全流通時代我國股債聯動效應分析

□（北京印刷學院經濟管理學院北京102600）

一、引言

金融市場在一個國家或地區的經濟穩定和發展中占據重要地位，在促進經濟發展、為廣大投資者提供金融產品的交易場所從而獲取收益中發揮著重要的作用。而股票市場和債券市場又是金融市場中兩個重要組成部分。我國的股票市場和債券市場從無到有不斷發展壯大，股票總市值、發行量、交易量、上市公司數量等都有了飛躍式發展；我國債券市場的發行量、交易量、托管量在不斷提高，債券品種不斷豐富，債券交易方式多樣化。作為廣大投資者最為重要的投資場所，股票和債券的收益波動是投資者最為關注的。同時，投資者也會不斷關注股票和債券收益之間的變動關系，根據不同的市場狀況調整它們的投資組合以獲取收益的最大化。因此，研究股票和債券市場之間的關系就顯得尤為重要。

二、文獻綜述

國內外學者對股票和債券市場的關系做了大量的研究，Campbell and Airnner（1993） 研究了美國 1952—1987年股票和債券收益的相關情況。研究結果顯示，股債收益呈現相對較低的正相關關系，并且動態條件相關系數具有階段時變特征，比如在1952—1979年期間股債動態條件相關系數僅為0.095，而在1973—1987年間股債動態條件相關系數高達0.261。

王璐和龐皓（2008）以 2002年 1月至2007年6月間上證綜合指數與中國債券總指數為樣本，運用VAR模型研究了我國股債價格波動的溢出效應。他們的研究結果顯示，我國股票市場和債券市場之間存在雙向的波動溢出效應。袁超、張兵和汪慧建（2008）以2003—2006年我國滬深股票和債券價格為樣本，基于ADCC-GARCH模型研究了我國股債的價格聯動問題。研究結果認為，我國股債動態條件相關系數具有動態時變特征，經濟條件不同，股債動態條件相關系數也不同，在研究的樣本期內，大部分時間里我國股債之間存在較低的正相關關系，而在連續實施緊縮政策后，我國股債動態條件相關系數在2005年變為負數。韓蹇韜（2011）選取2003年4月1日至2010年6月11日我國股票指數、債券指數和基金指數為樣本期間，通過構建VAR-DCC-MGARCH模型研究它們之間的動態相關性。研究結果認為，股債動態條件相關系數和基債動態條件相關系數有正有負，它們的波動范圍在-0.3至0.4之間，其走勢也非常相似，而且具有很強的動態時變性和集聚性。

從上述文獻可以看出，大部分學者都是通過動態條件相關系數來研究股債的聯動性，因此不能全面獲得股債之間的聯動性。本文通過建立基于t分布的VECM-MVGARCH-BEKK（1，1）模型來實證分析我國股債之間的信息溢出效應，這正是本文的創新之所在。

三、實證分析

（一）數據選取

2008年4月17日，隨著騰達建設控股股東所持有的56.62萬股股份解禁上市，騰達建設也因此成為第一家真正意義上通過股權分置改革實現全流通的上市公司，同時標志著我國股票市場進入全流通時代。本文選取的研究對象是全流通時代滬深300指數、中證全債指數，即樣本區間為2008年4月17日—2016年12月31日，共2 180個數據。

（二）信息溢出效應研究

許多學者從報酬溢出（均值溢出）和波動溢出兩個層面來研究金融市場間的信息溢出效應，采用的模型主要是多元GARCH模型，而其中的BEKK模型應用最為廣泛，經濟意義也最為明顯。但是，大多數研究都是建立在隨機擾動項服從正態分布的基礎上，而大量的研究表明，許多金融資產的收益率是呈尖峰厚尾分布的（張秋莉等，2012）。因此，為了使本文的研究結果更加符合實際，更加具有可靠性，本文建立了基于t分布的VECM-MVGARCH-BEKK（1，1）模型來研究我國股債之間的聯動性，其中的均值溢出效應通過建立VECM模型來研究，而波動溢出效應則通過建立基于t分布的 MVGARCH-BEKK（1，1）模型進行分析。

表1 描述性統計

1.均值溢出效應。本部分我們通過建立VECM模型來研究我國股債之間的均值溢出效應，該模型是基于VAR模型的分析框架的。

（1）單位根檢驗。在建立VAR模型之前，我們需要對各個時間序列進行平穩性檢驗，本文采用ADF檢驗，其結果如表2所示，價格序列均為非平穩序列，而收益率序列均為平穩序列，說明價格序列是一階單整的。

（2）協整關系檢驗。為了研究我國股票市場和債券市場是否存在長期穩定的均衡關系，需要檢驗股票和債券序列是否存在協整關系。如果存在，則可通過建立VECM模型來研究我國股債之間的均值溢出效應，否則只能通過建立股債收益率的VAR模型來研究。檢驗多個序列間是否存在協整關系有兩種方法：一種是EG兩步法；另一種是Johnson-Jensen檢驗法。本文采用后面一種來分別檢驗滬深300指數與中證全債是否存在協整關系。結果如表3和表4所示，跡統計量和最大特征根統計量檢驗都表明，在5%顯著性水平下，滬深300與中證全債之間至多存在1個協整關系。

表2 平穩性檢驗結果

表3 跡統計量檢驗結果

表4 最大特征根檢驗結果

表5 滬深300與中證全債的VECM模型結果

（3）誤差修正模型（VECM模型）的建立。從上部分的協整檢驗的結果可知，滬深300與中證全債至多存在1個協整關系。因此，我們可以通過建立VECM模型來研究股票市場和債券市場的均值溢出效應。建立VECM模型所必須確定的最優滯后階數可從上一部分對價格對數所建立的VAR模型中得出。結果如表5所示，在滬深300和中證全債所建立的VECM模型中，在5%顯著性水平下，滬深300收益率沒有受到其本身滯后階的影響，但受到中證全債收益率滯后2階的影響，這說明中證全債收益率是滬深300收益率的短期格蘭杰原因，亦即存在中證全債對滬深300的均值溢出效應。ecm項的系數為負，符合反向修正原理，亦即當滬深300和中證全債的關系偏離長期均衡狀態時，這種偏離會在下一期得到修正，修正的速度為0.0026。但遺憾的是，在5%水平下，ecm項不顯著，這說明中證全債不是滬深300的長期格蘭杰原因。

在5%顯著性水平下，中證全債收益率受到其本身滯后1、2階的影響，而且還受到滬深300滯后1階的影響，這說明滬深300收益率是中證全債收益率的短期格蘭杰原因，亦即存在滬深300對中證全債的均值溢出效應。ecm項的系數為負，符合反向修正原理，亦即當中證全債和滬深300的關系偏離長期均衡狀態時，這種偏離會在下一期得到修正，修正的速度為0.0008，而且在1%水平下，ecm項可通過顯著性檢驗，這說明滬深300是中證全債的長期格蘭杰原因。

2.波動溢出效應分析。上一部分利用VECM模型分析了均值溢出效應，本部分將VECM模型的殘差作為研究股票和債券之間的波動溢出效應的原始序列。從前面的分析可知，收益率序列不服從正態分布，具有尖峰厚尾的特性，而且還呈現波動聚集的特點。因此，本部分將利用基于t分布的MVGARCH-BEKK（1，1）模型來研究我國股票和債券之間的波動溢出效應，結果如表6所示。

表6 波動溢出效應結果

在滬深300與中證全債所建立的BEKK模型中，在5%顯著性水平下，所有系數都能通過顯著性檢驗，這說明滬深300和中證全債的波動不僅受其本身ARCH項和GARCH項的影響，而且還受到對方的ARCH項和GARCH項的影響，這說明滬深300和中證全債之間存在相互的短期和長期波動溢出效應。具體而言，a21的值為-0.0016，這表明滬深300對中證全債具有負的短期波動溢出效應，而a12的值為0.2639，這表明中證全債對滬深300具有正的短期波動溢出效應；b21的值為0.0005，這表明滬深300對中證全債具有正的長期波動溢出效應，而b12的值為-0.1017，這表明中證全債對滬深300具有負的長期波動溢出效應。

四、結論

本文通過建立基于t分布的VECMMVGARCH-BEKK（1，1）模型對我國股債之間的聯動效應進行了實證研究，得出以下結論：中證全債收益率和滬深300收益率之間存在相互的短期格蘭杰原因，亦即存在相互的均值溢出效應；滬深300和中證全債之間存在相互的短期和長期波動溢出效應。