波動(dòng)率的關(guān)聯(lián)度進(jìn)行了度量及分析；尹力博和吳優(yōu)[27]采用廣義溢出指數(shù)法研究了離岸人民幣與中國周邊國家(地區(qū))貨幣的溢出效應(yīng)及其時(shí)變特征；徐曉光、廖文欣和鄭尊信[27]運(yùn)用廣義溢出指數(shù)法對(duì)比分析了滬港通開通前后中國內(nèi)地與中國香港股市行業(yè)間波動(dòng)溢出效應(yīng)的變化及其形成機(jī)理。
但是較少有學(xué)者將股票市場(chǎng)、期貨市場(chǎng)及債券市場(chǎng)綜合一起考慮，用廣義溢出指數(shù)法分析三個(gè)市場(chǎng)之間信息溢出的更為少見?？紤]到采用經(jīng)濟(jì)周期或貨幣周期劃分的投資時(shí)鐘，可以有效的在大類資產(chǎn)之間進(jìn)行輪動(dòng)配置，從而獲得較為穩(wěn)定的超額投資收益(周亮[28]；郜哲[29])，因此從信息溢出角度研究三個(gè)市場(chǎng)之間的內(nèi)在傳導(dǎo)機(jī)制，具有較強(qiáng)的理論和現(xiàn)實(shí)意義。并且，目前國內(nèi)對(duì)Diebold和Yilmaz方法進(jìn)行研究的文獻(xiàn)，還很少有涉及到對(duì)正負(fù)波動(dòng)溢出非對(duì)稱性的研究。因此，本文將借鑒Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，通過基于方差分解的關(guān)聯(lián)性表及拓?fù)渚W(wǎng)絡(luò)來分析我國股票、期貨和債券三個(gè)市場(chǎng)間的收益率溢出和波動(dòng)率溢出情況，并且通過將波動(dòng)分為正向波動(dòng)和負(fù)向波動(dòng)，考察了波動(dòng)溢出的非對(duì)稱性；同時(shí)考慮到2015年6月我國發(fā)生了舉世矚目的股災(zāi)，不僅導(dǎo)致股市千股一再跌停，同時(shí)風(fēng)險(xiǎn)也向其他資產(chǎn)市場(chǎng)擴(kuò)散，因此討論了股災(zāi)發(fā)生前后6個(gè)月時(shí)間里三個(gè)市場(chǎng)的波動(dòng)率溢出的變動(dòng)情況，除了可以更好的利用廣義溢出指數(shù)分析三個(gè)市場(chǎng)的溢出機(jī)制外，也能為投資理論和實(shí)踐提供更充分的指導(dǎo)依據(jù)。
1 研究設(shè)計(jì)
1.1 大類資產(chǎn)關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及特征刻畫
網(wǎng)狀拓?fù)浣Y(jié)構(gòu)主要指各節(jié)點(diǎn)通過傳輸線互相連接起來，并且每一個(gè)節(jié)點(diǎn)至少與其他兩個(gè)節(jié)點(diǎn)相連，主要應(yīng)用在計(jì)算機(jī)領(lǐng)域，用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來描述大類資產(chǎn)之間的關(guān)聯(lián)網(wǎng)絡(luò)，可以很好的描述出大類資產(chǎn)之間的信息溢出機(jī)制。采用向量自回歸(VAR)模型來研究大類資產(chǎn)之間的關(guān)聯(lián)關(guān)系，向量自回歸模型是基于數(shù)據(jù)的統(tǒng)計(jì)特征，將系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中每一個(gè)內(nèi)生變量的滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息，可以用方差分解將網(wǎng)絡(luò)拓?fù)浞治鲋袕?fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的矩陣——關(guān)聯(lián)性表。根據(jù)Diebold and Yilmaz[21]的方法，選擇沖擊期為12期的方差分解可以測(cè)算出大類資產(chǎn)之間的關(guān)聯(lián)性表。略有不同的是，本文選取的是2010年1月至2017年12月的所有周數(shù)據(jù)進(jìn)行測(cè)算，考慮到一年的交易周約為50周，因此形成期采用50期，而不是像Diebold and Yilmaz[21]采用的100期。具體的關(guān)聯(lián)性表構(gòu)造如表1所示：
表1 拓?fù)渚W(wǎng)絡(luò)的關(guān)聯(lián)性表
1.2 樣本選擇及描述性分析
表2 三類資產(chǎn)收益率及波動(dòng)率的描述性統(tǒng)計(jì)情況
表3報(bào)告了三類資產(chǎn)在整體樣本區(qū)間的收益率和波動(dòng)率之間的相關(guān)系數(shù)。可以看到，收益率方面，股票和期貨在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券在5%的顯著性水平下存在著負(fù)相關(guān)關(guān)系，但是股票和債券之間卻沒有顯著的相關(guān)性；波動(dòng)率方面，股票與債券在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券之間也存在著顯著的正相關(guān)關(guān)系，但是股票和期貨之間的相關(guān)性卻不顯著。因此，綜合來看，三類資產(chǎn)之間的收益率或波動(dòng)率之間存在著一定的相關(guān)關(guān)系。但是表3只是整體樣本區(qū)間的靜態(tài)分析，且只能簡(jiǎn)單看出資產(chǎn)之間的兩兩相關(guān)性，無法判別相互之間的影響機(jī)制，因此下文將采用基于方差分解的網(wǎng)絡(luò)拓?fù)浞治鰜硌芯抠Y產(chǎn)之間的信息溢出機(jī)制。
表3 三類資產(chǎn)之間的收益率及波動(dòng)率間的相關(guān)系數(shù)表
注：*、**、***分別表示在10%、5%、1%水平下顯著。
2 實(shí)證檢驗(yàn)與結(jié)果分析
2.1 全樣本信息溢出分析
采用表1的方法研究樣本區(qū)間內(nèi)三類資產(chǎn)之間的信息溢出機(jī)制，表4報(bào)告了相關(guān)研究結(jié)果。可以看到，無論是收益率還是波動(dòng)率，三類資產(chǎn)均主要是受到自身的影響(從對(duì)角線上的數(shù)值大小看出)，綜合來看，股票對(duì)自身的影響最大，債券對(duì)自身的影響最小。收益率溢出方面，股票對(duì)其他資產(chǎn)的溢出值為28.6，而受到其他兩類資產(chǎn)的溢出影響為14.13，因此股票的凈溢出為14.47；期貨對(duì)其他兩類資產(chǎn)的溢出影響為23.67，但是受到其他兩類資產(chǎn)的溢出影響為25.96，凈溢出為-2.29；債券對(duì)其他兩類資產(chǎn)的溢出影響為16.48，受到其他兩類資產(chǎn)的溢出影響為28.67，凈溢出為-12.19；綜合來看，股票對(duì)其他兩類資產(chǎn)有收益率溢出影響，而期貨和債券則處于收益率的被溢出影響狀態(tài)。波動(dòng)率溢出方面，股票的凈溢出為9.82，期貨的凈溢出為8.74，債券的凈溢出為-18.56，因此與收益率溢出有所不同，股票仍然對(duì)其他資產(chǎn)有波動(dòng)率溢出影響，但是期貨也是處于波動(dòng)率溢出狀態(tài)，只有債券處于被溢出狀態(tài)。因此，整體來看，股票對(duì)期貨和債券均有收益率溢出影響，而股票和期貨對(duì)債券均有波動(dòng)率溢出影響。從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動(dòng)率溢出的綜合值為20.82，相對(duì)于100的總體分值，綜合值均偏低，表明我國不同資本市場(chǎng)之間的相互影響相對(duì)來說并不是很大。
表4 全樣本信息溢出情況表
通過大類資產(chǎn)兩兩之間的溢出值大小，可以更清晰的看到資產(chǎn)之間的溢出情況，圖1報(bào)告了收益率溢出和波動(dòng)率溢出的拓?fù)渚W(wǎng)絡(luò)圖?？梢钥吹剑谑找媛室绯龇矫?，股票對(duì)期貨有9.65的凈溢出，而對(duì)債券有4.82的凈溢出，期貨則對(duì)債券有7.37的凈溢出；波動(dòng)率溢出的方向與收益率溢出相同，只是數(shù)值上有所差異，股票對(duì)期貨的凈溢出為6.06、對(duì)債券的凈溢出為3.76，而期貨對(duì)債券的凈溢出為14.79。因此可以看到，股票在三類資產(chǎn)中處于凈溢出狀態(tài)，而期貨則受到股票的溢出、以及對(duì)債券進(jìn)行溢出，相對(duì)來說，股票對(duì)期貨市場(chǎng)的溢出比對(duì)債券市場(chǎng)的溢出更大，而期貨對(duì)債券市場(chǎng)的溢出比股票對(duì)債券市場(chǎng)的溢出更大，說明股票與期貨市場(chǎng)之間、期貨與債券市場(chǎng)之間的聯(lián)系相對(duì)更為緊密。
圖1 資產(chǎn)之間凈溢出拓?fù)渚W(wǎng)絡(luò)圖
2.2 信息溢出的時(shí)變特征分析
2.2.1 整體溢出時(shí)變特征
三個(gè)市場(chǎng)的整體溢出情況如圖2所示，可以看到，對(duì)于收益率整體溢出而言，2015年之前總體處于下降趨勢(shì)，但是在2015年之后逐漸上升；溢出值最大的是2012年的33.36，說明各資產(chǎn)之間的影響占到了整體影響的三分之一(33.36/100)左右，總體溢出較高，溢出值最小的是2015年的15.70，各資產(chǎn)之間的相互影響只占到整體影響的七分之一(15.70/100)左右，相對(duì)于2012年有了明顯下降，2017年整體收益率溢出又上升到了23.26，各資產(chǎn)之間的收益率溢出有進(jìn)一步上升的趨勢(shì)。對(duì)于波動(dòng)率整體溢出而言，2015年之前總體處于下降趨勢(shì)，這與收益率溢出相似，但是2016年波動(dòng)率溢出雖然上升了，2017年卻下降了；波動(dòng)率溢出的最大值出現(xiàn)在2011年的28.55，最小值出現(xiàn)在2015年的14.48。相對(duì)于收益率溢出而言，波動(dòng)率溢出整體趨勢(shì)大體相似，但是數(shù)值略小。
圖2 大類資產(chǎn)整體溢出情況
2.2.2 各資產(chǎn)凈溢出時(shí)變特征
圖3報(bào)告了三類資產(chǎn)凈溢出的時(shí)序變動(dòng)特征?？梢钥吹?，不同于整體溢出，各資產(chǎn)的收益率凈溢出與波動(dòng)率凈溢出并不同步。股票的凈溢出方面，除了2011年波動(dòng)率凈溢出為負(fù)之外，其他所有年份的收益率凈溢出和波動(dòng)率凈溢出都為正，說明股票資產(chǎn)整體處于對(duì)其他資產(chǎn)有溢出影響的狀態(tài)；收益率凈溢出的最高值出現(xiàn)在2017年的31.01，最小值出現(xiàn)在2016年的0.88；波動(dòng)率凈溢出的最高值出現(xiàn)在2014年的36.61，最小值出現(xiàn)在2011年的-7.69；總體而言，股票處于凈溢出狀態(tài)，且部分年份對(duì)其他資產(chǎn)的溢出影響效應(yīng)很強(qiáng)。期貨的凈溢出方向則并不穩(wěn)定，無論是收益率溢出還是波動(dòng)率溢出，均是有正有負(fù)，說明期貨資產(chǎn)部分年份對(duì)其他兩類資產(chǎn)有凈溢出影響，部分年份則是受其他兩類資產(chǎn)的凈溢出影響。債券資產(chǎn)除了收益率溢出在2016年為正，其他年份的收益率溢出和波動(dòng)率溢出均為負(fù)，且收益率溢出的最小值出現(xiàn)在2017年的-28.63，波動(dòng)率溢出的最小值出現(xiàn)在2016年的-35.42，說明債券資產(chǎn)處于受其他兩類資產(chǎn)溢出影響的狀態(tài)，而且被溢出的程度還較高。
圖3 各類資產(chǎn)的凈溢出情況
2.2.3 資產(chǎn)間信息溢出時(shí)變特征
圖4報(bào)告了三類資產(chǎn)兩兩之間的信息溢出時(shí)變特征情況?？梢钥吹?，股票對(duì)期貨的信息溢出在大部分年份均為正，除了2014年的收益率溢出及2011年的波動(dòng)率溢出，且收益率溢出的最大值為2012年的25.59，波動(dòng)率溢出的最大值為2014年的21.38，說明股票對(duì)期貨的信息溢出較大。股票對(duì)債券的信息溢出在大部分年份均為正，除了2016年的收益率溢出及2012、2013年的波動(dòng)率溢出，且收益率溢出的最大值為2017年的17.36，波動(dòng)率溢出的最大值為2014年的15.24，相對(duì)于股票對(duì)期貨的信息溢出值而言，股票對(duì)債券的信息溢出相對(duì)較弱。期貨對(duì)債券的信息溢出大部分年份為正，除了2014年的收益率溢出和2017年的波動(dòng)率溢出，且收益率溢出的最大值為2011年的26.65，波動(dòng)率溢出的最大值為2012年的34.89，均要大于股票對(duì)期貨的信息溢出，說明期貨對(duì)債券的信息溢出是所有資產(chǎn)間溢出最大的。
圖4 資產(chǎn)間的信息溢出
2.3 基于GARCH波動(dòng)率和已實(shí)現(xiàn)波動(dòng)率(RV)的穩(wěn)健性檢驗(yàn)
表5 GARCH波動(dòng)率和RV波動(dòng)率的信息溢出情況表
圖5 資產(chǎn)之間GARCH波動(dòng)率和RV波動(dòng)率溢出拓?fù)渚W(wǎng)絡(luò)圖
圖6 GARCH波動(dòng)率和RV波動(dòng)率溢出時(shí)變特征
2.4 波動(dòng)率溢出的非對(duì)稱性檢驗(yàn)
考慮到波動(dòng)率溢出可能存在著非對(duì)稱性(Barunik et al.[22])，即正向波動(dòng)溢出跟負(fù)向波動(dòng)溢出可能存在著差異，因此通過采用高頻數(shù)據(jù)來區(qū)分正向波動(dòng)和負(fù)向波動(dòng)，從而考察大類資產(chǎn)間波動(dòng)溢出的非對(duì)稱性。正向波動(dòng)的計(jì)算公式為
負(fù)向波動(dòng)的計(jì)算公式為
分別計(jì)算出股票、期貨和債券三個(gè)序列的正負(fù)向波動(dòng)序列，并采用Diebold and Yilmaz方法分別計(jì)算出正負(fù)波動(dòng)溢出情況，結(jié)果如表6和圖7所示。從表6可以看到，整體來看，正向波動(dòng)溢出要比負(fù)向波動(dòng)溢出高：正向波動(dòng)總溢出值為21.92，高于負(fù)向波動(dòng)總溢出值的18.78；股票、期貨和債券正向波動(dòng)凈溢出分別為31.54、19.15和15.08，均要高于負(fù)向波動(dòng)凈溢出的25.45、18.21和12.67；股票、期貨和債券正向波動(dòng)接受溢出值分別為16.40、24.44和24.93，均要高于負(fù)向波動(dòng)接受溢出值的14.64、19.27和22.43。從圖7正負(fù)向波動(dòng)總溢出值的走勢(shì)圖來看，除2012年外，正向波動(dòng)溢出均高于負(fù)向波動(dòng)溢出，但是經(jīng)檢驗(yàn)，兩個(gè)序列配對(duì)檢驗(yàn)T值為1.11，在5%水平上并不顯著。因此綜合來看，大類資產(chǎn)間正向波動(dòng)的溢出要略高于負(fù)向波動(dòng)的溢出。這與Barunik et al.等學(xué)者的研究結(jié)論有差異，大多數(shù)學(xué)者研究均指出負(fù)向波動(dòng)的溢出會(huì)高于正向波動(dòng)，這是由于羊群效應(yīng)更容易導(dǎo)致危機(jī)擴(kuò)散。但是考慮到本文研究的是國內(nèi)的大類資產(chǎn)市場(chǎng)，受到共同的貨幣環(huán)境、經(jīng)濟(jì)政策等影響，在貨幣寬松時(shí)期，更容易出現(xiàn)共同上漲現(xiàn)象；但是由于國內(nèi)金融工具不如發(fā)達(dá)市場(chǎng)多元，在某個(gè)市場(chǎng)發(fā)生危機(jī)時(shí)，為了資產(chǎn)分散化需要，在其他市場(chǎng)的資產(chǎn)配置可能受到的影響更小，從而才導(dǎo)致了負(fù)向波動(dòng)溢出值更小。
表6 正負(fù)向波動(dòng)的信息溢出情況表
圖7 正負(fù)向波動(dòng)溢出時(shí)變特征
2.5 進(jìn)一步討論：股災(zāi)對(duì)資產(chǎn)間信息溢出的影響
2015年6月我國股市發(fā)生了舉世矚目的股災(zāi)，不僅傳染到了國際股市，而且對(duì)我國期貨和債券市場(chǎng)也產(chǎn)生了一定影響。通過信息溢出機(jī)制可以較好的反映出股災(zāi)前后我國大類資產(chǎn)之間的風(fēng)險(xiǎn)傳染情況，選取股災(zāi)前后一共6個(gè)月的時(shí)間，采用50周的滾動(dòng)時(shí)間窗口計(jì)算這6個(gè)月內(nèi)每周的波動(dòng)溢出狀況，如2015年6月19日當(dāng)周的波動(dòng)溢出采用2014年7月4日至2015年6月19日的數(shù)據(jù)計(jì)算，依次類推。圖8報(bào)告了三類資產(chǎn)在股災(zāi)前后的波動(dòng)率凈溢出情況。可以看到，股票市場(chǎng)一直處于波動(dòng)凈溢出狀態(tài)，但是在股災(zāi)發(fā)生前凈溢出逐漸降低，但是在7月10日當(dāng)周突然增大。這里需要說明的是，股票市場(chǎng)凈溢出突然增大之所以不是股災(zāi)發(fā)生的6月末，主要原因有兩點(diǎn)：一是廣義方差分解法采用的是50周的滾動(dòng)時(shí)間窗口數(shù)據(jù)，雖然近期的數(shù)據(jù)影響更大，但是也會(huì)受到遠(yuǎn)期數(shù)據(jù)的影響，因此會(huì)導(dǎo)致結(jié)果存在一定的時(shí)滯；二是股災(zāi)雖然發(fā)生在6月末，但是恐慌情緒往其他市場(chǎng)傳染存在時(shí)滯，如期貨市場(chǎng)在6月份并沒有出現(xiàn)下跌，在7月10日當(dāng)周卻出現(xiàn)了4%以上的下挫。因此可以看出，股票市場(chǎng)的風(fēng)險(xiǎn)在發(fā)生股災(zāi)之后向期貨市場(chǎng)進(jìn)行了擴(kuò)散，而從圖8可以看到，債券市場(chǎng)在股災(zāi)期間的風(fēng)險(xiǎn)溢出并沒有擴(kuò)大，反而從股災(zāi)前的被溢出狀態(tài)轉(zhuǎn)變?yōu)槲⑷醯膬粢绯鰻顟B(tài)。圖9對(duì)資產(chǎn)間兩兩之間的溢出關(guān)系進(jìn)行了詳細(xì)說明，可以更清晰的看到，股災(zāi)期間股票市場(chǎng)對(duì)期貨市場(chǎng)產(chǎn)生了極大的風(fēng)險(xiǎn)溢出，且在股災(zāi)之后的溢出水平比股災(zāi)之前均有所提高；但是債券市場(chǎng)的被溢出狀態(tài)卻一直處于下降，股災(zāi)之后甚至對(duì)股票市場(chǎng)從被溢出變成了凈溢出。因此，綜合來看，在股災(zāi)等極端風(fēng)險(xiǎn)發(fā)生時(shí)，股市的風(fēng)險(xiǎn)更容易向期貨市場(chǎng)傳染，而債券市場(chǎng)卻相對(duì)更為穩(wěn)定，不容易被極端風(fēng)險(xiǎn)感染。這是由于我國資本市場(chǎng)上股市和期貨市場(chǎng)的投機(jī)氛圍更重，股市和期貨市場(chǎng)上散戶投資者參與甚眾，當(dāng)一個(gè)市場(chǎng)因極端事件發(fā)生暴跌時(shí)，另一個(gè)市場(chǎng)也容易因羊群效應(yīng)而出現(xiàn)踩踏；而債券市場(chǎng)主要是銀行間市場(chǎng)，外部監(jiān)管和內(nèi)部風(fēng)控更嚴(yán)格，且我國債市由于政府隱性擔(dān)保，因此總體波動(dòng)極小，相對(duì)來說也更為穩(wěn)定。
圖8 三類資產(chǎn)在2015年股災(zāi)前后的波動(dòng)率凈溢出時(shí)變特征圖
圖9 股災(zāi)前后資產(chǎn)間的波動(dòng)率溢出時(shí)變特征圖
3 研究結(jié)論與政策建議
根據(jù)Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，對(duì)2011年至2017年我國股票市場(chǎng)、期貨市場(chǎng)及債券市場(chǎng)的周收益率和周波動(dòng)率數(shù)據(jù)進(jìn)行分析，以探討三個(gè)市場(chǎng)之間的信息溢出機(jī)制，結(jié)果發(fā)現(xiàn)：收益率溢出方面，股票對(duì)其他兩類資產(chǎn)有溢出影響，而期貨和債券則處于被溢出的狀態(tài)；波動(dòng)率溢出方面，股票和期貨均處于溢出狀態(tài)，只有債券的處于被溢出狀態(tài)；從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動(dòng)率溢出的綜合值為20.82，相對(duì)于100的總體分值，綜合值均偏低，表明我國不同資本市場(chǎng)之間的相互影響相對(duì)來說較??；從時(shí)變特征上也能看出相同的狀況，股票在所有年份里的收益率凈溢出和波動(dòng)率凈溢出大多為正，期貨則時(shí)正時(shí)負(fù)，債券則大多為負(fù)，表明股票大多數(shù)情況處于溢出狀態(tài)，期貨方向并不明確，而債券則大多數(shù)情況處于被溢出狀態(tài)；通過對(duì)正負(fù)向波動(dòng)溢出情況進(jìn)行對(duì)比分析波動(dòng)溢出的非對(duì)稱性，結(jié)果發(fā)現(xiàn)正向波動(dòng)溢出整體來看要高于負(fù)向波動(dòng)的溢出，但是在統(tǒng)計(jì)上并不顯著。對(duì)2015年6月股災(zāi)前后三個(gè)市場(chǎng)的波動(dòng)率溢出分析后可以發(fā)現(xiàn)，在股災(zāi)等極端風(fēng)險(xiǎn)發(fā)生時(shí)，股市的風(fēng)險(xiǎn)更容易向期貨市場(chǎng)傳染，而債券市場(chǎng)相對(duì)更為穩(wěn)定，不容易被極端風(fēng)險(xiǎn)感染。本文的研究很好的將其他學(xué)者對(duì)資本市場(chǎng)信息溢出的結(jié)論和方法擴(kuò)展到了更大范圍的大類資產(chǎn)，同時(shí)對(duì)波動(dòng)溢出的非對(duì)稱性進(jìn)行了探討，這也是本文的創(chuàng)新之處。
本文的研究具有一定的理論和現(xiàn)實(shí)意義，對(duì)于投資者和監(jiān)管層也提供了很好的政策依據(jù)：第一，我國股票市場(chǎng)和期貨市場(chǎng)的聯(lián)動(dòng)更為緊密，而且更多的是股票市場(chǎng)對(duì)期貨市場(chǎng)的傳染，因此對(duì)于期貨市場(chǎng)投資者而言，除了加強(qiáng)對(duì)期貨市場(chǎng)本身的研究之外，需要對(duì)股市也保持足夠的關(guān)注，對(duì)于監(jiān)管層而言，則應(yīng)該在股市發(fā)生風(fēng)險(xiǎn)時(shí)，即時(shí)出臺(tái)政策，防止期貨市場(chǎng)也出現(xiàn)過度的反應(yīng)；第二，債券市場(chǎng)雖然整體而言處于被溢出狀態(tài)，相對(duì)于股票和期貨市場(chǎng)，更容易受到其他市場(chǎng)的影響，但是通過對(duì)股災(zāi)期間波動(dòng)率溢出的分析，可以看到，在其他市場(chǎng)極端風(fēng)險(xiǎn)發(fā)生時(shí)，債券市場(chǎng)反而會(huì)從被溢出狀態(tài)轉(zhuǎn)變?yōu)橐绯鰻顟B(tài)，因此應(yīng)該加大債券市場(chǎng)建設(shè)的力度，同時(shí)加強(qiáng)投資者教育，吸引更多的投資者進(jìn)行債券市場(chǎng)的投資，而不是只關(guān)注更高風(fēng)險(xiǎn)的股票和期貨市場(chǎng)；第三，本文的研究驗(yàn)證了各資產(chǎn)市場(chǎng)之間的聯(lián)動(dòng)性，因此通過識(shí)別周期拐點(diǎn)進(jìn)行大類資產(chǎn)配置是合適的，正像很多學(xué)者所證明的，投資的絕大部分收益來自于資產(chǎn)配置，而不是擇時(shí)或選股，因此對(duì)于機(jī)構(gòu)投資者而言，應(yīng)該大力加強(qiáng)資產(chǎn)輪動(dòng)配置的研究，在降低投資風(fēng)險(xiǎn)的同時(shí)也能夠有效擴(kuò)大投資收益。
猜你喜歡
FMS與YBT相關(guān)性的實(shí)證研究體育科技文獻(xiàn)通報(bào)(2022年3期)2022-05-23 13:46:54 2020年國內(nèi)翻譯研究述評(píng)天津外國語大學(xué)學(xué)報(bào)(2021年3期)2021-08-13 08:32:18 遼代千人邑研究述論遼金歷史與考古(2021年0期)2021-07-29 01:06:54 視錯(cuò)覺在平面設(shè)計(jì)中的應(yīng)用與研究科技傳播(2019年22期)2020-01-14 03:06:54 EMA伺服控制系統(tǒng)研究民用飛機(jī)設(shè)計(jì)與研究(2019年4期)2019-05-21 07:21:24 新版C-NCAP側(cè)面碰撞假人損傷研究汽車工程學(xué)報(bào)(2017年2期)2017-07-05 08:13:02 訂閱信息中華手工(2017年2期)2017-06-06 23:00:31 展會(huì)信息中外會(huì)展(2014年4期)2014-11-27 07:46:46 信息建筑創(chuàng)作(2001年3期)2001-08-22 18:48:14 健康信息祝您健康(1987年3期)1987-12-30 09:52:32
周 亮
(1.湖南財(cái)政經(jīng)濟(jì)學(xué)院 學(xué)報(bào)編輯部，湖南 長(zhǎng)沙 410205; 2.湖南師范大學(xué) 商學(xué)院，湖南 長(zhǎng)沙 410081)
0 引言
隨著經(jīng)濟(jì)一體化程度越來越高、投資者越來越成熟，大類資產(chǎn)市場(chǎng)之間不再是分割的個(gè)體，而是聯(lián)系越來越緊密，相互之間的影響越來越密切，風(fēng)險(xiǎn)的傳染也越來越迅速。國際上關(guān)于金融市場(chǎng)互動(dòng)關(guān)系的研究文獻(xiàn)，多數(shù)是以歐美主要股市為研究對(duì)象(Koutmos and Booth[1]；Fratzscher[2]；Bodart and Candelon[3])，后來擴(kuò)展到對(duì)于匯市之間、債券市場(chǎng)間聯(lián)動(dòng)關(guān)系的研究(Hong[4]；Inagaki[5])，研究結(jié)論表明國際主要股市間存在明顯的溢出效應(yīng)，可以稱之為金融傳染(Forbes and Rigobon[6])。國內(nèi)學(xué)者方面，大部分研究同樣集中在對(duì)股市信息溢出的研究(馮旭南和徐宗宇[7])以及滬深股市與香港或美國股市之間的信息溢出機(jī)制(李紅權(quán)、洪永淼和汪壽陽[8]；劉磊和王宇[9])，還有學(xué)者研究了股市內(nèi)部行業(yè)間的信息溢出情況(黃瑋強(qiáng)、莊新田和姚爽)[10]，也有學(xué)者對(duì)股市與債市之間的信息溢出(徐信喆、楊朝軍和陳強(qiáng))[11]、國際石油價(jià)格對(duì)股市的信息溢出(宋科艷)[12]、人民幣匯率市場(chǎng)對(duì)股市的信息溢出(陳云)[13]進(jìn)行了研究。還有一些文獻(xiàn)研究了其他市場(chǎng)間的信息溢出情況，如劉向麗等[14]分析了商品期、現(xiàn)貨兩個(gè)市場(chǎng)間的信息溢出效應(yīng)；陸鳳彬和洪永淼[15]研究了上海期貨交易所(SHFE)和倫敦金屬交易所(LME)銅期貨市場(chǎng)間信息溢出的時(shí)變特征；羅榮華和門明[16]建立基于t分布的VECM-MVGARCH-BEKK模型研究了股指期貨和現(xiàn)貨市場(chǎng)的信息溢出效應(yīng)；鄧宏亮和黃太洋[17]采用線性及非線性Granger因果檢驗(yàn)方法研究了我國糧食期貨市場(chǎng)價(jià)格與匯率之間不同階段的信息傳遞溢出；黃文彬和李海栗[18]分析了全球主要碳金融工具的信息溢出效應(yīng)；張海亮和饒永恒[19]運(yùn)用信息溢出檢驗(yàn)方法(Hong方法)詳細(xì)分析了我國稀有金屬現(xiàn)貨市場(chǎng)內(nèi)各品種間的信息溢出效應(yīng)及國內(nèi)外稀有金屬現(xiàn)貨市場(chǎng)間的信息溢出效應(yīng)。
常見的用于檢驗(yàn)信息溢出的方法有線性或非線性Granger因果檢驗(yàn)、多元GARCH模型、CoVaR等。而Diebold和Yilmaz[20]基于向量自回歸模型中傳統(tǒng)正交方差分解方法提出的總體溢出指數(shù)，能夠更直觀地描述多個(gè)市場(chǎng)間的總體溢出方向和大小。但該方法同樣存在缺陷，其所依賴的Cholesky分解方法的結(jié)果會(huì)受到變量次序的影響。因此Diebold和Yilmaz[21]對(duì)該方法進(jìn)行改進(jìn)，在廣義預(yù)測(cè)誤差方差分解的基礎(chǔ)上構(gòu)建更具有普遍性的溢出指數(shù)，消除了由于變量排序不同造成的結(jié)果差異問題。Barunik et al.[22]對(duì)Diebold和Yilmaz的模型進(jìn)行了改進(jìn)，采用高頻數(shù)據(jù)區(qū)分出正向波動(dòng)和負(fù)向波動(dòng)，從而考察了美國股市上波動(dòng)溢出的非對(duì)稱性。隨后該方法被引入國內(nèi)，大量學(xué)者采用該方法對(duì)不同金融市場(chǎng)之間的信息溢出進(jìn)行了研究。梁琪、李政和郝項(xiàng)超[23]采用溢出指數(shù)方法研究了全球17個(gè)國家或地區(qū)的股票市場(chǎng)的聯(lián)動(dòng)，測(cè)度了中國股市信息溢出的方向、水平和動(dòng)態(tài)趨勢(shì)；李政、梁琪和涂曉楓[24]構(gòu)建了我國上市金融機(jī)構(gòu)之間的關(guān)聯(lián)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)分析法解構(gòu)了金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及部門內(nèi)和部門間的關(guān)聯(lián)特征；歐陽紅兵和汪清梅[25]基于方差分解的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)我國13家主要上市銀行機(jī)構(gòu)的股票波動(dòng)率的關(guān)聯(lián)度進(jìn)行了度量及分析；尹力博和吳優(yōu)[27]采用廣義溢出指數(shù)法研究了離岸人民幣與中國周邊國家(地區(qū))貨幣的溢出效應(yīng)及其時(shí)變特征；徐曉光、廖文欣和鄭尊信[27]運(yùn)用廣義溢出指數(shù)法對(duì)比分析了滬港通開通前后中國內(nèi)地與中國香港股市行業(yè)間波動(dòng)溢出效應(yīng)的變化及其形成機(jī)理。
但是較少有學(xué)者將股票市場(chǎng)、期貨市場(chǎng)及債券市場(chǎng)綜合一起考慮，用廣義溢出指數(shù)法分析三個(gè)市場(chǎng)之間信息溢出的更為少見?？紤]到采用經(jīng)濟(jì)周期或貨幣周期劃分的投資時(shí)鐘，可以有效的在大類資產(chǎn)之間進(jìn)行輪動(dòng)配置，從而獲得較為穩(wěn)定的超額投資收益(周亮[28]；郜哲[29])，因此從信息溢出角度研究三個(gè)市場(chǎng)之間的內(nèi)在傳導(dǎo)機(jī)制，具有較強(qiáng)的理論和現(xiàn)實(shí)意義。并且，目前國內(nèi)對(duì)Diebold和Yilmaz方法進(jìn)行研究的文獻(xiàn)，還很少有涉及到對(duì)正負(fù)波動(dòng)溢出非對(duì)稱性的研究。因此，本文將借鑒Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，通過基于方差分解的關(guān)聯(lián)性表及拓?fù)渚W(wǎng)絡(luò)來分析我國股票、期貨和債券三個(gè)市場(chǎng)間的收益率溢出和波動(dòng)率溢出情況，并且通過將波動(dòng)分為正向波動(dòng)和負(fù)向波動(dòng)，考察了波動(dòng)溢出的非對(duì)稱性；同時(shí)考慮到2015年6月我國發(fā)生了舉世矚目的股災(zāi)，不僅導(dǎo)致股市千股一再跌停，同時(shí)風(fēng)險(xiǎn)也向其他資產(chǎn)市場(chǎng)擴(kuò)散，因此討論了股災(zāi)發(fā)生前后6個(gè)月時(shí)間里三個(gè)市場(chǎng)的波動(dòng)率溢出的變動(dòng)情況，除了可以更好的利用廣義溢出指數(shù)分析三個(gè)市場(chǎng)的溢出機(jī)制外，也能為投資理論和實(shí)踐提供更充分的指導(dǎo)依據(jù)。
1 研究設(shè)計(jì)
1.1 大類資產(chǎn)關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及特征刻畫
網(wǎng)狀拓?fù)浣Y(jié)構(gòu)主要指各節(jié)點(diǎn)通過傳輸線互相連接起來，并且每一個(gè)節(jié)點(diǎn)至少與其他兩個(gè)節(jié)點(diǎn)相連，主要應(yīng)用在計(jì)算機(jī)領(lǐng)域，用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來描述大類資產(chǎn)之間的關(guān)聯(lián)網(wǎng)絡(luò)，可以很好的描述出大類資產(chǎn)之間的信息溢出機(jī)制。采用向量自回歸(VAR)模型來研究大類資產(chǎn)之間的關(guān)聯(lián)關(guān)系，向量自回歸模型是基于數(shù)據(jù)的統(tǒng)計(jì)特征，將系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中每一個(gè)內(nèi)生變量的滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息，可以用方差分解將網(wǎng)絡(luò)拓?fù)浞治鲋袕?fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的矩陣——關(guān)聯(lián)性表。根據(jù)Diebold and Yilmaz[21]的方法，選擇沖擊期為12期的方差分解可以測(cè)算出大類資產(chǎn)之間的關(guān)聯(lián)性表。略有不同的是，本文選取的是2010年1月至2017年12月的所有周數(shù)據(jù)進(jìn)行測(cè)算，考慮到一年的交易周約為50周，因此形成期采用50期，而不是像Diebold and Yilmaz[21]采用的100期。具體的關(guān)聯(lián)性表構(gòu)造如表1所示：
表1 拓?fù)渚W(wǎng)絡(luò)的關(guān)聯(lián)性表
1.2 樣本選擇及描述性分析
表2 三類資產(chǎn)收益率及波動(dòng)率的描述性統(tǒng)計(jì)情況
表3報(bào)告了三類資產(chǎn)在整體樣本區(qū)間的收益率和波動(dòng)率之間的相關(guān)系數(shù)。可以看到，收益率方面，股票和期貨在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券在5%的顯著性水平下存在著負(fù)相關(guān)關(guān)系，但是股票和債券之間卻沒有顯著的相關(guān)性；波動(dòng)率方面，股票與債券在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券之間也存在著顯著的正相關(guān)關(guān)系，但是股票和期貨之間的相關(guān)性卻不顯著。因此，綜合來看，三類資產(chǎn)之間的收益率或波動(dòng)率之間存在著一定的相關(guān)關(guān)系。但是表3只是整體樣本區(qū)間的靜態(tài)分析，且只能簡(jiǎn)單看出資產(chǎn)之間的兩兩相關(guān)性，無法判別相互之間的影響機(jī)制，因此下文將采用基于方差分解的網(wǎng)絡(luò)拓?fù)浞治鰜硌芯抠Y產(chǎn)之間的信息溢出機(jī)制。
表3 三類資產(chǎn)之間的收益率及波動(dòng)率間的相關(guān)系數(shù)表
注：*、**、***分別表示在10%、5%、1%水平下顯著。
2 實(shí)證檢驗(yàn)與結(jié)果分析
2.1 全樣本信息溢出分析
采用表1的方法研究樣本區(qū)間內(nèi)三類資產(chǎn)之間的信息溢出機(jī)制，表4報(bào)告了相關(guān)研究結(jié)果。可以看到，無論是收益率還是波動(dòng)率，三類資產(chǎn)均主要是受到自身的影響(從對(duì)角線上的數(shù)值大小看出)，綜合來看，股票對(duì)自身的影響最大，債券對(duì)自身的影響最小。收益率溢出方面，股票對(duì)其他資產(chǎn)的溢出值為28.6，而受到其他兩類資產(chǎn)的溢出影響為14.13，因此股票的凈溢出為14.47；期貨對(duì)其他兩類資產(chǎn)的溢出影響為23.67，但是受到其他兩類資產(chǎn)的溢出影響為25.96，凈溢出為-2.29；債券對(duì)其他兩類資產(chǎn)的溢出影響為16.48，受到其他兩類資產(chǎn)的溢出影響為28.67，凈溢出為-12.19；綜合來看，股票對(duì)其他兩類資產(chǎn)有收益率溢出影響，而期貨和債券則處于收益率的被溢出影響狀態(tài)。波動(dòng)率溢出方面，股票的凈溢出為9.82，期貨的凈溢出為8.74，債券的凈溢出為-18.56，因此與收益率溢出有所不同，股票仍然對(duì)其他資產(chǎn)有波動(dòng)率溢出影響，但是期貨也是處于波動(dòng)率溢出狀態(tài)，只有債券處于被溢出狀態(tài)。因此，整體來看，股票對(duì)期貨和債券均有收益率溢出影響，而股票和期貨對(duì)債券均有波動(dòng)率溢出影響。從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動(dòng)率溢出的綜合值為20.82，相對(duì)于100的總體分值，綜合值均偏低，表明我國不同資本市場(chǎng)之間的相互影響相對(duì)來說并不是很大。
表4 全樣本信息溢出情況表
通過大類資產(chǎn)兩兩之間的溢出值大小，可以更清晰的看到資產(chǎn)之間的溢出情況，圖1報(bào)告了收益率溢出和波動(dòng)率溢出的拓?fù)渚W(wǎng)絡(luò)圖?？梢钥吹剑谑找媛室绯龇矫?，股票對(duì)期貨有9.65的凈溢出，而對(duì)債券有4.82的凈溢出，期貨則對(duì)債券有7.37的凈溢出；波動(dòng)率溢出的方向與收益率溢出相同，只是數(shù)值上有所差異，股票對(duì)期貨的凈溢出為6.06、對(duì)債券的凈溢出為3.76，而期貨對(duì)債券的凈溢出為14.79。因此可以看到，股票在三類資產(chǎn)中處于凈溢出狀態(tài)，而期貨則受到股票的溢出、以及對(duì)債券進(jìn)行溢出，相對(duì)來說，股票對(duì)期貨市場(chǎng)的溢出比對(duì)債券市場(chǎng)的溢出更大，而期貨對(duì)債券市場(chǎng)的溢出比股票對(duì)債券市場(chǎng)的溢出更大，說明股票與期貨市場(chǎng)之間、期貨與債券市場(chǎng)之間的聯(lián)系相對(duì)更為緊密。
圖1 資產(chǎn)之間凈溢出拓?fù)渚W(wǎng)絡(luò)圖
2.2 信息溢出的時(shí)變特征分析
2.2.1 整體溢出時(shí)變特征
三個(gè)市場(chǎng)的整體溢出情況如圖2所示，可以看到，對(duì)于收益率整體溢出而言，2015年之前總體處于下降趨勢(shì)，但是在2015年之后逐漸上升；溢出值最大的是2012年的33.36，說明各資產(chǎn)之間的影響占到了整體影響的三分之一(33.36/100)左右，總體溢出較高，溢出值最小的是2015年的15.70，各資產(chǎn)之間的相互影響只占到整體影響的七分之一(15.70/100)左右，相對(duì)于2012年有了明顯下降，2017年整體收益率溢出又上升到了23.26，各資產(chǎn)之間的收益率溢出有進(jìn)一步上升的趨勢(shì)。對(duì)于波動(dòng)率整體溢出而言，2015年之前總體處于下降趨勢(shì)，這與收益率溢出相似，但是2016年波動(dòng)率溢出雖然上升了，2017年卻下降了；波動(dòng)率溢出的最大值出現(xiàn)在2011年的28.55，最小值出現(xiàn)在2015年的14.48。相對(duì)于收益率溢出而言，波動(dòng)率溢出整體趨勢(shì)大體相似，但是數(shù)值略小。
圖2 大類資產(chǎn)整體溢出情況
2.2.2 各資產(chǎn)凈溢出時(shí)變特征
圖3報(bào)告了三類資產(chǎn)凈溢出的時(shí)序變動(dòng)特征?？梢钥吹?，不同于整體溢出，各資產(chǎn)的收益率凈溢出與波動(dòng)率凈溢出并不同步。股票的凈溢出方面，除了2011年波動(dòng)率凈溢出為負(fù)之外，其他所有年份的收益率凈溢出和波動(dòng)率凈溢出都為正，說明股票資產(chǎn)整體處于對(duì)其他資產(chǎn)有溢出影響的狀態(tài)；收益率凈溢出的最高值出現(xiàn)在2017年的31.01，最小值出現(xiàn)在2016年的0.88；波動(dòng)率凈溢出的最高值出現(xiàn)在2014年的36.61，最小值出現(xiàn)在2011年的-7.69；總體而言，股票處于凈溢出狀態(tài)，且部分年份對(duì)其他資產(chǎn)的溢出影響效應(yīng)很強(qiáng)。期貨的凈溢出方向則并不穩(wěn)定，無論是收益率溢出還是波動(dòng)率溢出，均是有正有負(fù)，說明期貨資產(chǎn)部分年份對(duì)其他兩類資產(chǎn)有凈溢出影響，部分年份則是受其他兩類資產(chǎn)的凈溢出影響。債券資產(chǎn)除了收益率溢出在2016年為正，其他年份的收益率溢出和波動(dòng)率溢出均為負(fù)，且收益率溢出的最小值出現(xiàn)在2017年的-28.63，波動(dòng)率溢出的最小值出現(xiàn)在2016年的-35.42，說明債券資產(chǎn)處于受其他兩類資產(chǎn)溢出影響的狀態(tài)，而且被溢出的程度還較高。
圖3 各類資產(chǎn)的凈溢出情況
2.2.3 資產(chǎn)間信息溢出時(shí)變特征
圖4報(bào)告了三類資產(chǎn)兩兩之間的信息溢出時(shí)變特征情況?？梢钥吹?，股票對(duì)期貨的信息溢出在大部分年份均為正，除了2014年的收益率溢出及2011年的波動(dòng)率溢出，且收益率溢出的最大值為2012年的25.59，波動(dòng)率溢出的最大值為2014年的21.38，說明股票對(duì)期貨的信息溢出較大。股票對(duì)債券的信息溢出在大部分年份均為正，除了2016年的收益率溢出及2012、2013年的波動(dòng)率溢出，且收益率溢出的最大值為2017年的17.36，波動(dòng)率溢出的最大值為2014年的15.24，相對(duì)于股票對(duì)期貨的信息溢出值而言，股票對(duì)債券的信息溢出相對(duì)較弱。期貨對(duì)債券的信息溢出大部分年份為正，除了2014年的收益率溢出和2017年的波動(dòng)率溢出，且收益率溢出的最大值為2011年的26.65，波動(dòng)率溢出的最大值為2012年的34.89，均要大于股票對(duì)期貨的信息溢出，說明期貨對(duì)債券的信息溢出是所有資產(chǎn)間溢出最大的。
圖4 資產(chǎn)間的信息溢出
2.3 基于GARCH波動(dòng)率和已實(shí)現(xiàn)波動(dòng)率(RV)的穩(wěn)健性檢驗(yàn)
表5 GARCH波動(dòng)率和RV波動(dòng)率的信息溢出情況表
圖5 資產(chǎn)之間GARCH波動(dòng)率和RV波動(dòng)率溢出拓?fù)渚W(wǎng)絡(luò)圖
圖6 GARCH波動(dòng)率和RV波動(dòng)率溢出時(shí)變特征
2.4 波動(dòng)率溢出的非對(duì)稱性檢驗(yàn)
考慮到波動(dòng)率溢出可能存在著非對(duì)稱性(Barunik et al.[22])，即正向波動(dòng)溢出跟負(fù)向波動(dòng)溢出可能存在著差異，因此通過采用高頻數(shù)據(jù)來區(qū)分正向波動(dòng)和負(fù)向波動(dòng)，從而考察大類資產(chǎn)間波動(dòng)溢出的非對(duì)稱性。正向波動(dòng)的計(jì)算公式為
負(fù)向波動(dòng)的計(jì)算公式為
分別計(jì)算出股票、期貨和債券三個(gè)序列的正負(fù)向波動(dòng)序列，并采用Diebold and Yilmaz方法分別計(jì)算出正負(fù)波動(dòng)溢出情況，結(jié)果如表6和圖7所示。從表6可以看到，整體來看，正向波動(dòng)溢出要比負(fù)向波動(dòng)溢出高：正向波動(dòng)總溢出值為21.92，高于負(fù)向波動(dòng)總溢出值的18.78；股票、期貨和債券正向波動(dòng)凈溢出分別為31.54、19.15和15.08，均要高于負(fù)向波動(dòng)凈溢出的25.45、18.21和12.67；股票、期貨和債券正向波動(dòng)接受溢出值分別為16.40、24.44和24.93，均要高于負(fù)向波動(dòng)接受溢出值的14.64、19.27和22.43。從圖7正負(fù)向波動(dòng)總溢出值的走勢(shì)圖來看，除2012年外，正向波動(dòng)溢出均高于負(fù)向波動(dòng)溢出，但是經(jīng)檢驗(yàn)，兩個(gè)序列配對(duì)檢驗(yàn)T值為1.11，在5%水平上并不顯著。因此綜合來看，大類資產(chǎn)間正向波動(dòng)的溢出要略高于負(fù)向波動(dòng)的溢出。這與Barunik et al.等學(xué)者的研究結(jié)論有差異，大多數(shù)學(xué)者研究均指出負(fù)向波動(dòng)的溢出會(huì)高于正向波動(dòng)，這是由于羊群效應(yīng)更容易導(dǎo)致危機(jī)擴(kuò)散。但是考慮到本文研究的是國內(nèi)的大類資產(chǎn)市場(chǎng)，受到共同的貨幣環(huán)境、經(jīng)濟(jì)政策等影響，在貨幣寬松時(shí)期，更容易出現(xiàn)共同上漲現(xiàn)象；但是由于國內(nèi)金融工具不如發(fā)達(dá)市場(chǎng)多元，在某個(gè)市場(chǎng)發(fā)生危機(jī)時(shí)，為了資產(chǎn)分散化需要，在其他市場(chǎng)的資產(chǎn)配置可能受到的影響更小，從而才導(dǎo)致了負(fù)向波動(dòng)溢出值更小。
表6 正負(fù)向波動(dòng)的信息溢出情況表
圖7 正負(fù)向波動(dòng)溢出時(shí)變特征
2.5 進(jìn)一步討論：股災(zāi)對(duì)資產(chǎn)間信息溢出的影響
2015年6月我國股市發(fā)生了舉世矚目的股災(zāi)，不僅傳染到了國際股市，而且對(duì)我國期貨和債券市場(chǎng)也產(chǎn)生了一定影響。通過信息溢出機(jī)制可以較好的反映出股災(zāi)前后我國大類資產(chǎn)之間的風(fēng)險(xiǎn)傳染情況，選取股災(zāi)前后一共6個(gè)月的時(shí)間，采用50周的滾動(dòng)時(shí)間窗口計(jì)算這6個(gè)月內(nèi)每周的波動(dòng)溢出狀況，如2015年6月19日當(dāng)周的波動(dòng)溢出采用2014年7月4日至2015年6月19日的數(shù)據(jù)計(jì)算，依次類推。圖8報(bào)告了三類資產(chǎn)在股災(zāi)前后的波動(dòng)率凈溢出情況。可以看到，股票市場(chǎng)一直處于波動(dòng)凈溢出狀態(tài)，但是在股災(zāi)發(fā)生前凈溢出逐漸降低，但是在7月10日當(dāng)周突然增大。這里需要說明的是，股票市場(chǎng)凈溢出突然增大之所以不是股災(zāi)發(fā)生的6月末，主要原因有兩點(diǎn)：一是廣義方差分解法采用的是50周的滾動(dòng)時(shí)間窗口數(shù)據(jù)，雖然近期的數(shù)據(jù)影響更大，但是也會(huì)受到遠(yuǎn)期數(shù)據(jù)的影響，因此會(huì)導(dǎo)致結(jié)果存在一定的時(shí)滯；二是股災(zāi)雖然發(fā)生在6月末，但是恐慌情緒往其他市場(chǎng)傳染存在時(shí)滯，如期貨市場(chǎng)在6月份并沒有出現(xiàn)下跌，在7月10日當(dāng)周卻出現(xiàn)了4%以上的下挫。因此可以看出，股票市場(chǎng)的風(fēng)險(xiǎn)在發(fā)生股災(zāi)之后向期貨市場(chǎng)進(jìn)行了擴(kuò)散，而從圖8可以看到，債券市場(chǎng)在股災(zāi)期間的風(fēng)險(xiǎn)溢出并沒有擴(kuò)大，反而從股災(zāi)前的被溢出狀態(tài)轉(zhuǎn)變?yōu)槲⑷醯膬粢绯鰻顟B(tài)。圖9對(duì)資產(chǎn)間兩兩之間的溢出關(guān)系進(jìn)行了詳細(xì)說明，可以更清晰的看到，股災(zāi)期間股票市場(chǎng)對(duì)期貨市場(chǎng)產(chǎn)生了極大的風(fēng)險(xiǎn)溢出，且在股災(zāi)之后的溢出水平比股災(zāi)之前均有所提高；但是債券市場(chǎng)的被溢出狀態(tài)卻一直處于下降，股災(zāi)之后甚至對(duì)股票市場(chǎng)從被溢出變成了凈溢出。因此，綜合來看，在股災(zāi)等極端風(fēng)險(xiǎn)發(fā)生時(shí)，股市的風(fēng)險(xiǎn)更容易向期貨市場(chǎng)傳染，而債券市場(chǎng)卻相對(duì)更為穩(wěn)定，不容易被極端風(fēng)險(xiǎn)感染。這是由于我國資本市場(chǎng)上股市和期貨市場(chǎng)的投機(jī)氛圍更重，股市和期貨市場(chǎng)上散戶投資者參與甚眾，當(dāng)一個(gè)市場(chǎng)因極端事件發(fā)生暴跌時(shí)，另一個(gè)市場(chǎng)也容易因羊群效應(yīng)而出現(xiàn)踩踏；而債券市場(chǎng)主要是銀行間市場(chǎng)，外部監(jiān)管和內(nèi)部風(fēng)控更嚴(yán)格，且我國債市由于政府隱性擔(dān)保，因此總體波動(dòng)極小，相對(duì)來說也更為穩(wěn)定。
圖8 三類資產(chǎn)在2015年股災(zāi)前后的波動(dòng)率凈溢出時(shí)變特征圖
圖9 股災(zāi)前后資產(chǎn)間的波動(dòng)率溢出時(shí)變特征圖
3 研究結(jié)論與政策建議
根據(jù)Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，對(duì)2011年至2017年我國股票市場(chǎng)、期貨市場(chǎng)及債券市場(chǎng)的周收益率和周波動(dòng)率數(shù)據(jù)進(jìn)行分析，以探討三個(gè)市場(chǎng)之間的信息溢出機(jī)制，結(jié)果發(fā)現(xiàn)：收益率溢出方面，股票對(duì)其他兩類資產(chǎn)有溢出影響，而期貨和債券則處于被溢出的狀態(tài)；波動(dòng)率溢出方面，股票和期貨均處于溢出狀態(tài)，只有債券的處于被溢出狀態(tài)；從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動(dòng)率溢出的綜合值為20.82，相對(duì)于100的總體分值，綜合值均偏低，表明我國不同資本市場(chǎng)之間的相互影響相對(duì)來說較??；從時(shí)變特征上也能看出相同的狀況，股票在所有年份里的收益率凈溢出和波動(dòng)率凈溢出大多為正，期貨則時(shí)正時(shí)負(fù)，債券則大多為負(fù)，表明股票大多數(shù)情況處于溢出狀態(tài)，期貨方向并不明確，而債券則大多數(shù)情況處于被溢出狀態(tài)；通過對(duì)正負(fù)向波動(dòng)溢出情況進(jìn)行對(duì)比分析波動(dòng)溢出的非對(duì)稱性，結(jié)果發(fā)現(xiàn)正向波動(dòng)溢出整體來看要高于負(fù)向波動(dòng)的溢出，但是在統(tǒng)計(jì)上并不顯著。對(duì)2015年6月股災(zāi)前后三個(gè)市場(chǎng)的波動(dòng)率溢出分析后可以發(fā)現(xiàn)，在股災(zāi)等極端風(fēng)險(xiǎn)發(fā)生時(shí)，股市的風(fēng)險(xiǎn)更容易向期貨市場(chǎng)傳染，而債券市場(chǎng)相對(duì)更為穩(wěn)定，不容易被極端風(fēng)險(xiǎn)感染。本文的研究很好的將其他學(xué)者對(duì)資本市場(chǎng)信息溢出的結(jié)論和方法擴(kuò)展到了更大范圍的大類資產(chǎn)，同時(shí)對(duì)波動(dòng)溢出的非對(duì)稱性進(jìn)行了探討，這也是本文的創(chuàng)新之處。
本文的研究具有一定的理論和現(xiàn)實(shí)意義，對(duì)于投資者和監(jiān)管層也提供了很好的政策依據(jù)：第一，我國股票市場(chǎng)和期貨市場(chǎng)的聯(lián)動(dòng)更為緊密，而且更多的是股票市場(chǎng)對(duì)期貨市場(chǎng)的傳染，因此對(duì)于期貨市場(chǎng)投資者而言，除了加強(qiáng)對(duì)期貨市場(chǎng)本身的研究之外，需要對(duì)股市也保持足夠的關(guān)注，對(duì)于監(jiān)管層而言，則應(yīng)該在股市發(fā)生風(fēng)險(xiǎn)時(shí)，即時(shí)出臺(tái)政策，防止期貨市場(chǎng)也出現(xiàn)過度的反應(yīng)；第二，債券市場(chǎng)雖然整體而言處于被溢出狀態(tài)，相對(duì)于股票和期貨市場(chǎng)，更容易受到其他市場(chǎng)的影響，但是通過對(duì)股災(zāi)期間波動(dòng)率溢出的分析，可以看到，在其他市場(chǎng)極端風(fēng)險(xiǎn)發(fā)生時(shí)，債券市場(chǎng)反而會(huì)從被溢出狀態(tài)轉(zhuǎn)變?yōu)橐绯鰻顟B(tài)，因此應(yīng)該加大債券市場(chǎng)建設(shè)的力度，同時(shí)加強(qiáng)投資者教育，吸引更多的投資者進(jìn)行債券市場(chǎng)的投資，而不是只關(guān)注更高風(fēng)險(xiǎn)的股票和期貨市場(chǎng)；第三，本文的研究驗(yàn)證了各資產(chǎn)市場(chǎng)之間的聯(lián)動(dòng)性，因此通過識(shí)別周期拐點(diǎn)進(jìn)行大類資產(chǎn)配置是合適的，正像很多學(xué)者所證明的，投資的絕大部分收益來自于資產(chǎn)配置，而不是擇時(shí)或選股，因此對(duì)于機(jī)構(gòu)投資者而言，應(yīng)該大力加強(qiáng)資產(chǎn)輪動(dòng)配置的研究，在降低投資風(fēng)險(xiǎn)的同時(shí)也能夠有效擴(kuò)大投資收益。
猜你喜歡
體育科技文獻(xiàn)通報(bào)(2022年3期)2022-05-23 13:46:54
天津外國語大學(xué)學(xué)報(bào)(2021年3期)2021-08-13 08:32:18
遼金歷史與考古(2021年0期)2021-07-29 01:06:54
科技傳播(2019年22期)2020-01-14 03:06:54
民用飛機(jī)設(shè)計(jì)與研究(2019年4期)2019-05-21 07:21:24
汽車工程學(xué)報(bào)(2017年2期)2017-07-05 08:13:02
中華手工(2017年2期)2017-06-06 23:00:31
中外會(huì)展(2014年4期)2014-11-27 07:46:46
建筑創(chuàng)作(2001年3期)2001-08-22 18:48:14
祝您健康(1987年3期)1987-12-30 09:52:32
