后危機時期中、日、韓三國股市間溢出效應研究

田昊揚，王軍禮

（1.清華大學計算語言學實驗室-心理與認知科學研究中心，北京100084；2.北京大學光華管理學院，北京100871）

0 引言

金融全球化的深入發展使得各國股票市場的影響日益深入。通訊技術的高速發展給信息傳遞帶來的便捷性使這種影響更加凸顯。股市間相互作用與影響是監管者進行管理和投資者進行決策必須參考的重要因素，因此對股市間信息傳導與相互影響的研究非常必要。

國內外學者對各國股票市場間溢出效應的研究論述頗多。股市之間的溢出效應體現了股市之間的關聯性，是制定相關政策的重要參考和有效執行相關政策的基礎條件。中、日、韓三國經濟金融聯系日益緊密，加強對三國股票市場溢出效應的研究顯得尤為必要。有不少學者研究了股市間波動溢出效應的產生機制，以及沖擊事件對不同國家股市間關聯性的影響。在眾多學者的研究中，有較多文獻分別涉及到中、日、韓三國股市。但本文的研究與上述研究在研究對象和方法上存在顯著的差異。本文將從三國股票市場的水平溢出效應和波動溢出效應兩個角度研究三國股票市場之間的關系。在研究方法中主要涉及向量回歸模型，脈沖響應和GARCH模型；實證分析中主要涉及基于VAR模型的各股市間均值溢出效應分析、三國股市間脈沖響應分析和波動溢出效應。并闡述了中、日、韓三國股票市場的方差比較、均值溢出效應與股票市場的短期引導關系、脈沖響應的顯著性比較、雙向波動效應等方面的結論。

1 研究方法

1.1 向量自回歸（VAR）模型

向量自回歸（VAR）通過將系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構建模型，將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。VAR模型常用于預測相互聯系的時間序列系統及分析隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對經濟變量形成的影響。

以雙變量模型為例，假設相應序列滿足下列均值方程：

其中，ε1,t和ε2,t為誤差序列，υ1,t和υ2,t都是標準高斯白噪音序列，Ht為2×2維對稱矩陣，在t時刻的方差協方差矩陣。

1.2 脈沖響應

利用VAR模型的估計結果無法進行有效的經濟解釋，需要在VAR模型的基礎上觀察脈沖響應函數進行分析。脈沖響應函數表達的是內生變量對自己或其他內生變量的變化的反應。需要注意的是，VAR模型的平穩性是脈沖響應檢驗的先決條件，因此需要事先判定VAR模型的平穩性。

1.3 GARCH模型

對于多個金融市場而言，一元GARCH模型只能分割考察各自的條件波動性，對多個金融市場的相關性的描述顯得無能為力。將市場數據割裂開來，必然導致模型無法有效反映市場間的相關性信息。而多元GARCH（MVGARCH）模型殘差向量的協方差矩陣能較好地解決這一問題。

多元GARCH模型有多種形式，本文采用BEKK形式的多元GARCH模型，該模型保證了協方差矩陣的正定性。同時，該模型需要的參數較少，因此自由度的損失較小。BEKK（p，q）模型假設殘差向量εt的條件方差—協方差矩陣服從以下變化過程：

對雙變量BEKK（1，1）模型而言，C為2×2維下三角矩陣,A、B都是方陣，各矩陣的具體表現形式為：

為便于觀察，可以將方差-協方差矩陣展開為：

本文通過式（4）和式（5）來考察市場間的波動溢出效應。通過市場1和市場2的表達方式來解釋各參數和波動溢出效應的關系。市場2收益率波動對市場1收益率波動的溢出效應主要體現在系數a21和b21上，a21反映了當期市場2收益率的ARCH效應對市場1收益率的影響，b21反映了當期市場2收益率的GARCH效應對市場1收益率的影響。同理，a12反映了當期市場1收益率ARCH效應對市場2收益率的影響，b12反映了當期市場1收益率的GARCH效應對市場2收益率的影響。

2 樣本選取與統計描述

2.1 樣本選取

本文選取后危機時期中（大陸）、日、韓三國代表性股指代表三國股票市場，并利用股票市場收益率研究三國股票市場之間的關系。中國股票市場選取上證綜指作為代表性股指，日本股票市場選取日經225指數作為代表性股指，韓國股票市場選取韓國綜合指數作為代表性股指。本文所選時間段是2014年5月7日到2015年12月30日。將三大股指兩兩配對，剔除非公共交易日數據后，中日股票市場得到372組數據，中韓股市得到392組數據，韓日股市得到388組數據。數據來源于WIND咨詢終端。股票市場的收益率通過式（7）得到：

其中Pt為t日股指收盤價，Rt為t日股指收益率。

2.2 統計性描述

表1是收益率數據描述性統計，該表給出了每組收益率數據的描述性統計結果。如表所示，對比每一組數據可以發現，中國股市收益率標準差最大，說明所選階段，中國股市收益率波動比另外兩國股市收益率波動大。從偏度看，各國股市存在左偏或右偏的情況，各峰度值均大于正太分布峰度3。綜合J-B統計量分析，各收益率數據不服從正太分布。因此本文采用更能描述尖峰厚尾特征的t分布。

表1 收益率數據描述性統計

3 實證分析

3.1 各股市間均值溢出效應分析

本文采用ADF單位根法檢驗各收益率序列的平穩性。各收益率序列均在1%的顯著性水平下通過檢驗，符合VAR模型建模要求。本文采用SC準則判斷各均值溢出模型最佳滯后階數。

根據SC準則，中韓兩國股票市場均值溢出模型最佳滯后階數為1。表2為中韓兩國股票市場之間的均值溢出效應檢驗結果。

表2 中韓兩國股市均值溢出效應檢驗結果

由表2可知，在10%置信水平下，中國股市收益率受自身收益率滯后一期和韓國股市滯后一期收益率影響，且韓國股市滯后一期收益率對中國股市收益率的影響為正；中國股市收益率對韓國股市收益率沒有影響，韓國股市收益率受自身收益率滯后一期影響。因此韓國股票市場對中國股票市場存在單向均值溢出效應。

根據SC準則，中日兩國股票市場均值溢出效應模型最佳滯后階數為1。下頁表3為中韓兩國股票市場收益率溢出效應模型檢驗結果。

由表3可知，在10%的顯著性水平下，日本股票市場滯后一期收益率對中國股票市場收益率有顯著影響，且影響為正；中國股票市場滯后一期收益率對日本股票市場收益率有顯著影響，且影響為正。因此，中國股票市場和日本股票市場之間存在雙向的均值溢出效應。

根據SC準則，韓日兩國股票市場均值溢出效應模型最佳滯后階數為1。下頁表4為韓日兩國股票市場收益率溢出效應模型檢驗結果。

表3 中日兩國股市均值溢出效應檢驗結果

表4 韓日兩國股市均值溢出效應檢驗結果

由表4可知，在10%的顯著性水平下，韓國股票市場收益率受自身滯后一期的影響；日本股票市場受自身滯后一期和韓國股票市場收益率滯后一期影響，且韓國股票市場滯后一期收益率對日本股票市場收益率影響為正。因此韓國股票市場和日本股票市場之間存在韓國股票市場到日本股票市場的單向均值溢出效應。

綜合來看，中韓股票市場間存在韓國股票市場對中國股票市場的單向均值溢出效應；中日股票市場之間存在雙向均值溢出效應；韓日股票市場間存在韓國股票市場到日本股票市場的單向均值溢出效應。

3.2 中、日、韓三國股市間脈沖響應分析

在進行脈沖響應分析之前必須檢驗相應VAR模型的穩定性。圖1中從左到右分別為中韓、中日、韓日股市收益率VAR模型穩定性檢驗圖。如圖1所示，三個VAR模型均符合穩定性要求。

圖1 AR模型穩定性檢驗圖

圖2描述了中韓兩國股票市場的收益率脈沖效應，其中左圖為韓國股票市場的響應路徑，右圖為中國股票市場的響應路徑。由圖2可知，中國股票市場的沖擊對韓國股票市場的效應趨近于0。而韓國股票市場的沖擊對中國股票市場的效應較為顯著。韓國股票市場對中國股票市場的沖擊為正且更為持久，前三期衰減較快，滯后到第5期衰減為0。從兩圖對比來看，中國股票市場收益率對韓國股票市場收益率的影響更強、更持久。

圖2 中韓兩國股市脈沖響應圖

圖3描述了中日兩國股票市場的收益率脈沖效應。其中左圖為日本股市的響應路徑，右圖為中國股票市場的響應路徑。如圖3所示，兩國股票市場相互之間的沖擊響應皆為正。中國股票市場對日本股票市場的沖擊在前兩期較為明顯且快速衰減，到第三期加速衰減接近到0，到第四期沖擊衰減到0；日本股票市場對中國股票市場的沖擊從第一期到第二期屬于遞增的過程，之后到第三期則迅速衰減到0。

圖3 中日兩國股市脈沖響應圖

圖4描述了韓日兩國股票市場的收益率脈沖效應。其中左圖為日本股票市場的響應路徑，右圖為中國股票市場的響應路徑。由圖4可知，韓國股票市場的沖擊對日本股票市場的效應較為顯著，日本股票市場的沖擊對韓國股票市場的效應趨近于0。韓國股票市場對日本股票市場的沖擊為正，在第一期最強，前兩期迅速衰減，到第三期衰減至0。從兩圖對比來看，韓國股票市場對日本股票市場的影響更強。

圖4 韓日兩國股市脈沖響應圖

3.3 波動溢出效應

本文采用BEKK-MVGARCH模型研究中、日、韓三國股票市場間的波動溢出效應。檢驗股票市場間是否存在波動溢出效應時采用Wald檢驗。模型的估計及檢驗均使用WinRats8.0軟件完成。下頁表5至表13分別為中韓、中日以及韓日兩國股票市場波動溢出效應的檢驗結果。在表5至表13中分別列出了均值溢出模型殘差和條件方差模型標準殘差檢驗結果，根據Q(6)和Q2（6）的檢驗結果，在10%的顯著性水平下所構建的模型已經消除了自相關和條件異方差，因此，符合建模要求。各表中的Wald檢驗包括三個部分（檢驗一，原假設為H0：a12=b12=0,a21=b21=0,表示股票市場間不存在雙向波動溢出效應；檢驗二，原假設為H0:a12=b12=0，表示股票市場一對股票市場二沒有波動溢出效應；檢驗三，原假設為H0:a21=b21=0，表示股票市場二對股票市場一沒有波動溢出效應），根據各部分檢驗所得的t值或者P值判斷接受或者拒絕原假設。

根據上述假設，本文對中韓兩國股票市場間的波動效應進行了檢驗，表5至表7是中韓兩國股票市場波動溢出效應的檢驗結果。表中系數矩陣A、B的主對角線系數除了a21在5%的顯著性水平下不顯著，其余三個系數均顯著不為零，說明韓國股票市場當期的ARCH效應不會影響國股票市場未來收益率；而韓國股票市場當期的GARCH效應會影響中國股票市場未來收益率；中國股票市場和韓國股票市場當期的GARCH效應均會對彼此未來收益率產生影響。再看Wald聯合檢驗，三個檢驗均在1%的顯著性水平下拒絕原假設。綜合來看，本文認為中韓兩國股票市場間存在顯著的雙向波動溢出效應。

表5 參數估計結果

表6 殘差檢驗

表7 波動溢出效應檢驗

同樣根據上述假設，本文還對中日兩國股票市場的溢出效應進行了檢驗。下頁表8至表10是中日兩國股票市場波動溢出效應的檢驗結果。表中系數系數矩陣A、B的主對角線系數除了b12在5%的顯著性水平下不顯著，其余三個系數均顯著不為零，說明中國股票市場當期的GARCH效應不會影響日本股票市場未來收益率；而日本股票市場當期的GARCH效應會影響中國股票市場未來收益率；中日兩國股票市場當期的ARCH會對彼此未來收益率產生影響。再看Wald聯合檢驗，三個檢驗中，檢驗一和檢驗三在5%的顯著性水平下拒絕原假設，即存在日本股票市場對中國股票市場的波動溢出效應。而檢驗二在5%的顯著性水平下接受原假設，即不存在中國股票市場對日本股票市場的波動溢出效應。綜合來看，本文認為中日兩國股票市場間存在日本股票市場對中國股票市場顯著的單向波動溢出效應。

同樣的，本文也對韓日兩國股票市場的波動溢出效應進行了檢驗。下頁表11至表13是韓日兩國股票市場波動溢出效應的檢驗結果。表中系數系數矩陣A、B主對角線系數5%的顯著性水平下均顯著不為零，說明韓日兩國股票市場當期的ARCH效應和GARCH效應均會對彼此未來的收益產生影響。再看Wald聯合檢驗，三個檢驗均在5%的顯著性水平下拒絕原假設，綜合來看，韓日兩國股票市場間存在顯著的雙向波動溢出效應。

表8 參數估計結果

表9 均值模型殘差檢驗

表10 波動溢出效應檢驗

表11 參數估計結果

表12 殘差檢驗

綜合波動溢出效應檢驗結果，可以得出如下結論：后危機時期，中韓股票市場、韓日股票市場之間存在顯著的雙向波動溢出效應；而中日股票市場間只存在顯著的日本股票市場對中國股票市場的單向波動溢出效應。

表13 波動溢出效應檢驗

4 結論

本文采用中、日、韓三國股票市場日度數據，通過VAR模型、脈沖響應和二元GARCH模型從線性和非線性兩個層面研究了后危機時期中、日、韓三國股票市場之間的關系。結論如下：（1）與韓、日兩國股票市場比較，中國股票市場方差更大，這說明中國股票市場波動性更大，更具投機性；（2）從均值溢出效應來看，韓國股票市場對中、日股票市場均存在短期的引導關系，中日兩國股票市場存在雙向的短期引導關系；（3）脈沖響應分析顯示，中日兩國股票市場對韓國股票市場的沖擊效應趨近于0，韓國股票市場對中日兩國股票市場的沖擊效應較為顯著，中日兩國股票市場對彼此的沖擊效應較為顯著；（4）在波動溢出效應方面，三國股票市場收益率序列均具有時變方差特征和較強波動持續性。中韓股票市場、韓日股票市場之間存在顯著的雙向波動溢出效應，而中日股票市場間只存在顯著的日本股票市場對中國股票市場的單向波動溢出效應。因此，中國股票市場無法直接影響日本股票市場，但是可以通過韓國股票市場對日本股票市場產生影響。

[1]Karolyi G A,Stulz Rene M.Why Do Markets Move Together?An Investigation of U.S.-Japanstock Return Comovements.[J]The Journal of Finance,1996,(51).

[2]Daly K J.Southeast Asian Stock Market Linkages:Evidence From preandpost-October1997[J].ASEANEconomicBulletin,2003,(20).

[3]In F,Kim S,Yoon J H,et al.Dynamic Interdependence and Volatility Transmission of Asian Stock Markets:Evidence From the Asian Crisis[J].International Review of Financial Analysis,2001,10(1).

[4]Gualielmo M C,Nikitas P,Nicola S.VolatiliTy Transmission and Financial Crisis[J].Economics and Finance,2006,30(3).

[5]Miyakoshi T.Spillovers of Stock Return Volatility to Asian Equity Markets From Japan and the US[J].Journal of International Financial Markets,Institutions and Money,2003,13(4).

[6]范奎,趙秀娟,汪壽陽.全球主要股市間信息溢出的變異性研究[J].管理科學學報,2010,(9).

[7]岳正坤,張勇.貨幣市場、債券市場對滬深300指數溢出效應的實證研究[J].宏觀經濟研究,2014,(3).

[8]彭偉.基于雙變量EATJI-EGARCH的時變收益關聯研究——來自東亞地區股市跳躍的分析[J].中國管理科學,2015,(3).

[9]蘇木亞,郭崇慧.協同波動溢出效應——歐債危機北京下基于中證行業指數視角的研究[J].管理評論,2015,(11).

[10]聞岳春,王婕,程天笑.國內股市與國際股市,大宗商品市場的溢出效應研究[J].國際金融研究,2015,(8).

[11]西村友作,孫便霞.中日股市日內信息傳遞研究:中國關聯股渠道[J].世界經濟,2015,(8).

[12]楊飛虎,熊家財.國際金融危機背景下國內外股市波動溢出效應的實證研究[J].當代財經,2011,(8).

[13]趙華.國際股市區域風險傳染研究[J].廈門大學學報,2009,(5).