黃少軍

[摘要] 對(duì)疫情以來(lái)中國(guó)、美國(guó)、日本三國(guó)股票、債券、外匯金融市場(chǎng)的實(shí)證研究顯示，金融市場(chǎng)跨市場(chǎng)相關(guān)性和聯(lián)動(dòng)性顯著增強(qiáng)，中美股市均為債市、匯市波動(dòng)的引導(dǎo)方和聯(lián)動(dòng)效應(yīng)的凈溢出方，美中、美日股市聯(lián)動(dòng)指數(shù)在疫情期間顯著上升，美股是中、日股市波動(dòng)的引導(dǎo)方。建議一方面將國(guó)內(nèi)金融風(fēng)險(xiǎn)防范重點(diǎn)落至股市這一風(fēng)險(xiǎn)中樞，監(jiān)測(cè)市場(chǎng)反應(yīng)，適時(shí)進(jìn)行預(yù)期引導(dǎo);另一方面及時(shí)評(píng)估美國(guó)救市政策效應(yīng)，盡快啟動(dòng)風(fēng)險(xiǎn)預(yù)警機(jī)制，有效防范輸入型風(fēng)險(xiǎn)。

[關(guān)鍵詞]? 股票市場(chǎng)? ? 債券市場(chǎng)? ? 匯率市場(chǎng)? ? 聯(lián)動(dòng)

[中圖分類號(hào)] F224; F832.5? ? [文獻(xiàn)標(biāo)識(shí)碼]? A? [文章編號(hào)] 1004-6623（2020）03-0051-07

一、問(wèn)題的提出

隨著全球經(jīng)濟(jì)的不斷發(fā)展，金融自由化的不斷擴(kuò)大，以及金融市場(chǎng)間信息傳播、資金流動(dòng)和市場(chǎng)運(yùn)作等方面的聯(lián)系不斷增強(qiáng)，各金融市場(chǎng)間的收益率越來(lái)越具有協(xié)同變化性，表現(xiàn)為各市場(chǎng)間的聯(lián)動(dòng)。這種聯(lián)動(dòng)不僅存在于同一國(guó)家的不同金融市場(chǎng)間，也存在于不同國(guó)家的不同金融市場(chǎng)間。當(dāng)一個(gè)市場(chǎng)受到風(fēng)險(xiǎn)沖擊而發(fā)生價(jià)格變動(dòng)時(shí)，受基本面影響，其他市場(chǎng)也可能跟隨發(fā)生變動(dòng)，且投資者往往會(huì)根據(jù)價(jià)格變動(dòng)去推測(cè)其他市場(chǎng)價(jià)格的變動(dòng)，從而導(dǎo)致其他市場(chǎng)最終可能發(fā)生與該市場(chǎng)的同向變動(dòng)，產(chǎn)生金融市場(chǎng)聯(lián)動(dòng)。金融市場(chǎng)間的聯(lián)動(dòng)關(guān)系既是整個(gè)金融體系有效性的表現(xiàn)，也是市場(chǎng)化貨幣政策能夠得以有效實(shí)施的基礎(chǔ)性條件。

股票市場(chǎng)、債券市場(chǎng)和外匯市場(chǎng)是一國(guó)金融體系的核心構(gòu)成，是實(shí)現(xiàn)資源配置和風(fēng)險(xiǎn)再分配的重要場(chǎng)所，三個(gè)市場(chǎng)之間的關(guān)系錯(cuò)綜復(fù)雜，研究其溢出效應(yīng)有助于了解其互動(dòng)關(guān)系和作用機(jī)理，提高其抵御金融風(fēng)險(xiǎn)的能力，滿足不同風(fēng)險(xiǎn)厭惡投資者的需求（王斌會(huì)等，2010）。今年以來(lái)，國(guó)內(nèi)外金融市場(chǎng)受疫情影響持續(xù)動(dòng)蕩，1—3月道指下跌近30%，日經(jīng)指數(shù)下跌超30%，滬深300下跌近10%。為穩(wěn)定股市，各國(guó)央行大幅降低基準(zhǔn)利率，其他金融市場(chǎng)特別是債市和匯市受到?jīng)_擊相繼出現(xiàn)較大波動(dòng)，國(guó)際股市間及各國(guó)內(nèi)部金融市場(chǎng)間的聯(lián)動(dòng)特征愈發(fā)明顯。

有關(guān)股市、債市和匯市之間相關(guān)性的研究方面，F(xiàn)leming等（1998）使用GMM方法，發(fā)現(xiàn)1987年以來(lái)美國(guó)股市、債市和匯市之間收益率波動(dòng)的相關(guān)性愈來(lái)愈強(qiáng)，且在信息溢出作用下跨市場(chǎng)對(duì)沖交易頻繁涌現(xiàn);Raza和Wu（2018）基于Copula函半?yún)⒐烙?jì)的方法，發(fā)現(xiàn)英國(guó)股市、債市和匯市存在尾部和分位數(shù)相關(guān)性，但即使在極端波動(dòng)情況下，股市和匯市之間的溢出效應(yīng)也相當(dāng)有限，匯市和債市之間僅存在弱相關(guān)。國(guó)內(nèi)方面，鄭國(guó)忠、鄭振龍（2014）指出，不同市場(chǎng)環(huán)境下三個(gè)市場(chǎng)間的動(dòng)態(tài)相關(guān)性和波動(dòng)溢出效應(yīng)均有明顯異化現(xiàn)象，股市和債市間的波動(dòng)溢出效應(yīng)較弱，匯市的波動(dòng)會(huì)影響到債市;陳守東等（2016）使用二元極值POT模型，確定股市、債市和匯市存在尾部漸進(jìn)相依性，說(shuō)明在極端情況下，關(guān)聯(lián)性是存在于匯市和債市以及匯市與股市之間的。

從已有研究來(lái)看，當(dāng)前國(guó)內(nèi)外對(duì)股市和匯市間相關(guān)性的研究并未取得一致性結(jié)論，股市和債市之間相關(guān)性研究的結(jié)論較為統(tǒng)一，即股價(jià)與債券收益率長(zhǎng)期存在負(fù)相關(guān)關(guān)系，但短期而言，股市和債市之間的相關(guān)關(guān)系不穩(wěn)定，隨著不同的宏觀經(jīng)濟(jì)環(huán)境和金融市場(chǎng)變動(dòng)而表現(xiàn)出正向、負(fù)向和不相關(guān)三種情況。目前絕大多數(shù)研究對(duì)象多為國(guó)際金融市場(chǎng)間的溢出效應(yīng)和國(guó)內(nèi)兩個(gè)金融市場(chǎng)間的溢出效應(yīng)，對(duì)于國(guó)內(nèi)多個(gè)金融市場(chǎng)間的溢出效應(yīng)、特別是對(duì)新興市場(chǎng)經(jīng)濟(jì)體內(nèi)多個(gè)金融市場(chǎng)溢出的研究仍然較少。此外，國(guó)內(nèi)外學(xué)者運(yùn)用不同的計(jì)量方法對(duì)兩個(gè)金融市場(chǎng)間溢出關(guān)系進(jìn)行了研究，包括向量自回歸模型VAR、協(xié)整分析以及多變量GARCH模型等，為深入分析三個(gè)及其以上金融市場(chǎng)間的溢出關(guān)系提供了有益的參考與借鑒，但金融市場(chǎng)間的這種內(nèi)在關(guān)聯(lián)性，導(dǎo)致了金融市場(chǎng)價(jià)格具有一定程度的內(nèi)生性，上述模型不能很好地解決內(nèi)生性問(wèn)題。Diebold和Yilmaz（2012）提出的通過(guò)廣義預(yù)測(cè)誤差方差分解構(gòu)建溢出指數(shù)的方法，一方面，能給出風(fēng)險(xiǎn)溢出的方向，度量風(fēng)險(xiǎn)溢出的強(qiáng)度和規(guī)模;另一方面，該方法基于VAR框架所得到的廣義方差貢獻(xiàn)度，消除了變量次序?qū)φ环纸饨Y(jié)果的影響，受到學(xué)術(shù)界的廣泛關(guān)注。因此，本文將利用Diebold和Yilmaz（2012）的研究方法，以美、日、中為樣本，對(duì)國(guó)內(nèi)股市、債市和匯市間的溢出效應(yīng)以及股市的跨國(guó)聯(lián)動(dòng)進(jìn)行分析，重點(diǎn)考察疫情發(fā)生以來(lái)聯(lián)動(dòng)關(guān)系的變化情況，并提出相應(yīng)的對(duì)策建議。

二、模型設(shè)定及實(shí)證分析

基于金融市場(chǎng)聯(lián)動(dòng)的概念及現(xiàn)有文獻(xiàn)可知，金融傳染效應(yīng)實(shí)際關(guān)注于市場(chǎng)間的相關(guān)性?？偨Y(jié)現(xiàn)有關(guān)于相關(guān)性的度量方法，本文采用應(yīng)用廣泛的Granger因果關(guān)系檢驗(yàn)法、DCC-GARCH和波動(dòng)溢出模型法進(jìn)行相關(guān)分析。

（一）樣本選擇與數(shù)據(jù)處理

本文選取美國(guó)、日本和我國(guó)為研究樣本，以交易日為頻率，依據(jù)數(shù)據(jù)可得性、樣本盡可能的長(zhǎng)度、文獻(xiàn)慣例，將各地區(qū)股市、債市和匯市的代表性指標(biāo)確定如表1，數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。根據(jù)數(shù)據(jù)質(zhì)量，進(jìn)一步統(tǒng)一各國(guó)不同序列的樣本長(zhǎng)度，取美國(guó)時(shí)間區(qū)間為2001年1月2日至2020年3月13日，日本為1999年1月4日至2020年3月13日，我國(guó)為2002年1月4日至2020年3月13日，作為分析的樣本區(qū)間。

本文基于所選指標(biāo)，按照Rit = 100×ln（xit /xit-1 ） 計(jì)算各市場(chǎng)收益率。其中，xit為市場(chǎng)i在第t日的原始價(jià)格指標(biāo)，Rit即市場(chǎng)i在第t日為收益率指標(biāo)。各國(guó)各市場(chǎng)收益率序列的描述性統(tǒng)計(jì)結(jié)果見表2。表2中的均值和標(biāo)準(zhǔn)差說(shuō)明，各國(guó)股市收益率的平均值和波動(dòng)性均最高，美國(guó)和日本債市收益率的平均值和波動(dòng)性最低，我國(guó)匯市收益率的平均值和波動(dòng)性最低，基本反映了“高風(fēng)險(xiǎn)高收益”的現(xiàn)象。

（二）單位根檢驗(yàn)

為避免出現(xiàn)“偽回歸”問(wèn)題，在進(jìn)行溢出效應(yīng)模型估計(jì)之前，本文首先對(duì)各變量進(jìn)行了單位根檢驗(yàn)，以確定各市場(chǎng)指標(biāo)序列不存在隨機(jī)趨勢(shì)或確定趨勢(shì)，檢驗(yàn)結(jié)果如表3所示。ADF和PP檢驗(yàn)的結(jié)果表明，在5%的顯著性水平下，均拒絕原數(shù)據(jù)序列存在單位根的原假設(shè)，說(shuō)明各國(guó)各市場(chǎng)代表性指標(biāo)收益率為平穩(wěn)序列。KPSS檢驗(yàn)的結(jié)果表明，在10%的顯著性水平下，不能拒絕原數(shù)據(jù)序列為平穩(wěn)序列的原假設(shè)，由此也證明了各國(guó)各市場(chǎng)代表性指標(biāo)收益率的平穩(wěn)性。因此，各序列均為平穩(wěn)的時(shí)間序列，可直接對(duì)各變量進(jìn)行溢出效應(yīng)估計(jì)。

（三）Granger因果關(guān)系檢驗(yàn)

Granger因果關(guān)系檢驗(yàn)結(jié)果如表4所示。各國(guó)國(guó)內(nèi)股債匯市場(chǎng)之間的Granger檢驗(yàn)結(jié)果表明，美國(guó)以股市為中樞，股市和債市、股市和匯市之間互為Granger因果關(guān)系，債市是匯市的單向Granger原因，說(shuō)明債市對(duì)匯市存在單向引導(dǎo)關(guān)系。日本股市與匯市之間互為Granger因果，匯市是債市的Granger原因、債市是股市的Granger原因，說(shuō)明匯市單向引導(dǎo)債市變動(dòng)、債市單向引導(dǎo)股市變動(dòng)。我國(guó)股債匯關(guān)系的核心是股市，股市與匯市間互為Granger因果，因此存在雙向引導(dǎo)關(guān)系;股市是債市的Granger因，說(shuō)明股市單向引導(dǎo)債市變動(dòng)。

美、日、中三國(guó)股市之間的Granger檢驗(yàn)結(jié)果表明，美國(guó)股市變動(dòng)是中日股市變動(dòng)的Granger因，中日股市變動(dòng)不是美股變動(dòng)的Granger因，且中日股市之間不存在Granger因果關(guān)系，說(shuō)明美股變動(dòng)單向引導(dǎo)日股和A股變動(dòng)，中日股市之間不存在引導(dǎo)關(guān)系。

（四）動(dòng)態(tài)相關(guān)關(guān)系估計(jì)

美、日、中三國(guó)國(guó)內(nèi)股債匯動(dòng)態(tài)相關(guān)關(guān)系的估計(jì)結(jié)果如圖1所示?？梢钥闯?，美國(guó)、日本和我國(guó)股債匯之間的相關(guān)性在疫情期間均顯著增強(qiáng)。在相關(guān)性方向上，疫情期間，美國(guó)股市與債市、股市與匯市、債市與匯市均正相關(guān)，日本股市與債市正相關(guān)、股市與匯市以及債市與匯市之間負(fù)相關(guān)，我國(guó)債市與匯市正相關(guān)、股市與債市以及股市與債市之間負(fù)相關(guān)。

美日中股市跨國(guó)之間動(dòng)態(tài)相關(guān)的估計(jì)結(jié)果如圖2所示。由圖2可知，美國(guó)與我國(guó)和日本股市之間均存在正相關(guān)性，且美中股市與美日股市之間的相關(guān)性在疫情期間均顯著增強(qiáng)。

（五）波動(dòng)溢出效應(yīng)估計(jì)

本文對(duì)美日中三國(guó)股債匯收益率序列建立了廣義向量自回歸模型，并基于SC準(zhǔn)則為VAR模型選擇最優(yōu)滯后階數(shù)，同時(shí)設(shè)定模型的預(yù)測(cè)期為1周，在此基礎(chǔ)上進(jìn)行全樣本靜態(tài)溢出效應(yīng)估計(jì)，最后結(jié)合波動(dòng)溢出矩陣考察各國(guó)股債匯之間的聯(lián)動(dòng)關(guān)系，表5為美日中股債匯市場(chǎng)聯(lián)動(dòng)的靜態(tài)溢出效應(yīng)估計(jì)結(jié)果。由表5可知，中美股市對(duì)其他市場(chǎng)的溢出影響大于其所受其他市場(chǎng)的溢出影響，為溢出效應(yīng)的凈輸出方;美國(guó)的匯市、我國(guó)的債市和匯市則為溢出效應(yīng)的凈接受方;日本匯市為溢出效應(yīng)的凈輸出方，股市和債市為溢出效應(yīng)的凈接受方。就整體聯(lián)動(dòng)效應(yīng)而言，美日股債匯聯(lián)動(dòng)指數(shù)分別為10.6%和9.9%，顯著高于我國(guó)0.4%的聯(lián)動(dòng)水平。2008年國(guó)際金融危機(jī)期間，美日中股債匯溢出效應(yīng)結(jié)構(gòu)未發(fā)生變化，但大小均出現(xiàn)顯著上升，總聯(lián)動(dòng)指數(shù)分別為17.2%、22.9%和1.6%，遠(yuǎn)超日常情形。

此外，由于在樣本期間內(nèi)，各國(guó)各市場(chǎng)可能經(jīng)歷多次調(diào)整，基于全樣本的靜態(tài)溢出指數(shù)僅能概括各市場(chǎng)間的平均影響，但卻難以反映市場(chǎng)間聯(lián)動(dòng)效應(yīng)的總體變動(dòng)趨勢(shì)。為解決這一問(wèn)題，本文進(jìn)而利用滾動(dòng)回歸的方法，計(jì)算各市場(chǎng)之間的動(dòng)態(tài)溢出指數(shù)，以期描繪各市場(chǎng)在樣本期間聯(lián)動(dòng)關(guān)系的動(dòng)態(tài)變化。與前文一致，本文將預(yù)測(cè)期限設(shè)為向前1周，窗寬根據(jù)各國(guó)樣本量差異而設(shè)定。動(dòng)態(tài)溢出效應(yīng)的估計(jì)結(jié)果如圖3所示。由圖3可知，美國(guó)總聯(lián)動(dòng)指數(shù)由2020年1月2日的10.5%迅速上升到3月13日的 11.9%，且隨疫情在全球范圍內(nèi)的迅速擴(kuò)散，其影響還有進(jìn)一步擴(kuò)大趨勢(shì)。日本總聯(lián)動(dòng)指數(shù)則由15.2 %小幅上升到16.0%。我國(guó)市場(chǎng)的聯(lián)動(dòng)性增長(zhǎng)顯著高于美國(guó)、日本，總聯(lián)動(dòng)指數(shù)由疫情發(fā)生之前的0.5%飆升到3.8%，創(chuàng)2005年以來(lái)該數(shù)值的新高。

就美日中股市跨國(guó)聯(lián)動(dòng)的靜態(tài)溢出估計(jì)結(jié)果① （表6）而言，美國(guó)股市變動(dòng)對(duì)中日股市變動(dòng)存在凈溢出效應(yīng)，且美股對(duì)日股的凈溢出顯著高于對(duì)中國(guó)A股的凈溢出;中美股市總聯(lián)動(dòng)指數(shù)為2.4%，顯著低于日美股市11.5%的總聯(lián)動(dòng)指數(shù)。特別地，在2008年國(guó)際危機(jī)期間，美國(guó)股市變動(dòng)對(duì)中日股市變動(dòng)的凈溢出效應(yīng)均顯著增強(qiáng)，且中美、日美股市間總體聯(lián)動(dòng)效應(yīng)明顯增大，分別達(dá)3.2%和24.4%。

美日中股市跨國(guó)聯(lián)動(dòng)的動(dòng)態(tài)溢出效應(yīng)估計(jì)結(jié)果如圖4所示。由圖4可知，今年疫情暴發(fā)以來(lái)，中美股市聯(lián)動(dòng)指數(shù)由2019年底的6.3%快速上升至2020年3月13日的7.9%，日美股市聯(lián)動(dòng)指數(shù)同期則由14.2%增加至14.6%。

三、結(jié)論與政策建議

本文研究表明，股市是我國(guó)金融市場(chǎng)風(fēng)險(xiǎn)的中樞，其與債市間具有雙向引導(dǎo)關(guān)系，對(duì)匯市具有單向引導(dǎo)作用。無(wú)論是日常時(shí)期還是危機(jī)期間，我國(guó)股市均是股債匯聯(lián)動(dòng)的凈溢出方，疫情暴發(fā)以來(lái)，我國(guó)股債匯相關(guān)性和聯(lián)動(dòng)性均顯著增強(qiáng)。進(jìn)一步基于A股與主要股指的聯(lián)動(dòng)估計(jì)表明，美股波動(dòng)單向引導(dǎo)我國(guó)A股變動(dòng)，A股與日股之間不存在聯(lián)動(dòng)效應(yīng)，疫情期間A股與美股的聯(lián)動(dòng)效應(yīng)顯著上升。

我國(guó)現(xiàn)行分業(yè)經(jīng)營(yíng)、分業(yè)監(jiān)管的模式，金融市場(chǎng)間缺少協(xié)調(diào)監(jiān)管和全局監(jiān)管，難以滿足金融市場(chǎng)一體化以及有效監(jiān)管系統(tǒng)性風(fēng)險(xiǎn)的現(xiàn)實(shí)需要。分業(yè)監(jiān)管模式的核心是保持個(gè)體機(jī)構(gòu)的穩(wěn)健，容易產(chǎn)生監(jiān)管漏洞，不能從金融系統(tǒng)整體視角防范風(fēng)險(xiǎn)，缺乏對(duì)系統(tǒng)性風(fēng)險(xiǎn)的整體評(píng)估、協(xié)調(diào)與應(yīng)對(duì)。有鑒于股債匯聯(lián)動(dòng)可能造成系統(tǒng)性風(fēng)險(xiǎn)傳染，建議將市場(chǎng)聯(lián)動(dòng)性指標(biāo)作為監(jiān)管協(xié)調(diào)的考察指標(biāo)，形成金融發(fā)展與監(jiān)管的合力，補(bǔ)齊監(jiān)管短板，避免監(jiān)管空白。

一是重點(diǎn)聚焦股市和債市等重要市場(chǎng)風(fēng)險(xiǎn)輸出方，加強(qiáng)風(fēng)險(xiǎn)監(jiān)測(cè)。做好風(fēng)險(xiǎn)排查，及時(shí)從源頭上化解風(fēng)險(xiǎn)。例如，對(duì)于股權(quán)質(zhì)押風(fēng)險(xiǎn)這類導(dǎo)致2018年股市、債市和匯率市場(chǎng)聯(lián)動(dòng)性激增的風(fēng)險(xiǎn)予以重點(diǎn)關(guān)注，通過(guò)紓困債、紓困基金等形式予以處置。

二是建立跨市場(chǎng)、跨部門數(shù)據(jù)收集平臺(tái)，增強(qiáng)市場(chǎng)綜合監(jiān)管能力。證監(jiān)會(huì)、銀保監(jiān)會(huì)與外匯管理局分別開發(fā)證券市場(chǎng)和外匯市場(chǎng)的風(fēng)險(xiǎn)預(yù)警系統(tǒng)，定期發(fā)布風(fēng)險(xiǎn)預(yù)警指數(shù)，監(jiān)測(cè)各金融市場(chǎng)的風(fēng)險(xiǎn)狀況;中央銀行整合各市場(chǎng)預(yù)警信息，履行金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)預(yù)警的職責(zé)，在制定和執(zhí)行宏觀調(diào)控政策時(shí)考慮其對(duì)金融市場(chǎng)的影響，盡量減少金融市場(chǎng)波動(dòng)，降低金融市場(chǎng)風(fēng)險(xiǎn)，保護(hù)廣大投資者利益。

三是加強(qiáng)對(duì)境外重大風(fēng)險(xiǎn)事件的研究跟蹤。密切關(guān)注境外市場(chǎng)特別是美國(guó)市場(chǎng)的金融風(fēng)險(xiǎn)、地緣政治風(fēng)險(xiǎn)、公共衛(wèi)生風(fēng)險(xiǎn)等諸多可能傳導(dǎo)至我國(guó)的“黑天鵝”事件，提前評(píng)估對(duì)我國(guó)市場(chǎng)的沖擊，并做好應(yīng)急預(yù)案。

[參考文獻(xiàn)]

[1] Diebold， F.X. and K. Yilmaz， 2009， “Measuring Financial Asset Return and Volatility Spillovers， with Application to Global Equity Markets” [J]. Economic Journal， 119（534）： 158～171.

[2] Fleming， J.， C. Kirby and B. Ostdiek， 1998， “Information and Volatility Linkages in the Stock， Bond， and Money Markets” [J]. Social Science Electronic Publishing 49（1）： 111～137.

[3] Raza， H. and W. Wu， 2018， “Quantile Dependence between the Stock， Bond and Foreign Exchange Markets-Evidence from the UK” [J]. Quarterly Review of Economics and Finance， 69（AUG）： 286-296.

[4] 陳守東， 章秀， 易曉溦. 基于二元POT極值模型的貨幣市場(chǎng)與資本市場(chǎng)相依性分析[J]. 統(tǒng)計(jì)與決策， 2016 （6）：153-156.

[5] 王斌會(huì)， 鄭輝， 陳金飛. 中國(guó)股市、匯市和債市間溢出效應(yīng)的實(shí)證研究[J]. 暨南學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2010， 32（4）： 37-45+162.

[6] 鄭國(guó)忠， 鄭振龍. 我國(guó)金融市場(chǎng)問(wèn)動(dòng)念相關(guān)及風(fēng)險(xiǎn)傳染的異化分析[J]. 東南學(xué)術(shù)， 2014（2）： 79-88.