風險傳染效應在牛市、熊市中的異化現象

摘要：本文基于向量GARCH模型，對雙重上市公司A股與H股在不同市場環境下的風險傳染效應進行了實證研究。研究表明，風險傳染效應在牛市、熊市中存在著異化現象。在牛市階段，A股對H股存在單向的風險傳染效應；而在熊市階段，A股與H股之間存在雙向的風險傳染效應，其中H股對A股的風險傳染效應更加強烈。對風險傳染效應的異化現象試著給出了解釋原因并提出政策建議。

關鍵詞：風險傳染效應；異化現象；A+H；向量GARCH

中圖分類號：F830.9文獻標識碼：A文章編號：1674-2265（2008）11-0062-04

一、引言

股權分置改革基本完成之后，證券監管部門為了增強A股市場的國際競爭力，做大內地資本市場，鼓勵優質的上市

公司同時在A股市場與H股市場發行股票進行融資。許多質優的大盤藍籌股開始選擇同時在內地和香港市場上市融資，成為中國資本市場發展過程中引人注目的事件。

然而，股改基本完成后的內地資本市場，高投機的氛圍依然濃厚。上證綜指既有從2006年的1161點飆升至2007年6124點的大牛市，也有在2008年急速跌破2000點大關的熊市。在這一過程中，緊密聯系兩地市場的A+H股的表現格外引人注目。雙重上市公司的A股與H股所面對的監管制度、開放程度和投資者結構均不相同，風險特征也各有不同。根據Ross (1989)的研究，不同市場間的風險傳染效應實際上刻畫了信息的流動。因此，A+H股之間的風險傳染效應成為眾多學者和投資者關心的問題。但是，在不同的市場環境下，投資者面對同樣大小的利得與損失時，投資心態是存在差異的，因此，市場間的聯動特征也有所不同。特別是在目前全球資本市場低迷的大背景下，區分考察風險傳染效應在牛市和熊市中的異化現象，更加具有現實意義。

目前，國內針對AH股雙重上市公司股價關系的研究還不多見。劉昕（2004）的研究表明，雙重上市公司的H股收益率對A股收益率具有引導效應，但是A股收益率對H股卻沒有引導作用。王烜（2007）基于SUR模型的研究表明，從2006年1月1日到2007年5月1日，香港投資者更多地參考了內地的股票價格，A股的日收益率顯著影響了同一天香港的日內收益，而A股的日內收益對香港隔夜收益的影響相對較弱。這些研究偏重于雙重上市公司A股與H股之間收益率引導關系的研究，但是方毅等（2007）指出，收益率信息引a導關系反映的是雙重上市公司A股與H股之間對確定性信息的可預期反應，而對于不確定性信息的反應則需要風險傳染效應來刻畫。

國內學者對A股與H股市場之間的風險傳染效應一直保持著密切的關注，基于不同的模型從不同的角度進行了考察。其中基于單變量GARCH模型的有：洪永淼等（2003）運用風險—Granger因果檢驗考察了A股市場同H股市場之間的風險溢出效應，認為A股市場同H股市場之間存在強烈的風險溢出效應；劉培堂（2007）基于CCF檢驗的研究表明香港市場對國內A股市場有明顯的波動溢出效應，反之則不明顯。基于向量GARCH模型的有：谷耀（2006）研究認為，香港股市對國內股市有顯著的波動溢出效應；董秀良（2007）基于向量GARCH模型考察了滬市與香港股市之間的風險溢出效應，認為香港股市對滬市具有波動溢出效應，反之，滬市對香港股市沒有波動溢出效應。本文基于向量GARCH模型，選擇雙重上市公司A股與H股為對象進行風險傳染效應的研究。

二、向量GARCH模型

假設對于A、B兩種指數，條件均值方程設定為：

其中是 時刻的2維收益率向量，為條件期望向量，為時刻的2維殘差向量。為 時刻以前的信息集， 為條件協方差矩陣。

不同的向量GARCH模型的區別在于條件協方差矩陣 設定形式的不同。本文選取的設定形式為由Engle和Kroner（1995）提出的BEKK形式的向量GARCH模型，研究表明，BEKK型的向量GARCH模型可以降低參數個數，提高建模效率。Kavajecz(2001)的研究表明，GARCH（1，1）模型可以對金融數據進行很好地刻畫，因此對于二元的向量GARCH模型，本文對條件方差方程的設定形式為：

將上式拆分為三個單變量GARCH（1，1）模型：

假設、分別代表指數A與指數B的條件方差，為常數項。根據Kroner(1998) 和趙華（2007）的研究，如果要考察指數B對指數A是否存在風險傳染效應時，只要考察，是否顯著即可；反之，如果要考察指數A對指數B的風險傳染效應，則要考察， 是否顯著。

本文采用最大似然法估計模型參數。在條件殘差向量服從二元正態分布的假定下，對數似然函數為：

其中T為樣本總量， 為待估參數向量。由于對數似然函數是非線性形式，本文應用擬牛頓法進行優化計算，Hessian矩陣采用DBFGS算法進行迭代校正，收斂標準對函數和參數均設置為10-5。

三、實證結果與分析

（一）數據選取

2007年7月9日，恒指服務公司為了度量雙重上市公司在兩個市場上的不同表現，選取已經完成股改的兩地雙重上市公司為成份股，正式公布了恒生AH指數系列。本文選取香港恒生AH指數中的A指數和H指數進行建模，既可以避免使用大盤指數包含過多非必要信息的缺點，又可以克服使用個股數據噪音過多的不足。

本文的數據來自WIND數據庫，樣本期為2006年1月3日到2008年10月10日，共702個觀測值。在樣本區間內，內地股市于2007年11月達到牛市的頂端，之后一路反轉下行，在全球資本市場低迷的大環境下，走入低谷。本文以2007年11月6日為分界線，將樣本分為牛市（2006年1月3日——2007年11月6日）和熊市（2007年11月7日——2008年10月10日）兩個階段，重點從牛市和熊市兩個不同的市場環境出發，比較雙重上市公司A股與H股風險傳染效應的異化現象。其中，2007年7月9日以前的數據為恒指服務公司公布的歷史數據。日收益率的計算采用對數差分形式：

其中 代表第 日的收益率， 代表第日的股票指數，下標分別代表A股或H股，文中所有的計算均基于sas9.1編程完成。

（二）雙重上市公司描述性統計與分析

表1列出了AH股A指數和AH股H指數的股指收益率在牛市和熊市兩個階段的描述性統計量。通過對比可以發現，在牛市階段AH股A指數的均值和標準差均大于H指數，說明A股市場具有較高的收益和較高的波動率；而在熊市階段，A指數的收益率較H指數低，說明A股收益急速下挫，但是A指數的標準差較H指數小。A指數同H指數的峰度均大于3，有顯著的尖峰厚尾現象。從偏度來看牛市階段為左偏而熊市階段為右偏。Shapiro-Wilk正態統計檢驗均拒絕了兩個收益率序列正態分布的假設。滯后12階的Q統計量表明，牛市階段，A指數和H指數收益率序列具有明顯的自相關性，而熊市階段，A、H指數均沒有。收益率平方序列滯后12階的Q統計量表明A股和H股的收益率序列具有明顯的ARCH效應，可以用GARCH類模型進行建模。ADF檢驗說明序列是平穩的，符合建模的條件。

（三）基于VAR模型的條件均值方程建模

VAR模型主要應用于刻畫變量間一階矩的動態關系。本文利用VAR模型作為條件均值方程來度量雙重上市公司A股與H股之間收益率信息的引導關系：

是時刻的收益率向量，其中 、 分別為雙重上市公司A股和H股收益率，

(i=1…p)為系數矩陣，為常數向量。

通過實驗，我們依據最優信息標準（Minimum Information Criterion），通過選擇不同的滯后期進行比較后發現，條件均值方程采用VAR（1）形式的BIC（Bayesian Information Criterion）值最小，因此我們選擇VAR（1）形式的條件均值方程。

表2給出了均值方程的參數估計結果，不論是在牛市階段還是熊市階段，A股收益率受到H股滯后一階的影響，從系數上看，H股同A股的收益率表現出正相關關系；H股沒有明顯的一階自相關現象，同時也沒有受到A股收益率的影響，所以從A股H股之間收益率關系來看，A股和H股之間是不對稱的。這同劉昕（2004）的研究結論基本相同，但是同王烜（2007）的研究有所不同。本文認為由于香港H股市場比內地A股市場晚收盤30分鐘，因此，H股的收盤價包含了更多的信息，這些確定性的信息對A股第二天的收益率起到了引導作用。

（四）條件方差方程的建模

二元的條件方差方程MGARCH（1，1）通過刻畫變量間二階矩的動態關系反映了雙重上市公司A股與H股之間的風險傳染效應。方毅等（2007）指出正是風險傳染效應加大了股票波動的不確定性。因此，對風險傳染效應的度量是本文的重點。

根據模型設定，本文假設， 分別代表雙重上市公司A股和H股的條件方差。表3的結果表明：在牛市階段和熊市階段，反映ARCH效應的系數

不顯著，但是 顯著，這說明H股的波動明顯受自身的影響，具有時變方差的特征，而A股沒有；而反映GARCH效應的系數 不顯著，但是 均達到了1%的顯著性水平，說明H股的波動均具有持久性的特征。

從風險的跨市傳染來看，在牛市階段，系數顯著，但是和、均不顯著，說明雙重上市公司的H股受到A股的風險傳染效應；然而，在熊市階段，雖然和 均不顯著，但是 和 均達到1%的顯著性水平，說明A股和H股之間存在雙向的風險傳染效應。所以對于風險傳染效應，A股和H股之間在牛市和熊市兩個不同階段存在異化現象。在牛市階段，雙重上市公司A股與H股之間存在單向的風險傳染效應，方向是A股對H股具有風險傳染效應；而在熊市階段，A股與H股之間具有雙向的風險傳染效應，其中H股對A股的風險傳染效應更加強烈。

綜上所述，不論是在牛市階段還是在熊市階段，A股均對H股產生了風險傳染效應，這表明內地資本市場的開放度有加強的趨勢，這與以往的研究者的結論有所不同，而只有在熊市階段，H股才表現出對A股的風險傳染效應，本文認為這種造成這種異化現象的原因有：

第一、A股市場的巨幅波動成為H股的風險傳染源。當內地股市處于牛市階段時，大批散戶進入股市直接投資或者購買基金，開戶數和成交量連續創造記錄，特別是雙重上市公司多為質優的藍籌股，內地股民對這些質優股表現出了極大的熱情。而當股市進入反轉下行階段時，不斷下滑的股市使得投資者的投資信心受到打擊，特別是隨著次貸危機的爆發，市場上充滿了利空消息，投資者出現了恐慌性的拋售。 而且，內地股市的機構投資者類型單一，其投資理念與操作手法趨同，更容易造成市場內部的“羊群效應”。特別是許多內地上市公司開始實行“先A股后H股” 的發行模式，A股的話語權不斷增強。因此，A股的巨幅波動刺激了H股波動幅度的加大，A股不論在牛市階段還是在熊市階段都成為影響H股的風險源，為H股的起落傳遞著市場信息。

第二、投機氛圍濃厚的內地A股市場的牛市格局畢竟不能永久持續下去，在全球經濟不景氣的預期下，內地A股市場開始持續走低。作為新興的資本市場，內地股市的對外開放程度、投資者結構及監管制度都與香港股市存在較大的差距，香港股市作為國際金融中心，其交易制度成熟、規范，會計信息披露較為透明。在A股市場泡沫破裂后的熊市階段，許多投資者將定價較為合理的H股作為投資標尺。特別是在次貸危機愈演愈烈的情況下，全球股市普遍下跌，直接面對全球資本風險的香港股市，對各種信息的吸收更加充分，在這樣的市場環境下，H股起到了發送市場信號的作用。這也是在熊市階段，H股對A股具有更強的風險傳染效應的原因。

四、結論與啟示

本文通過構建VAR（1）—向量GARCH（1，1）模型對雙重上市公司A股與H股之間的風險傳染效應在牛市與熊市不同階段的異化現象進行了實證研究。由此得出以下結論：

第一，從收益率信息引導關系來看，不論是在牛市階段還是熊市階段，雙重上市公司的收益率引導關系都具有不對稱性，H股收益率為A股收益率提供了參考，而A股收益率并沒有為H股收益率提供參考。

第二，從風險傳染效應來看，風險傳染效應在牛市和熊市兩個階段的異化現象明顯。在牛市階段，雙重上市公司A股與H股之間存在單向的風險傳染效應，方向是A股對H股具有風險傳染效應；但是當股市處在熊市階段時，雙重上市公司A股與H股之間存在雙向的風險傳染效應，其中H股對A股的風險傳染效應更加強烈。

政策制定者應該從全球競爭的角度考慮內地投資者與境外投機家博弈關系的復雜性，在逐步進行資本開放的過程中應該采取“不斷開放與強有力的自我保存”的管理機制。在全球資本市場持續動蕩的今天，應該加速內地股市從行政政策市向經濟政策市的逐步轉型，通過合理的政策調整與穩健地推進金融產品的創新來逐步恢復市場的投資信心，從而為內地和香港資本市場的平穩健康發展奠定基石。

參考文獻：

[1]Ross S A. Information and volatility: “The No-Arbitrage Martingale approach to timing and resolution irrelevancy”[J].Journal of Finance， 1989(44):1-17.

[2]劉昕：《信息不對稱與H股折價關系的定量研究》，《財經研究》2004年第4期。

[3]王烜：《雙重上市股票的實證分析》，《證券市場導報》2007年第10期。

[4]方毅、張屹山：《國內外金融期貨市場“風險傳染”的實證研究》，《金融研究》2007年第5期。

[5]洪永淼、成思危、劉艷輝、汪壽陽：《中國股市與世界其他股市之間的大風險溢出效應》，《經濟學》(季刊)2004年第3期。

[6]劉培堂、吳文鋒、吳沖鋒：《證券市場信息流動及其市場分割檢驗》，《管理評論》2007年第4期。

[7]谷耀、董麗娜：《滬、深、港股市信息溢出效應與動態相關性——基于DCC-(BV)EGARCH-VAR的檢驗》，《數量經濟技術經濟研究》2006年第8期。

[8]董秀良、吳仁水：《金融市場風險傳染實證研究：綜述與展望》，《經濟學動態》2007年第9期。

（編輯 耿 欣）

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”。