澳門科技大學 薛一凡 田欣之 凌 丹 趙楊蓁

1 選題背景及意義

隨著我國引入QFII、QDII以及股市的不斷改革，我國股市正在不斷地與國際市場接軌，中美股市間的關(guān)系也成為投資者及學者熱議的話題，對政府管理部門相關(guān)政策如何制定，以及對投資者如何管理投資策略都有重要影響。

隨著美國次貸危機及歐債危機的爆發(fā)，危機中的聯(lián)動性變化逐漸成為研究的焦點。關(guān)于危機對中國股市與其他股市聯(lián)動性影響這一問題，有人認為危機期間股市聯(lián)動性增強，也有人認為次貸危機、歐債危機等突發(fā)金融事件會降低一體化水平，造成股市之間聯(lián)動性降低，這一問題目前尚無一致結(jié)論，結(jié)論因研究對象、樣本期間以及實證方法而異。

2 數(shù)據(jù)選取及研究方法

2.1 數(shù)據(jù)選取

本文選取了2010年11月1日至2020年10月30日的滬深300和標普500指數(shù)的日對數(shù)收益率作為分析對象，日對數(shù)收益率的計算方法為：Rt=ln(Pt/Pt-1)。剔除掉兩個市場未同時開盤的數(shù)據(jù)后，共匹配出2352組日數(shù)據(jù)。美國股票市場的風險和波動性的測量，我們選取了Baker(2019)提出的股權(quán)波動指數(shù)(EMV，Equity market volatility index)的同期120個月度數(shù)據(jù)。

2.2 研究模型介紹

2.2.1 DCC-GARCH模型

本文首先采用動態(tài)條件相關(guān)的多元廣義自回歸條件異方差模型(DCC-GARCH)研究中美兩國股市的動態(tài)相關(guān)性，此模型利用標準化后的GARCH(1，1)模型中的殘差估計動態(tài)條件相關(guān)系數(shù)，可以很好地捕捉股市之間的動態(tài)相關(guān)性，掌握市場間的聯(lián)動效應。

2.2.2 DCC-MIDAS-EMV模型

本文采用了修正的Colacito(2011)的兩步DCCMIDAS模型，第一步使用帶有EMV變量的GARCHMIDAS模型來模擬股票回報率波動，第二步采用修正的DCC-MIDAS-EMV捕捉美國股市波動對中美股市動態(tài)條件相關(guān)性的影響。

第一步，rt表示金融資產(chǎn)i在第t期的收益率，且ξi,t|?i,t-1～N(0,1)，?i,t-1為第t-1天的信息集。收益率波動包含了長期和短期成分，gi,t表示日度頻率變化的短期成分，tτ表示月度頻率變化的長期成分，假定gi,t服從一個GARCH(1，1)過程，即：

α＞0，β≥0，α+β＜1。使用MIDAS濾液，MIDAS規(guī)范，將長期分量建模為EMV變量K(K=24)滯后的加權(quán)和：

θi衡量的是EMV對資產(chǎn)回報率波動性的長期影響。權(quán)重函數(shù)φk(ωi)，按照Colacito(2011)的方法：

ωi＞1。φk(ωi)保證了衰減模式，衰減率由ωi的大小決定。ωi值越大衰減速度越快。

第二步，假設短期相關(guān)性圍繞時變長期關(guān)系波動，其形式為：

qi,j,t表示兩個資產(chǎn)間的短期動態(tài)相關(guān)成分；ξi,t和ξj,t分別為資產(chǎn)i和資產(chǎn)j收益率序列在GARCH-MIDAS過程中的標準化殘差；,t代表緩慢變動的長期相關(guān)成分。為了將宏觀經(jīng)濟變量直接納入長期成分擴展到DCCMIDAS模型，對相關(guān)系數(shù)進行Fisher-z轉(zhuǎn)換：

類似于Comrad(2014)的處理，將zij,t表示為EMV的Qc個滯后項加權(quán)之和：

3 實證結(jié)果分析

3.1 數(shù)據(jù)描述性統(tǒng)計

本文選取滬深300指數(shù)作為中國股市的研究指標，標普500指數(shù)作為美國股市的研究指標（見表1）。根據(jù)表1的描述性統(tǒng)計可以發(fā)現(xiàn)美國股票市場的平均收益率大于中國股票市場的平均收益率，且中國股市的波動率比美國股市大，說明中國股市與美國股市相比尚不成熟。從收益率分布來看，兩個指數(shù)的偏度均為負值且峰度均大于3，說明兩個指數(shù)收益率均呈現(xiàn)尖峰、厚尾、左偏、非對稱性的分布特征。從Jarque-Bera檢驗也可看出收益率分布顯著異于正態(tài)分布。

表1 收益 率序列的描述性統(tǒng)計

3.2 模型構(gòu)建和估計結(jié)果

3.2.1 DCC-GARCH模型的估計結(jié)果

首先使用ADF和WhiteTest分別進行單位根和異方差檢驗，滬深300和標普500收益率序列均通過了單位根檢驗，序列平穩(wěn)避免為回歸，且均存在顯著異方差。使用Ljung-boxTests發(fā)現(xiàn)滬深300指數(shù)不存在自相關(guān)，故構(gòu)建單變量GARCH模型的均值方程時采用只含有常數(shù)項的方程結(jié)構(gòu)；而標普500指數(shù)存在自相關(guān)，采用含有常數(shù)項ar(1)項的方程結(jié)構(gòu)構(gòu)建GARCH模型。

表2是滬深300和標普500的GARCH(1，1)參數(shù)估計結(jié)果，標普500的α值較大，也就說明美股對新信息的反應速度較快。滬深300的值較大，說明滬深300的衰減速度較慢，波動持續(xù)性較強。

表2 GARCH (1，1) 參數(shù)估計結(jié)果

接下來利用DCC-GARCH模型對中美股市收益率的相關(guān)性進行考察，β在99%的置信水平下顯著且接近于1，反映出相關(guān)性具有非常強的持續(xù)性特征，由此可以判斷一定存在動態(tài)可變的條件相關(guān)系數(shù)。

從圖1可以看出，運用滬深300和標普500收益率所估算出來的中美兩國金融市場收益之間的相關(guān)系數(shù)整體大于0，說明中美股市總體成正向相關(guān)。圖中標注了三段陰影，分別代表股災(2014.08—2015.09)、中美貿(mào)易戰(zhàn)(2018.02—2018.12)、新冠肺情爆發(fā)(2020.01—2020.04)，發(fā)現(xiàn)近十年兩國股市聯(lián)動性幾處發(fā)生明顯變化的時點出現(xiàn)在陰影中，表明重大事件會在一定程度上影響兩國股市的聯(lián)動性。

圖1 DCC-GARCH結(jié)果序列圖

3.2.2 DCC-MIDAS-EMV模型的估計結(jié)果

DCC-MIDAS-EMV模型可以研究混合頻率數(shù)據(jù)條件下中美股市收益率的聯(lián)動性，使得對相關(guān)性的考察可以從長期和短期兩個角度進行。利用極大似然法對模型參數(shù)進行估計，第一步求出GARCH-MIDAS模型參數(shù)，第二步求出DCC-MIDAS模型參數(shù)。

表3 DCC-GARCH 模型系數(shù)估計結(jié)果

表4報告了GARCH-MIDAS模型估計結(jié)果。為了確保所有設定具有可比性，我們選取滯后期為24。α，β＞0，且α+β＜1，兩個收益率序列都存在均值回歸現(xiàn)象，說明短期波動成分圍繞長期波動成分上下波動。由于θ的估計值均為負，且只有SCI300的θ值在1%的水平顯著，表明EMV指數(shù)對中國股市收益率長期波動性有負向影響。

表4 GARCH-MIDAS模型的估計及檢驗結(jié)果

表5報告了DCC-MIDAS-EMV模型估計結(jié)果。θ參數(shù)均在1%水平顯著，說明過去市場信息對股票間的動態(tài)相關(guān)性具有顯著影響。α，β＞0且α+β＜1，說明中美兩國股市是具有聯(lián)動效應的。參數(shù)θ顯著為負表示EMV的上升將導致中美股市的長期相關(guān)性降低。

表5 DCC-MIDAS-EMV模型的估計及檢驗結(jié)果

根據(jù)DCC-MIDAS-EMV模型的估計結(jié)果，給出中美兩國股市長短期動態(tài)相關(guān)性曲線圖（見圖2）。由圖2可以看出，近十年來中美兩國股市一直具有較平穩(wěn)的正向聯(lián)動性，未出現(xiàn)較大起伏，相比短期聯(lián)動性，中美股市的長期聯(lián)動性更穩(wěn)定。EMV變動對中美股市長期相關(guān)性有負向影響，受2011年美國債務危機、2018年中美貿(mào)易戰(zhàn)、2020年新冠疫情的影響，EMV指數(shù)上升，兩國相關(guān)性下降，幾處時點更是急劇下降為負值。

圖2 中美股市長/短期相關(guān)性序列圖

4 結(jié)語

4.1 結(jié)論

本文考察了2010—2020年中美股市的聯(lián)動性，發(fā)現(xiàn)美國股市對新信息的反應更快，中國股市收益率波動比美國收益率波動明顯且持續(xù)性強，表明中國股市與美國股市相比尚不成熟。從實證分析結(jié)果來看，兩國股市存在明顯的正向相關(guān)性且長期相關(guān)性比短期相關(guān)性更穩(wěn)定。在研究DCC-MIDAS-EMV模型時，納入了可以衡量美國股市波動風險的EMV指數(shù)研究美國經(jīng)濟政策不確定性對中美股市動態(tài)相關(guān)性的影響，發(fā)現(xiàn)動態(tài)相關(guān)系數(shù)與EMV指數(shù)有相反波動的趨勢，即美國股市波動性增強會導致兩國長期相關(guān)性下降，考慮EMV的滯后性，其變化在一段時間內(nèi)對兩國股市聯(lián)動性的變化具有一定的預測作用。

4.2 啟示

4.2.1 政策制定者角度

中美雙方需要在經(jīng)濟領(lǐng)域建立長期且有效的合作方針，加強金融領(lǐng)域的交流，對世界經(jīng)濟穩(wěn)定發(fā)展起到促進作用。中美日益密切的經(jīng)貿(mào)往來帶來的股市聯(lián)動性也應得到兩國監(jiān)管部門的重視，以應對可能的全球性風險暴露。同時，有關(guān)部門應當建立健全金融市場危機應急處理方案，在重大危機發(fā)生之前做好預警，發(fā)生時及時干預，發(fā)生后汲取經(jīng)驗并積極反思。

4.2.2 投資者角度

對于中國投資者而言，股民大多為散戶，沒有系統(tǒng)的投資理論框架，市場“羊群效應”明顯。個人應當加強對投資意識的培養(yǎng)，理性分析，不盲目從眾。此外，中國證監(jiān)局以及金融機構(gòu)應當加強對股民正確投資意識的培養(yǎng)，引導股民進行價值投資。對于全球投資者來說，由于中美兩國股市聯(lián)動性有逐漸增強的趨勢，長遠來看，中美股市間套利機會會進一步縮小，投資者應注意及時調(diào)整投資組合，避免承擔過高風險。