吳凌睿

摘要：受新冠肺炎疫情的影響，2020年后全球金融市場(chǎng)發(fā)生劇烈動(dòng)蕩。在此背景下，本文基于GARCH模型的應(yīng)用建模和研究設(shè)計(jì)，探討新冠“黑天鵝”對(duì)中美股票市場(chǎng)的波動(dòng)性特征沖擊問題。本文具體估計(jì)了GARCH模型參數(shù)，并結(jié)合四個(gè)月的窗口期對(duì)比研究了疫情前、中、后期中美股票市場(chǎng)的波動(dòng)趨勢(shì)特征和表現(xiàn)。結(jié)果表明：新冠疫情對(duì)中美兩國(guó)股市都造成了嚴(yán)重沖擊，疫情后期的股市波動(dòng)相對(duì)于前中期更為劇烈，同時(shí)疫情后中國(guó)股票市場(chǎng)的波動(dòng)性趨勢(shì)特征強(qiáng)于美國(guó)。最后，本文對(duì)中美股指收益率及其波動(dòng)率序列進(jìn)行因果關(guān)系檢驗(yàn)，發(fā)現(xiàn)存在美股走勢(shì)對(duì)中國(guó)股市的單向Granger原因?；谘芯拷Y(jié)論，本文提出了加強(qiáng)市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)、完善資本市場(chǎng)制度建設(shè)、關(guān)注國(guó)際資本市場(chǎng)聯(lián)動(dòng)性等政策建議。

關(guān)鍵詞：新冠疫情;黑天鵝;金融波動(dòng);中美股票市場(chǎng);GARCH模型

一、引言

2020年3月9日，受新冠疫情沖擊，全球股票市場(chǎng)發(fā)生了聯(lián)動(dòng)式暴跌。美國(guó)標(biāo)普500指數(shù)盤中一度下挫7%，日經(jīng)225指數(shù)暴跌5.07%，恒生指數(shù)收跌4.23%，上證指數(shù)下跌772%，皆創(chuàng)近年單日最大跌幅紀(jì)錄：此外，英法德股指全線跌超7%，巴西基準(zhǔn)股指更是下跌10%直接觸發(fā)熔斷。隨著后續(xù)新冠疫情的漫延和逐步控制，各國(guó)股市在后續(xù)時(shí)間也經(jīng)歷了下跌、動(dòng)蕩和探底回升。對(duì)比新冠疫情前，2020年至今的兩年內(nèi)，全球股市的波動(dòng)頻度和幅度表現(xiàn)突出，一定程度上反映新冠這一重大突發(fā)事件對(duì)投資者情緒和各國(guó)股市的持續(xù)性影響。

在高度全球化的今天，全球金融市場(chǎng)間的相互依賴性不斷增強(qiáng)，以至于一個(gè)區(qū)域的金融市場(chǎng)波動(dòng)會(huì)快速地延伸到其他區(qū)域，加大金融市場(chǎng)的共振風(fēng)險(xiǎn)。作為當(dāng)今世界重要的經(jīng)濟(jì)參與體，中美兩國(guó)的經(jīng)濟(jì)往來日趨緊密，兩國(guó)經(jīng)濟(jì)金融市場(chǎng)的趨勢(shì)走向?qū)τ谑澜缃?jīng)濟(jì)具有一定的導(dǎo)向作用。本文對(duì)疫情發(fā)生后中美股市波動(dòng)趨勢(shì)進(jìn)行實(shí)證建模和計(jì)量分析，旨在進(jìn)一步量化新冠疫情這類重大突發(fā)事件對(duì)中美股票市場(chǎng)的沖擊、影響，同時(shí)為疫情后期我國(guó)金融市場(chǎng)的監(jiān)管和穩(wěn)健發(fā)展提供政策參考。

查閱了與本文相關(guān)的文獻(xiàn)，下文從金融波動(dòng)的定義、度量和“黑天鵝”事件對(duì)金融市場(chǎng)的影響三部分分別進(jìn)行評(píng)述。

已有文獻(xiàn)研究關(guān)于金融波動(dòng)的專門定義并不多見。國(guó)內(nèi)學(xué)者張紅偉（2003）認(rèn)為：狹義的金融波動(dòng)是因客觀環(huán)境的變化或者主觀決策的失誤等其他原因而導(dǎo)致的，經(jīng)濟(jì)主體在融資時(shí)，使金融機(jī)構(gòu)的資產(chǎn)和信譽(yù)等處于一種不穩(wěn)定的狀態(tài)：廣義的金融波動(dòng)是由于一些實(shí)際經(jīng)濟(jì)因素以及金融自身因素改變所造成的金融突變量上下起伏交替的變動(dòng)。王宇新（2006）從股票市場(chǎng)角度出發(fā)將金融波動(dòng)具體定義為股票價(jià)格的波動(dòng)性：所謂股票價(jià)格的波動(dòng)性，一般是指未來股票價(jià)格會(huì)背離其期望值的一種可能性。

金融波動(dòng)度量模型的研究最初是在國(guó)外學(xué)術(shù)界中掀起熱潮的。在20世紀(jì)80年代初期，Engle（1982）在分析通貨膨脹模型時(shí)發(fā)現(xiàn)預(yù)測(cè)誤差的方差中存在某種相關(guān)性，為了刻畫這種相關(guān)性，他提出了ARCH模型，也被稱為自回歸條件異方差模型。隨后，BOLlerslev（1986）在其基礎(chǔ)上提出允許條件方差依賴自身前期的廣義ARCH模型，即GARCH模型，后者能夠較好地解決ARCH模型在應(yīng)用中的待估參數(shù)較多的問題。國(guó)內(nèi)學(xué)者主要傾向于在上述金融波動(dòng)模型基礎(chǔ)上進(jìn)行實(shí)證應(yīng)用。譚加勁（2003）結(jié)合GARCH模型來研究證券交易印花稅下降對(duì)我國(guó)A股市場(chǎng)波動(dòng)性影響;舒俊（2005）引入ARCH族模型對(duì)上證指數(shù)的日收益率序列進(jìn)行擬合研究。

伴隨著社會(huì)學(xué)家和經(jīng)濟(jì)學(xué)家對(duì)突發(fā)事件問題的研究，“黑天鵝”這一概念頻繁出現(xiàn)在相關(guān)文獻(xiàn)研究中。Talb（2008）認(rèn)為“黑天鵝”事件是指那些發(fā)生概率極小但實(shí)際卻發(fā)生了的事件，它處于意料之外，可改變一切。Estrada（2008）指出“黑天鵝”事件一旦發(fā)生，會(huì)對(duì)金融市場(chǎng)造成嚴(yán)重的沖擊，而且會(huì)對(duì)投資者預(yù)期收益造成巨大的影響。劉慶富、周程遠(yuǎn)和張婉寧（2011）關(guān)注了突發(fā)性地震災(zāi)難對(duì)中國(guó)股票市場(chǎng)的沖擊效應(yīng)，研究發(fā)現(xiàn)這一沖擊效應(yīng)在股票市場(chǎng)各行業(yè)的收益和風(fēng)險(xiǎn)中表現(xiàn)出差異性.Maillet和Michel（2005）探討了9.11恐怖襲擊事件對(duì)美國(guó)股票市場(chǎng)的影響，強(qiáng)調(diào)了這一沖擊的負(fù)向效應(yīng)。

可以看到，已有文獻(xiàn)結(jié)合不同思路就金融市場(chǎng)波動(dòng)性、重大突發(fā)事件對(duì)金融市場(chǎng)的影響和沖擊進(jìn)行了研究，并得到了諸多有益的結(jié)論。新冠肺炎疫情的發(fā)生對(duì)全球金融市場(chǎng)及其走勢(shì)造成了持續(xù)性和聯(lián)動(dòng)性影響，已有文獻(xiàn)關(guān)于新冠疫情對(duì)我國(guó)和其他國(guó)家股市的沖擊分析和對(duì)比研究較少。鑒于此，本文運(yùn)用GARCH模型研究新冠疫情下中美兩國(guó)股市波動(dòng)趨勢(shì)，進(jìn)一步量化新冠疫情對(duì)兩國(guó)股票市場(chǎng)的沖擊和聯(lián)動(dòng)影響。后文框架安排如下：第二部分闡述了金融波動(dòng)的定義并具體介紹度量金融波動(dòng)的GARCH模型;第三部分為新冠疫情下中美股市波動(dòng)特征建模;第四部分進(jìn)一步探討新冠疫情下中美股市波動(dòng)的因果關(guān)系：第五部分為全文總結(jié)和建議。

二、理論基礎(chǔ)

（一）金融波動(dòng)度量

金融波動(dòng)是指金融市場(chǎng)中各要素處于一種不穩(wěn)定的狀態(tài)，通常外化為金融資產(chǎn)價(jià)格指標(biāo)在一段時(shí)間內(nèi)的上下起伏變動(dòng)，文獻(xiàn)研究中通常采用金融資產(chǎn)的波動(dòng)率對(duì)其度量。簡(jiǎn)單來看，資產(chǎn)的波動(dòng)率表現(xiàn)為資產(chǎn)價(jià)格波動(dòng)的程度，可以用標(biāo)準(zhǔn)差直接衡量。我們同樣可以用收益率的標(biāo)準(zhǔn)差來衡量股市波動(dòng)率，不過，由于股票市場(chǎng)的群集波動(dòng)和時(shí)變特征，難以結(jié)合全部樣本固定地進(jìn)行標(biāo)準(zhǔn)差的統(tǒng)計(jì)度量，后文結(jié)合計(jì)量模型中的條件方差方程對(duì)其進(jìn)行刻畫。

GARCH模型中的條件方差方程可以用以有效衡量資產(chǎn)收益率的波動(dòng)狀況，條件方差越大說明資產(chǎn)收益率的波動(dòng)率越大。結(jié)合GARCH模型建模，可以有效測(cè)度和分析股票市場(chǎng)的波動(dòng)性風(fēng)險(xiǎn)，并已有較多文獻(xiàn)結(jié)合該類模型進(jìn)行了股票市場(chǎng)波動(dòng)問題的研究（葉青2019;賈子騰2020;張盼2020）。借鑒已有研究，本文結(jié)合GARCH模型的建模設(shè)計(jì)刻畫疫情沖擊背景下股票市場(chǎng)的波動(dòng)特征，由此量化評(píng)估和對(duì)比中美股市的波動(dòng)趨勢(shì)和風(fēng)險(xiǎn)特征。

（二）ARCH和GARCH模型介紹

在過去幾十年里，研究金融波動(dòng)特征及波動(dòng)率估計(jì)的最主要研究方法是ARCH模型和GARCH模型，下面本文對(duì)其進(jìn)行簡(jiǎn)要介紹。

1.ARCH模型

Engle（1982）提出的ARCH模型被廣泛地運(yùn)用于金融時(shí)間序列分析。ARCH類模型由條件均值方程和條件方差方程組成，該模型把條件方差看作是前期誤差（偏離不變的無條件方差大?。┑暮瘮?shù)，設(shè)定條件方差隨時(shí)間變化。ARCH（p）模型的均值和方差方程分別如下式（1-2）

其中，y：和X分別表示因變量和自變量，t表示無序列相關(guān)的隨機(jī)擾動(dòng)項(xiàng)，p表示模型的滯后階數(shù)。為了保證方差方程中的方差為正，要求回歸參數(shù)a》0，且1+o2+…+o《1。在該模型中假定隨機(jī)擾動(dòng)項(xiàng)序列不相關(guān)，但的方差序列可能相關(guān)。所以在建立ARCH均值模型后要對(duì)其殘差序列進(jìn)行ARCH檢驗(yàn)，判斷是否有異方差效應(yīng)。在應(yīng)用回歸估計(jì)中，通常滯后階數(shù)p越高，模型擬合效果才越好，因此ARCH（p）模型滯后階數(shù)很大。但這樣需要估計(jì)很多參數(shù)，同時(shí)會(huì)出現(xiàn)類似于解釋變量的多重共線性等問題。

2.GARCH模型

為突破ARCH模型的局限，BOLlerslev（1986）提出了GARCH模型。該模型在ARCH（p）模型中增加了q個(gè)殘差平方滯后項(xiàng)得到，記為GARCH（q，p）模型。GARCH（q，p）模型的均值方程與式（1）保持一致，方差方程如下：

其中，0》0，1≥0（i=1，…，p），B≥0（j=1，…，q）。為保證GARCH模型是弱平穩(wěn)的，有-，烏，IP，1的約束條件。

GARCH（q，p）模型對(duì)應(yīng)ARCH（∞）模型，由于待估參數(shù)的大幅減少，能較好地解決ARCH（p）模型在應(yīng)用中參數(shù)估計(jì)繁瑣的問題。后文主要基于GARCH模型對(duì)新冠疫情背景下中美股票市場(chǎng)波動(dòng)趨勢(shì)進(jìn)行實(shí)證分析。

三、新冠疫情下中美股票市場(chǎng)波動(dòng)特征建模

（一）新冠疫情下的中美股市走勢(shì)

2020年新冠肺炎疫情的爆發(fā)和蔓延給我國(guó)金融市場(chǎng)帶來了嚴(yán)重沖擊，加大了人民幣匯率和資本市場(chǎng)的波動(dòng)。圖1所示，在2020年2月1日前期，中國(guó)股票市場(chǎng)受到明顯沖擊，深證成指大幅下跌，上證指數(shù)也能夠觀察到有下跌的趨勢(shì)。A股在2月3日開盤后，在短時(shí)間內(nèi)將近有3000只股票跌停，上證指數(shù)下跌了7.72%，深證成指下跌了8.45%，并在短時(shí)間內(nèi)波動(dòng)性下滑，主要原因是疫情爆發(fā)正值中國(guó)的春節(jié)期間，證券市場(chǎng)處于休市中，疫情的快速發(fā)展和網(wǎng)絡(luò)媒體的渲染，導(dǎo)致民眾悲觀情緒不斷加重，并在春節(jié)后的第一個(gè)交易日里集體釋放。隨后，由于我國(guó)疫情防控措施實(shí)施效果顯著，3月開始的新增確診人數(shù)逐漸減少，加上各種政策的支持，3月中下旬后我國(guó)經(jīng)濟(jì)態(tài)勢(shì)逐步恢復(fù)，股指開始向上反彈

在2020年的2月份之前，新冠疫情主要集中在中國(guó)和鄰近的幾個(gè)亞洲國(guó)家。但從2月下旬開始，疫情在歐美迅速擴(kuò)散。在圖2中，可以觀察到大概在3月1日左右，美國(guó)兩大股指出現(xiàn)明顯下挫，且在3、4和5月份標(biāo)普500股指和納斯達(dá)克100股指表現(xiàn)出明顯的波動(dòng)聚集性和長(zhǎng)記憶性。2020年3月9日，全球金融市場(chǎng)發(fā)生了罕見的暴跌，標(biāo)普500指數(shù)盤中一度暴跌7%，直接觸發(fā)一級(jí)熔斷機(jī)制。3月19日，美股10天內(nèi)第四次熔斷，歷史上第五次。之后隨著美股筑底和后續(xù)美國(guó)政府的不斷量化寬松政策，美股后續(xù)開始在波動(dòng)中不斷恢復(fù)向上走勢(shì)。

（二）股指收益率的描述性分析

本文以對(duì)數(shù)化股指收益率（R）為考察指標(biāo)進(jìn)行股市波動(dòng)

特征的探討，構(gòu)建公式如下：

上式中p、P-分別表示指數(shù)的第t、t-1日收盤價(jià)。后文對(duì)中國(guó)股市波動(dòng)特征的建模研討建立在上證綜指（SH）和深證成指（SZ）的對(duì)數(shù)化收益率之上，對(duì)美國(guó)股市波動(dòng)特征的建?；跇?biāo)準(zhǔn)普爾500指數(shù)（BP），研究區(qū)段為2019年7月1日至2020年12月31日，數(shù)據(jù)來源為：英為財(cái)情（https：/cn.in-vesting.com）。

表1歸納了Eviews10對(duì)上證指數(shù)、深證成指和標(biāo)普500指數(shù)的日收益率序列做出的描述性統(tǒng)計(jì)量，結(jié)果如下：

對(duì)于收益率為正態(tài)分布的金融時(shí)間序列，理論上的偏度值為0，峰度為3。從表1可以看出，三大股指的偏度均不為0。其中，上證指數(shù)的日收益率偏度大于0，存在明顯的右偏特征：深證成指和美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)均小于0，存在明顯的左偏特征。上證指數(shù)、深證成指和美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)的峰度均大于3。因此，三大股指的收益率序列存在著明顯的“尖峰厚尾”的分布特征，均不是正態(tài)分布。此外，三者的標(biāo)準(zhǔn)差也較小，進(jìn)一步蘊(yùn)含了可能的群集波動(dòng)特征。

另外，表1對(duì)三大股指的日收益率序列（R）和股指走勢(shì)序列（In（p）進(jìn)行ADF單位根檢驗(yàn)，結(jié)果表明，在1%和5%的顯著性水平下，三大股指In（p）序列的ADF統(tǒng)計(jì)量大于臨界值，且P值不顯著，說明在樣本研究期間三大股指都不平穩(wěn)，有明顯的波動(dòng)：而三大股指的日收益率序列的ADF統(tǒng)計(jì)量值都遠(yuǎn)遠(yuǎn)小于臨界值，并且P值都小于0.01，說明日收益率序列在樣本研究期間是平穩(wěn)的，可以基于其進(jìn)行股指波動(dòng)特征的建模分析。

（三）GARCH模型實(shí)證建模

對(duì)對(duì)數(shù)化收益率R進(jìn)行GARCH建模前，我們結(jié)合ARCH-LM法對(duì)其一階自回歸殘差進(jìn)行ARCH檢驗(yàn)，判斷序列是否存在明顯的異方差特征。表2顯示SH、SZ、BP收益率指標(biāo)的ARCH-LM檢驗(yàn)量在5%的顯著性水平下拒絕同方差原假設(shè)，說明殘差序列具有顯著的ARCH效應(yīng)。為了更好地解釋現(xiàn)實(shí)中美股指收益率波動(dòng)問題，將外生變量廣義貨幣供應(yīng)量（M2）加入均值方程（1），由此建立GARCH（1，1）模型如下：

用上述GARCH模型對(duì)上證指數(shù)、深證成指和美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)收益率序列進(jìn)行擬合，參數(shù)估計(jì)結(jié)果如表3所示。

首先，三個(gè)GARCH模型下的ARCH項(xiàng)和GARCH項(xiàng)估計(jì)值之和均小于等于1，滿足參數(shù)估計(jì)的約束條件，同時(shí)也表明我國(guó)上證指數(shù)、深證成指和美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)的沖擊波動(dòng)隨時(shí)間衰減，但在未來可能持續(xù)多期。其次，SH的模型估計(jì)結(jié)果中ARCH項(xiàng)和GARCH項(xiàng)的Z統(tǒng)計(jì)量較BP更大，深證成指與其接近，說明中國(guó)股票市場(chǎng)的波動(dòng)性比美國(guó)股票市場(chǎng)的波動(dòng)性更加劇烈。最后，從新冠肺炎疫情期間M2同比系數(shù)對(duì)于股票市場(chǎng)影響的方面來看，M2對(duì)中國(guó)股市收益率波動(dòng)值的影響不大，對(duì)美國(guó)股票市場(chǎng)收益率波動(dòng)產(chǎn)生顯著影響，較M2對(duì)中國(guó)股票市場(chǎng)的促進(jìn)作用，美國(guó)股票市場(chǎng)的作用效果較大。

（四）新冠疫情下中美股市波動(dòng)的分期對(duì)比

GARCH模型中的條件方差方程可以用來衡量資產(chǎn)收益率的波動(dòng)變化情況。條件方差越大說明資產(chǎn)收益率的波動(dòng)率越大，偏離期望方差的程度越大。因此，下文使用GARCH模型估計(jì)的疫情前期（2019年9月至12月）、中期（2020年1月至4月）、后期（2020年5月至8月）上證指數(shù)和標(biāo)普500指數(shù)收益率的條件方差序列進(jìn)行折線圖呈現(xiàn)，直觀刻畫出不同時(shí)期的中美股票市場(chǎng)的波動(dòng)趨勢(shì)和特征。

圖3展示了疫情前、中、后期中國(guó)上證股指波動(dòng)率的分期表現(xiàn)?？梢杂^察到，疫情前期上證綜指的波動(dòng)很平穩(wěn)，GARCH模型估測(cè)到的條件方差序列表現(xiàn)平穩(wěn)且取值較小，表明該時(shí)期股票市場(chǎng)較為穩(wěn)定。疫情發(fā)生后，圖中顯示，2020年1月末至2月初產(chǎn)生一次劇烈波動(dòng)（條件方差在0.35%），并在3月份呈現(xiàn)明顯的持續(xù)性波動(dòng)趨勢(shì)。從4月份開始，伴隨著新冠防控效果的不斷顯現(xiàn)和經(jīng)濟(jì)生活的恢復(fù)，中國(guó)股票市場(chǎng)波動(dòng)值開始下滑，整體條件方差在009%以下。隨后的7月到8月份，股市在上漲回升中的波動(dòng)趨勢(shì)有一定加強(qiáng)，但整體取值明顯低于疫情中期表現(xiàn)。最后，對(duì)比圖3疫情前后期的條件方差表現(xiàn)，疫情后上證指數(shù)的波動(dòng)程度比疫情前期更加劇烈。

圖4顯示了疫情前后美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)波動(dòng)率走勢(shì)。從疫情爆發(fā)中期的走勢(shì)表現(xiàn)觀察到，標(biāo)普500指數(shù)的條件方差序列在2月底開始出現(xiàn)上下波動(dòng)，并在3月中旬達(dá)到峰值，條件方差接近0.016，表明疫情對(duì)于美國(guó)股票市場(chǎng)的沖擊是在2020年2月底持續(xù)至4月，波動(dòng)浮動(dòng)較為劇烈。從疫情爆發(fā)的前后四個(gè)月的窗口期來看，除2019年10月和2020年6月中發(fā)生兩次劇烈波動(dòng)之外，標(biāo)準(zhǔn)普爾500指數(shù)的條件方差序列平穩(wěn)，但疫情后期的條件方差序列取值明顯高于前期，疫情較大程度加劇了股票市場(chǎng)的波動(dòng)趨勢(shì)。

四、進(jìn)一步探討：新冠疫情下中美股市的因果關(guān)系檢驗(yàn)從上文實(shí)證研究中，我們可以發(fā)現(xiàn)新冠疫情對(duì)中美股票市場(chǎng)走勢(shì)及波動(dòng)特征均造成了沖擊，疫情發(fā)生帶來的金融系統(tǒng)非確定性和波動(dòng)性在股票市場(chǎng)表現(xiàn)明顯。為進(jìn)一步探討新冠疫情下中美股票市場(chǎng)間的內(nèi)在聯(lián)動(dòng)性，如下結(jié)合Granger因果檢驗(yàn)對(duì)上證股指（RSH）和標(biāo)普500股指收益率序列（RBP）進(jìn)行計(jì)量檢驗(yàn)。

Granger因果關(guān)系檢驗(yàn)是由經(jīng)濟(jì)學(xué)家Granger于2003年所開創(chuàng)，盡管Granger檢驗(yàn)得出的因果關(guān)系不是經(jīng)濟(jì)活動(dòng)的實(shí)際因果關(guān)系，但可有效檢驗(yàn)?zāi)骋蛔兞康臏笾担ㄟ^去的信息）對(duì)于另一被解釋變量信息是否有預(yù)測(cè)能力，從而反應(yīng)考察變量的內(nèi)在關(guān)聯(lián)。我們使用Eviews10對(duì)SH、BP的日收益率序列和基于GARCH模型得出的條件方差序列進(jìn)行Granger因果關(guān)系檢驗(yàn)，檢驗(yàn)結(jié)果如表4和表5所示。

表4第一行檢驗(yàn)量的P值小于0.05，檢驗(yàn)結(jié)果拒絕原假設(shè)，說明RBP是RSH的Granger原因，即美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)對(duì)上證指數(shù)的日收益率有預(yù)測(cè)能力，美股的上漲和下跌對(duì)中國(guó)股市具有很大的導(dǎo)向作用。表4第二行的檢驗(yàn)結(jié)果接受相應(yīng)原假設(shè)，說明RSH不是RBP的Granger原因，即上證指數(shù)對(duì)美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)的日收益率序列沒有預(yù)測(cè)能力。另外，表5顯示RBP和RSH之間的因果關(guān)系不是很明顯。這意味著兩者盡管存在表4所示的收益率走勢(shì)的“因果關(guān)系”，但從波動(dòng)趨勢(shì)特征來看，雙向關(guān)聯(lián)性并不突出，這意味著中美股指的波動(dòng)表現(xiàn)更可能是源于外部市場(chǎng)情緒帶來的協(xié)同共振，時(shí)間影響前后導(dǎo)向上并不明顯。綜上所述，新冠疫情下中美股指波動(dòng)性走勢(shì)的雙向因果關(guān)系不顯著，兩者存在同向共振：股指收益率序列則存在美股到A股的明顯單向因果關(guān)系。不論是公共衛(wèi)生領(lǐng)域，還是金融領(lǐng)域，中美兩國(guó)都不可能是兩個(gè)封閉獨(dú)立的個(gè)體。在探討新冠“黑天鵝”對(duì)雙方金融系統(tǒng)的沖擊效應(yīng)中，需要聯(lián)動(dòng)協(xié)調(diào)地看待。

五、全文結(jié)論

本文選取2019年7月1日至2020年12月31日的上證指數(shù)、深證成指和美國(guó)標(biāo)普500指數(shù)的日收盤指數(shù)為代表性樣本，借助Eviews10軟件，使用GARCH模型來研究中美股票市場(chǎng)股票收益率的波動(dòng)特征。根據(jù)上文實(shí)證分析能得到以下結(jié)論：

（1）從新冠肺炎疫情期間M2同比系數(shù)對(duì)于股票市場(chǎng)影響的方面來看，較M2對(duì)中國(guó)股票市場(chǎng)的促進(jìn)作用，美國(guó)股票市場(chǎng)的作用效果較大。其原因可能是中國(guó)間接融資規(guī)模較大，資本市場(chǎng)沒有美國(guó)資本市場(chǎng)發(fā)達(dá)，資金使用效率不高，且中國(guó)人民儲(chǔ)蓄意愿較強(qiáng)烈，因此在疫情期間的資金使用效率不高。

（2）新冠疫情“黑天鵝”事件對(duì)中美兩國(guó)的金融市場(chǎng)都產(chǎn)生了劇烈沖擊，使它們的股票市場(chǎng)產(chǎn)生劇烈波動(dòng)，且兩者在疫情后期的波動(dòng)更為劇烈。比較兩者疫情中后期的股票市場(chǎng)波動(dòng)趨勢(shì)，中國(guó)股票市場(chǎng)的波動(dòng)更為劇烈。

（3）新冠疫情下的中美股票市場(chǎng)有一定的內(nèi)在聯(lián)動(dòng)性。疫情對(duì)美國(guó)股票市場(chǎng)造成的沖擊進(jìn)一步會(huì)影響中國(guó)股票市場(chǎng)的波動(dòng)趨勢(shì)。

結(jié)合本文研究結(jié)論，筆者提出如下政策建議：

第一，我國(guó)金融市場(chǎng)信息披露制度、市場(chǎng)監(jiān)管制度和法律法規(guī)建設(shè)不夠完善。相比歐美的發(fā)達(dá)國(guó)家，我國(guó)上市公司信息披露不健全，這導(dǎo)致投資者不能獲得完善的公司信息。此外，我國(guó)股票市場(chǎng)發(fā)展的時(shí)間短，還未形成一套系統(tǒng)完善的監(jiān)管制度，會(huì)導(dǎo)致市場(chǎng)出現(xiàn)投機(jī)者，避開市場(chǎng)監(jiān)管買賣資產(chǎn)進(jìn)行牟利。因此，要盡快完善金融市場(chǎng)信息披露制度、市場(chǎng)監(jiān)管制度和法律法規(guī)，規(guī)范市場(chǎng)交易。

第二，加強(qiáng)金融市場(chǎng)的風(fēng)險(xiǎn)監(jiān)測(cè)?！邦A(yù)期”是影響資本市場(chǎng)的一個(gè)重要因素，容易導(dǎo)致“羊群效應(yīng)”和“過度反應(yīng)”。對(duì)于金融市場(chǎng)監(jiān)管部門，應(yīng)加強(qiáng)完善預(yù)期管理，合理引導(dǎo)市場(chǎng)情緒。無論是抗擊疫情期間還是之后，都應(yīng)以此契機(jī)進(jìn)一步審視和完善國(guó)內(nèi)的預(yù)期性管理;順應(yīng)事態(tài)的發(fā)展，動(dòng)態(tài)調(diào)整逆周期政策力度，穩(wěn)定市場(chǎng)情緒。因此，必須加大對(duì)金融市場(chǎng)預(yù)期的引導(dǎo)，同時(shí)加強(qiáng)對(duì)金融市場(chǎng)的風(fēng)險(xiǎn)監(jiān)測(cè)。

第三，關(guān)注國(guó)際資本市場(chǎng)的聯(lián)動(dòng)性。前文的因果關(guān)系檢驗(yàn)表明，美國(guó)股票市場(chǎng)的走勢(shì)對(duì)中國(guó)股票市場(chǎng)具有一定的單向因果關(guān)系。隨著全球一體化和我國(guó)資本市場(chǎng)國(guó)際化進(jìn)程的加快，我國(guó)資本市場(chǎng)與世界經(jīng)濟(jì)的聯(lián)系也日益密切。因此，我國(guó)要進(jìn)一步關(guān)注國(guó)內(nèi)資本市場(chǎng)與國(guó)際資本市場(chǎng)的內(nèi)在聯(lián)動(dòng)性，同時(shí)配合審慎監(jiān)管，維護(hù)資本市場(chǎng)的穩(wěn)定性。

第四，完善資本市場(chǎng)制度建設(shè)。資本市場(chǎng)中的交易機(jī)制、信息流以及投資者對(duì)于投資活動(dòng)的認(rèn)識(shí)等都會(huì)對(duì)資本市場(chǎng)的波動(dòng)趨勢(shì)產(chǎn)生影響。因此，我們?cè)诩涌熨Y本市場(chǎng)改革的同時(shí)，要加強(qiáng)對(duì)資本監(jiān)管和監(jiān)控、完善資本市場(chǎng)的制度改革以及放穩(wěn)資本市場(chǎng)對(duì)外開放的腳步，減弱外界市場(chǎng)對(duì)中國(guó)股票市場(chǎng)的干擾和市場(chǎng)情緒方面的影響，培育資本市場(chǎng)理性。

（指導(dǎo)老師：于寄語(yǔ)）

參考文獻(xiàn)：

[1]Engle Robert F.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J]. Econometrica，1982，50（4）：987-1007.

[2]BOLlerslev Tim.Generalized Autoregressive Conditional Het-eroskedasticity[J].Eeri Research Paper，1986，31（3）：307-327.

[3]Nassim NichOLas Taleb.The Black Swan：The Impact of the

Highly Improbable [M].the United States of America PenguinBooks Ltd，2008.

[4]Estrada J.Black Swans in Emerging Markets[J].The journal ofin-vesting，2008，（2）.

[5]Bertrand B.Maillet，Thierry L.Michel.The Impact of the 9/11Events on the American and French Stock Markets[J].Review of International Economics，2005，13（3）：597-611.

[6]張紅偉.論金融波動(dòng)及其特征[J]天府新論，2002，（1）：25-28.

[7]王宇新.度量金融波動(dòng)的方法和模型及其應(yīng)用[D]天津大學(xué)，2006.

[8]譚加勁.證券交易印花稅率下降對(duì)我國(guó)A股市場(chǎng)波動(dòng)性影響的實(shí)證分析[J].暨南大學(xué)，2003.

[9]舒俊.中國(guó)股市日收益率波動(dòng)特征研究[D].華中科技大學(xué)，2005

[10]劉慶富，周程遠(yuǎn)，張婉寧.地震災(zāi)難對(duì)中國(guó)股票市場(chǎng)的沖擊效應(yīng)[J].財(cái)經(jīng)問題研究，2011，（4）：61-67.

[11]葉青.滬深300股指期貨對(duì)股票市場(chǎng)波動(dòng)影響分析[J].廈門大學(xué)，2019.

[12]賈子騰.我國(guó)科創(chuàng)板市場(chǎng)風(fēng)險(xiǎn)實(shí)證研究[J].蘇州大學(xué)，2020.

[13]張盼.基于GARCH族模型的滬深300指數(shù)與恒生指數(shù)波動(dòng)性的對(duì)比研究[J].江西財(cái)經(jīng)大學(xué)，2020.