我國股票市場的信息溢出效應研究
——以滬港通政策實施為切入點

任孝明，李宇翀（副教授）

一、引言

金融市場信息溢出問題是價格發現領域的關鍵問題之一。為加快我國股票市場的發展，促進我國資本市場與國際資本市場的接軌，我國于2014年11月17日開始實行滬港通政策。滬港通是指上海證券交易所和香港聯合交易所允許兩地投資者通過當地證券公司（或經紀商）買賣規定范圍內的對方交易所上市的股票，是滬港股票市場交易互聯互通機制。目前滬港通采用滬股通和港股通限額管理。滬港通開通后會對我國滬市和香港地區股票市場帶來何種影響？是否增強了兩個市場的關聯，從而促進了我國股票市場與國際市場的接軌？這些問題為本文研究的核心。

本文應用了多種方法對我國股票市場信息溢出進行了分析，包括Granger因果關系檢驗、混合Copula模型和事件分析法。首先通過Granger因果關系檢驗對滬市、香港股市、美國股市三個市場彼此之間是否具有影響關系做出簡單判別，然后建立混合Copula模型，對滬港通政策實施后我國滬市股票價格變動的信息溢出對其他股市造成影響的具體值進行度量，最后運用事件分析法比較滬港通政策實施前后各個股市的反應。

二、文獻綜述

實際上對于信息溢出檢驗以及不同市場間的聯動性檢驗和市場信息跨境傳播機制、傳染方向的研究在很早以前就已成為國內外學者關注的話題。

國外學者對以上問題進行了較為深入的研究。Engle等[1]引出外匯市場在兩個國家之間的信息傳遞，提出了熱擴散假定和流星雨假定。熱擴散假定認為該日市場價格的變動會影響次日該市場價格的變化，也就是所謂的持續性，而這一持續性不會影響其他國家的市場；流星雨假定則認為雖然有著反應時間，但是某市場價格的變化確實會影響另一個市場。

那么，這是否也意味著股票市場也存在流星雨假定和熱擴散假定？Lee等[2]在研究NASDAQ與亞洲市場波動溢出時驗證了股票市場流星雨假定和熱擴散假定的存在，證明了股票市場價格信息波動的跨境傳播。而在21世紀以前已有國外學者研究流星雨假定，實證分析發達國家股票市場之間的聯動關系。Barndorff－Nielsen等[3]將股票市場的整體波動分解為平穩波動和劇烈波動，平穩波動表示一般情況下股市的變動走勢，劇烈波動表示股市的動蕩，之后他們驗證了發達國家股票市場的跳躍波動能夠對另一給定股票市場產生更顯著的影響。

Tsai[4]對投資者恐慌情緒進行建模，選擇發達國家股票市場的交易數據，研究彼此之間的影響關系，得到如下結論：美國股市是主要的信息傳出國，當美國股市對其他市場傳播信息時，恐懼指數與溢出效應顯著相關且美國股市的溢出效應表現出不對稱性。

也有部分學者著眼于新興市場之間的波動溢出效應，Korkmaz等[5]對哥倫比亞、印度尼西亞、越南、埃及、土耳其、南非（簡稱CIVETS）國家之間的波動溢出效應進行分析。Rafiqul-Bhuyan等[6]利用GARCH模型研究發達市場如美國股市與巴西、俄羅斯、中國、印度和南非等新興市場（簡稱BRICS）和BRICS之間的信息傳遞和溢出效應的關系，結果顯示美國股市是主導，對外圍股市都有影響，并且中國股市經過近幾年的發展已經可以對印度和美國股市產生細微的影響，同時驗證了BRICS市場隔日收益率在很大程度上會受到昨日收益率的余波影響，即證實了Engle等提出的熱擴散假定的存在。

國內研究主要著眼于我國股市對其他股市的信息溢出效應，隨著我國股市政策的完善，信息溢出量逐漸增加，從初始的對其他國家股市沒有任何影響發展到有些微影響。其研究方法也從簡單的Granger因果檢驗判斷基本的影響關系發展到計算具體的影響力，并提出Copula模型，該模型可以很好地用來分析這一問題。期間也有學者發展出了自己的研究體系和研究方法，有的學者還對初期的研究方法進行了批判并提出了自己對于甄別信息溢出方法的選擇。

馮永琦、段曉航[7]利用Granger因果檢驗和二元GARCH模型，發現2012～2015年近3年的時間里滬港通政策實施前后兩地市場的關聯性增強，表明我國的股票市場機制已經慢慢地與國際接軌，能夠接收外面的信息，這也給有關部門提供了相關啟示，即隨著國際化進程的加快，應制定相關政策保護我國資本市場，且投資者們也應該考慮更多的經濟指標，從而衡量自己投資的股票有可能面臨的風險。蔣偉、阮青松[8]使用擴展的EGARCH模型，發現近些年尤其是在滬港通開通之后內地股市的投資者對于風險的溢價提高。還有學者研究了某特定事件或政策的發布實行對信息溢出的影響[9][10]。

上述研究均采用的是傳統的計量方法對股票市場的信息溢出效應進行分析，如Granger因果檢驗、GARCH模型等。Embrechts等[11]證明了傳統的Granger因果檢驗有很大的局限性且不能很好地考察股票市場多因素、時變的復雜關系，Granger因果檢驗只能簡單地說明彼此之間有影響、有聯系，而無法具體說明到底有著什么樣的影響，而且如果彼此之間的影響關系非常細微，Granger因果檢驗可能無法度量。而混合Copula理論可以捕捉樣本指數間非線性、非對稱的關系，該理論被廣泛應用于各國股票市場、外匯市場、債券市場間的相關性分析、波動溢出效應的檢驗以及金融風險度量分析，例如其信用層級的評級分類。

蔡彤彤、王世文[12]認為單一Copula模型無法很好地解釋時間序列相關性的變化，Clayton Copula函數只能度量熊市階段股市的信息傳播，Gumble Copula函數則只能度量牛市階段股市的信息傳播，而Frank Copula函數能夠度量平穩時期的變化，建立混合Copula模型可以省去對Copula模型的篩選過程，極大地減小工作量。本文以滬港通實施前和實施后為時間節點建立混合Copula模型對尾部相關系數進行實證分析，發現在滬港通實施前滬市和香港股市的信息溢出效應無論是在牛市還是熊市都比滬港通實施后的信息溢出效應弱。

淳偉德等[13]將亞洲四大股票市場（中國內地股市和香港股市、日本股市、新加坡股市）作為研究對象，從非線性的角度出發建立混合Copula模型研究次貸危機發生前后美國股市對這四個股市的影響，并將時間段分為次貸危機發生前和發生后，對四個代表市場受到的影響按大小進行排序，結論得出新加坡和日本股市分列第一、二名，香港股市位于第三位，而內地股市處于最后，但是相對于次貸危機發生前，內地股市與美國股市之間相對于其他三個股市有著較強的尾部相關關系，可見我國股票市場快速發展的趨勢是不容忽略的。操穎、方兆本[14]以滬深300指數和恒生中國企業指數為數據樣本比較了單一Copula和混合Copula模型的優缺點，通過尾部相關系數得出兩個市場的相關性在牛市期間要高于熊市，指數價格的波動存在著信息溢出效應。吳吉林等[15]以低頻數據研究A、B、H股之間的尾部相關性在近20年里發生了怎樣的變化，發現隨著時間的推移，某地市場極端風險的發生對于另一市場的影響越來越顯著。

綜上所述，本文通過建立混合Copula模型對其尾部相關系數進行分析，從非線性的角度解釋股市間的聯動性問題，且Copula函數的尾部相關性分析可以度量牛熊市期間一個市場對于另一個市場的影響，并將其用數字的方式表現出來，這對于本文此次要研究分析的問題極為有用。

事件分析法由James Dolley[16]提出，該方法被廣泛應用于公司領域或某一政策的頒布對經濟或股票價格造成的影響。畢玉國、郭峰[17]應用事件分析法研究了利率調整、存款準備金調整對股票市場造成的影響，發現在發布調整公告后，股票價格有明顯的波動，從側面表明作為一名理性的投資者，應該全方位地分析股票買入和賣出的時機，不應該盲目地“追漲殺跌”，關注公告發布的同時，應該冷靜地分析公告發布為股市帶來的影響。也就是說，即使發布的公告在短期內會使股票價格暴漲或暴跌，投資者依然要從各方面進行考慮，分析該股票是否具有長期投資價值。李丹鳳[18]從滬港通開通事件入手，選擇開通前后10天為窗口期，研究該政策的頒布對滬港兩地同時上市的股票造成的影響，以累計異常超額收益率的形式體現。該文提供了一個比較詳細的運用此方法進行研究的步驟，且所選擇的事件與本文相同，為本文接下來的研究提供了一個很好的參考。羅春蓉等[19]通過賬面市值比的變化發現，滬港通開通對于滬市有著積極的影響，投資者的非理性情緒在內地股市較香港股市顯著，港股的市場有效性依舊大于內地股市。

三、我國股票市場信息溢出的實證分析

（一）數據來源及描述性統計

本文以上證綜指、恒生指數以及標準普爾500指數為樣本數據，研究在滬港通開通后將近2年的時間里我國股市究竟向其他市場傳遞出了怎樣的信息。數據樣本期均選取2014年11月10日～2016年8月31日的交易日日度數據收盤價。因存在交易時間不匹配以及日期不對稱問題，在通過Excel手動去除不必要數據后，得到共1263組數據。對其價格取對數后差分進行收益率化，見式（1）：

其中：index為各市場的指數收益率。

表1是各指數的描述性統計，從表1中可以看出，三個指數的偏度都小于0，故表現為左偏；峰度均大于3，體現出尖峰，且恒生指數的收益率序列最大，上證綜指排第2，標普500指數的收益率序列最小。三個指數序列均不服從正態分布。使用ADF檢驗對收益率序列進行單位根檢驗得到P值均為0，三個指數收益率（日度）序列均為平穩序列，且為一階單整序列I（1）。

（二）Granger因果檢驗在三個股票市場的應用

為考察不同地區三個股票市場指數之間的影響關系以及滬市股票價格信息溢出是否會對其他市場造成影響，我們以每兩個市場之間的指數收益率進行Granger因果檢驗，共計6組。

通過表1中的P值已經知道三個指數市場收益率序列均為一階平穩單整序列I（1），協整檢驗結果表明彼此之間具有協整關系。我們對指數收益率序列進行一階Granger因果檢驗，其檢驗結果如表2所示。

表2 因果檢驗結果三個市場指數收益率序列的Granger

由于三個市場原指數序列為二階單整序列I（2），故對原指數序列進行二階Granger因果檢驗，結果如表3所示。

表3 三個市場原指數序列的Granger因果檢驗結果

對指數序列的收益率進行Granger因果檢驗，從表2中可以看出，在5%的顯著性水平下，只有在“標普500指數不是上證綜指的原因”這一行中F檢驗的P值小于0.05，拒絕原假設，表明標普500指數是上證綜指的原因，美國股市對滬市有影響，而其他行的F檢驗的P值均大于0.05，接受原假設，彼此之間沒有影響，說明香港股市對滬市沒有任何影響，滬市對其他兩個股市沒有任何影響。

從表3可以看出，如果用三個市場原指數序列的差分序列進行Granger因果檢驗，只有“恒生指數不是上證綜指的原因”和“標普500指數不是上證綜指的原因”這兩行的F檢驗的P值小于0.05，表明美國股市和香港股市對滬市的未來值預測有貢獻，美國股市和香港股市對滬市有影響，而滬市仍然對美國股市、香港股市沒有任何影響。

（三）事件分析法的應用

作為統計方法的補充說明，我們選擇滬港通開通為研究事件，利用市場模型法，將滬港通開通之前2014年9月1日～2014年11月6日作為估計期，沒有用窗口期中的數據是為了消除滬港通開通事件對正常收益率計算的影響。將2014年11月17日設為事件發生日t，窗口期為事件發生之前的5天（2014年11月10日）至事件發生之后的15天（2014年12月9日），即［t-5，t+15］，此階段主要研究市場指數所包含的成分股在滬港通政策頒布實施前后會發生何種變化，以及各個市場投資者對這一政策的實施持何種態度。同樣，依舊選擇2014年11月17日為事件發生日t，窗口期為事件發生之前的5天（2014年11月10日）至事件發生之后的15天（2014年12月9日），即［t-5，t+15］，此階段主要利用ARMA模型的滾動預測來研究三個市場指數在滬港通政策頒布實施前后會發生何種變化，以及各個市場投資者對這一政策的實施持何種態度，并與成分股的事件分析法作一個對比。

1.成分股的事件分析法。首先，運用事件分析法對市場指數所包含的成分股數據進行處理，剔除在窗口期中途成為成分股或從成分股名單中清除的股票數據以及連續4日或4日以上停盤的股票數據，剔除退市或中途退市的股票數據，剔除帶有?ST標志的股票數據。經過處理得到上證綜指成分股843個，恒生指數成分股數量不變，為49個，且已確認在此期間無其他重要事件足以影響股票價格的變動。去除上述股票數據的目的是降低無關變量的影響，因為這些股票的走勢是受自身因素的影響，而滬港通的開通并不會影響其走勢，故刪除這些數據，使得該事件對個股價格的影響更加顯著。標普500指數成分股因成分股數據的易得性問題，這里不作分析，只對上證綜指和恒生指數兩個市場的成分股使用事件分析法進行研究。

對各指數所包含的成分股每日收盤價取對數并進行差分計算得到上證綜指成分股和恒生指數成分股估計期2014年7月1日～2014年11月6日的實際收益率Rit，見式（2）：

其中：i、j表示不同的成分股；t表示時間；Rjt表示成分股每日收盤價。

對于成分股的正常收益率ARit的計算，利用市場模型法將成分股的實際收益率Rit作為被解釋變量，市場指數作為解釋變量，運用OLS求出估計期成分股的αi、βi，然后將求出的 αi、βi看成將成分股的正常收益率ARit作為被解釋變量時與市場指數所建立的市場模型的擬合值。而市場指數的實際收益率Rit的計算已經由式（11）得出。計算成分股估計期的αi、βi，見式（3）：

計算每個成分股在窗口期2014年11月10日至2014年12月9日的正常收益率，見式（4）：

計算各自的成分股異常收益率在當日的總和，用每個市場指數各自的成分股異常收益率當日的總和除以成分股的總數，得到三個市場每日的平均異常收益率，見式（5）：