中國創業板和主板市場間溢出效應研究——基于小波多分辨分析

曾志堅，鐘紫璇，曾 艷

（1.湖南大學 工商管理學院，湖南 長沙 410082； 2.湖南財政經濟學院 工商管理系，湖南 長沙 410205）＊

一、引 言

創業板的推出為高成長性的中小企業提供了融資平臺，為風險資本和創投企業創造了正常的退出機制，并且為國內投資者開辟了新的投資渠道，是我國建設多層次資本市場體系的重要環節之一。然而，創業板的推出也帶來了一些令人深思的問題，例如是否會使得主板資金分流，是否會加大主板市場的波動，創業板與主板市場之間存在怎樣的溢出關系？在此背景下，本文對中國創業板和主板市場間的溢出效應進行研究。一方面有助于投資者了解各金融市場間信息的傳遞方向及效率，為投資者進行有效預測提供參考。另一方面，對防范金融風險，進一步完善創業板市場的運行機制，維護中國創業板市場的持續、健康發展也有著積極意義。

二、相關理論基礎與文獻綜述

溢出效應反映風險在不同市場間的傳導機制及傳播特點，包括均值溢出與波動溢出。均值溢出是指某個收益變量不僅受到其前期收益的影響，還受到其它收益變量前期的影響，即收益率條件一階矩的格蘭杰因果關系［1］。波動溢出是指某個變量的波動不僅受自身前期波動程度的影響，還受其它變量前期波動程度的制約，即收益率條件二階矩的格蘭杰因果關系［2，3］。

Blau等研究了納斯達克市場和紐約證券交易所上市的股票市場在信息傳播效率和交易成本等方面的差異性［4］。Weber研究了納斯達克指數與道瓊斯指數間溢出效應，發現后者對前者的波動溢出大于前者對后者的波動溢出［5］。程細玉、陳余芳發現道瓊斯指數與納斯達克指數之間不存在線性協整關系［6］。周少甫、潘娜對香港主板和創業板間的關系進行研究，發現主板市場的行情走勢對創業板的行情走勢有一定的引導作用，而創業板市場對主板市場的影響不大［7］。王旻、楊朝軍和廖士光探討了香港股市主板市場與創業板之間的互動關系，發現在波動性與流動性方面存在主板市場對創業板市場的單向溢出效應［8］。以上研究都是利用美國或香港的數據，對于中國大陸創業板與主板市場間的關系少有學者研究。并且，以往研究者普遍認為主板市場對創業板市場有著引導作用，但是創業板對主板的影響則不大。

與美國、香港等其他地區相比，中國資本市場發展時間還不長，中國經濟和資本市場的新興加轉軌的特征，決定了創業板的發展無法復制其他國家的模式，創業板的“中國特色”可能會使得中國創業板與主板市場之間的關系具有一定的特殊性。而且，中國股市投機的現象一直較嚴重，就積極的角度來看，投機者對創業板個股的追捧會引發對主板同類板塊股票的追捧，創造更多獲取收益的機會。從負面影響來看，對創業板個股追捧的退潮，也會對主板同類概念股構成影響。因此，中國創業板市場對主板市場也可能造成了一定的沖擊，這就與之前學者們所研究的其他地區創業板與主板間關系的結果可能有所差異。

綜上所述，鑒于投資者的多時間尺度特征和中國創業板的特殊性，本文采用小波多分辨分析方法，并且將向量自回歸（VAR）模型與DCC－GARCH模型進行結合，研究不同時間尺度下中國創業板與主板股票市場間的均值和波動溢出效應。

三、實證研究設計

（一）樣本選取與數據來源

本文選取創業板指數和滬深300指數進行研究，樣本期限為2010年6月1日～2012年5月31日，共計483個數據。數據來源于深圳證券交易所（http：／／www.szse.cn／）。本文采用各市場的指數收益率數據進行研究，其計算公式如下：

其中 Ri，t表示i指數在t日的收益率，Pi，t、Pi，t－1分別是i指數在t日和t－1日的收盤價。

（二）實證研究方法

1.小波多分辨分析。小波多分辨分析方法是一種時間和頻率的局域變換方法，假設S為小波分解中的原始信號，其低頻部分用aj表示，高頻部分用dj表示，則S的三層分解如圖1所示。

圖1 小波三層分解圖

2.VAR－DCC－GARCH模型的構建。本文采用VAR－DCC－GARCH模型，該模型的均值方程為：

其中，R1，t，R2，t分別為滬深300指數，創業板指數在t期的收益率。當Ψij顯著不等于零時，說明收益率序列j對收益率序列i有均值溢出，即可以通過收益率序列j來預測收益率序列i的走勢；ut＝（u1，t，u2，t）分別對應兩列收益率序列在t時刻的誤差項。方差方程中，Dt為時變標準差的2×2對角矩陣，包含了ut中元素的條件標準差，Dt＝di－ρt是ut的條件相關矩陣，是對角線為1的對稱矩陣。Qt是2×2對稱正定矩陣。ci、aij、bij以及α和β均為待估參數。aij和bij（i≠j）體現的是收益率序列j對收益率序列i的波動溢出效應。

四、實證結果分析

（一）小波多分辨結果分析

本文采用小波多分辨分析的目的是將滬深300指數和創業板指數分解到不同的交易周期上，對小波母函數的降噪能力、分頻能力、時頻局部化分析能力有一定要求。考慮到DaubechiesN小波（即dbN小波）是有限緊支撐正交小波，具有正交性和較好的降噪性，能對有限長度的時間序列進行正交小波分解和重構［9］。同時，N的取值越大，dbN小波的時域就越光滑，頻域分辨率效果也越好，但是小波變換的計算將會越繁瑣，計算時間就越長。一般情況下，N一般取4～8。綜合考慮信號自身特點及小波母函數的特征后，選取db5小波作為小波母函數。借鑒以往學者的研究，對原收益率序列進行3層分解，得到各收益率序列的小波信號分解序列。以Di（i＝1，2，3）代表各層高頻部分，反映收益率序列的短期變化趨勢。其中D1為交易周期1～2天的分量，D2為交易周期為3～4天的分量，D3為交易周期5～8天的分量。A3代表收益率序列的低頻部分，反映各股票指數的長期變化趨勢。

根據股市收益率序列的多分辨結果可以發現，無論是在低頻部分還是在高頻部分，中國創業板指數的波動比主板市場指數的波動幅度大。這是因為創業板上市的企業都處于成長期和創業期，面臨著很大的技術風險、經營風險和政策風險，公司業績十分不穩定，從而使得創業板市場在整體上表現出較高的風險，創業板指數的波動比主板市場指數的波動劇烈。另一方面，這可能是由于創業板解禁期間正好包括在樣本數據的取值時間段內，上市公司原始股票解禁數量和數額都較大，所以，對創業板指數的波動影響相對較大。

（二）VAR－DCC－GARCH 模型結果分析

對各股票市場指數收益率分解得到的不同頻率的信號進行ADF平穩性檢驗，發現均為平穩的時間序列，因此，可以在每層信號上直接建立VARDCC－GARCH模型來確定各股市間是否存在溢出效應。

表1 A3層模型參數估計結果

1.低頻部分參數估計結果分析。對各股票市場指數收益率分解得到的不同頻率的信號進行ADF平穩性檢驗，發現均為平穩的時間序列，因此可以在每層信號上直接建立VAR－DCC－GARCH模型來確定各股市間是否存在溢出效應。低頻部分A3層的參數估計結果如表1所示，其模型的參數結果反映的是在長期趨勢下，主板與創業板之間的均值和波動溢出關系。

在均值方程中，Ψ12和Ψ21在1%的顯著性水平下均顯著，說明在長期趨勢下，主板與創業板之間存在雙向的均值溢出，即兩者當前的收益會受到對方前期收益的影響。并且Ψ12＜Ψ21＜0，說明兩者前期的收益對對方當前的收益有顯著負效應，且創業板市場對主板市場的負效應大于主板市場對創業板市場的負效應。這一結果在一定程度上揭示了創業板市場與主板市場在市場資金爭奪上的競爭。在推出創業板之前，主板市場是可供投資者選擇的唯一一個目標市場，而在創業板市場推出之后，主板市場自然就面臨著來自于創業板市場的競爭，投資者的資金分流。在全球金融危機，經濟不景氣的背景下，很多人選擇在創業板上申購新股，降低在主板市場上的操作力度。一旦創業板市場上的收益增加，更多的資金就會逃離主板市場，從而引起主板股票價格下跌，收益也隨之降低。主板與創業板出現此消彼長的現象，而這種現象實際上就是創業板市場對主板市場資金分流的結果。

在方差方程中，a12、b12和b21在1%的顯著性水平下均顯著，a21不顯著。說明主板市場和創業板市場間存在雙向的波動溢出，且后者對前者的波動溢出大于前者對后者的波動溢出。這一結果表明：現階段，創業板市場的波動對主板市場的波動起到了一定引導作用。一方面，是由于前文已分析過的資金分流作用所導致的主板市場波動劇烈，甚至出現調整。另一方面，中國創業板推出不久，高收益的誘惑調動了投資者非理性的投機熱潮，創業板股票價格的起起落落，加劇了主板同類股票的起伏。

2.高頻部分參數估計結果分析。高頻部分參數估計結果反映的是在短交易周期中，主板市場與創業板市場的均值和波動溢出關系。其中，D1、D2和D3層分量分別代表的是周期為1～2天、3～4天和5～8天的分量。

觀察表2，在均值方程中，Ψ11和Ψ22在1%的顯著性水平下顯著，而Ψ12和Ψ21不顯著。這就表明在1到2天的短期交易周期中，中國主板市場與創業板市場之間不存在收益溢出。在方差方程中，a12、b12、a21和b21均不顯著，而b11和b22在1%的顯著性水平下顯著，說明在1～2天的短期交易周期中，中國主板市場與創業板市場之間也不存在波動溢出，這主要是因為，創業板推出時間不長，發展不成熟，與主板間的相關性還不是很大，在1～2天的短周期中，雙方對對方不可預期的收益和風險的變化無法“消化”。

表2 D1層模型參數估計結果

表3 D2層模型參數估計結果

表4 D3層模型參數估計結果

表3和表4分別代表的是在3～4天的短期交易周期和5～8天的短期交易周期中，創業板市場與主板市場的均值和波動溢出關系。首先觀察表3，均值方程中，Ψ12不顯著，Ψ21在1%水平下顯著，說明在3～4天的短期交易周期中，主板對創業板存在單向均值溢出。方差方程中，a12、b12、a21和 b21均在1%的顯著性水平下顯著，說明在3～4天的短期交易周期中，兩者間存在雙向波動溢出。并且｜a12｜＋｜b12｜大于｜a21｜＋｜b21｜，所以創業板市場對主板市場的波動溢出大于主板市場對創業板市場的波動溢出。觀察表4可知，均值方程中，Ψ12和Ψ21分別在1%和5%水平下顯著，說明在5～8天的短期交易周期中，主板市場和創業板市場間存在雙向均值溢出。方差方程中，a12和b12均在1%的顯著性水平下顯著，而a21和b21不顯著，說明在5～8天的短期交易周期中，存在中國創業板對主板的單向波動溢出。

觀察表2、3、4的結果，發現隨著交易周期的增長，主板市場和創業板市場間的均值溢出效應，是從無到單向，再到雙向逐步體現出來。而波動溢出效應在短周期內沒有規律性，但可以肯定的是創業板市場對主板市場的波動溢出大于主板市場對創業板市場的波動溢出。所以，對于交易周期大于3～8天的短期投資者來說，可以根據它們自身和對方的前期收益來預測當前市場的收益。

五、結 論

從長期趨勢看，中國創業板與中國主板之間存在雙向的均值和波動溢出，且創業板市場對主板市場的波動溢出大于主板市場對創業板的波動溢出。現階段，創業板市場對主板市場形成了一定的引導作用。因此，我們應該加強對創業板上市公司的監管，完善市場的信息披露機制，并建立合理的退市制度，確保創業板市場的健康運行，從而促進主板市場乃至整個資本市場的健康發展。從短期來看，在1到2天的短期交易周期中，兩者之間既沒有均值溢出也沒有波動溢出。隨著交易周期的增長，主板市場和創業板市場間的均值溢出效應，是從無到單向，再到雙向逐步體現出來的。而波動溢出效應在短周期沒有規律性，但可以肯定的是在短周期內創業板市場對主板市場的波動溢出大于主板市場對創業板市場的波動溢出，這也與長期趨勢下的結果一致。

［1］馬超群，佘升翔，陳彥玲，王振.中國上海燃料油期貨市場信息溢出研究［J］.管理科學學報，2009，12（3）：92－101.

［2］田光，張瑞鋒.基于copula的股票市場波動溢出分析［J］.財經理論與實踐，2011，32（174）：53－58.

［3］趙學雷，艾永芳.基于Copula－GARCH的金融市場時變相關性分析［J］.科學決策，2010，（6）：58－63.

［4］Blau B M，Bonnie F.Ness V，Ness R A V.Information in short selling：Comparing Nasdaq and the NYSE［J］.Review of Financial Economics，2011，20（1）：1－10.

［5］Weber.Structural Conditional Correlation［J］.Financial Econometrics，2009，8（3）：392－407.

［6］程細玉，陳余芳.斯工業指數與納斯達克指數的非線性協整分析［J］.系統工程理論與實踐，2004，（7）：116－120.

［7］周少甫，潘娜.香港創業板市場與主板市場的動態相關性分析［J］.統計與決策，2004（11）：34－36.

［8］王旻，楊朝軍，廖士光.創業板市場對主板市場的沖擊效應研究——香港股市與深圳中小企業板的經驗證據與啟示［J］.財經研究，2009，35（5）：63－73.

［9］Yousefi S，Weinreich I，Reinarz D.Wavelet－based prediction of oil prices［J］.Chaos，Solitons ＆Fractals，2005，25（2）：265－275.