中美股市聯動性研究

張曉雯 王金安

[提要] 隨著我國經濟市場的不斷開放，中美經濟往來日益密切，研究我國股市與美國股市之間的聯動性就顯得尤為重要。本文基于GARCH-Copula-DCC模型對我國內地股市、香港股市和美國股市之間的聯動性進行研究，同時進行描述性統計檢驗。結果發現：三地股市具有一定的聯動性，且隨著時間的增長，聯動性也逐步增強。但是香港股市與美國股市之間的聯動性更為明顯。

關鍵詞：中美股市;聯動性;研究

中圖分類號：F83 文獻標識碼：A

收錄日期：2019年3月20日

一、引言

隨著經濟市場一體化進程的不斷深化，各國股票市場間的聯動性逐漸加強。一個金融市場的波動，不僅受到自身波動的影響，還受到其他金融市場波動的影響，這種現象被稱為波動的聯動性。波動性的研究，一直都是經濟學專家學者關注的重點。近年來，我國股市不斷波動，不僅受自身的影響，也受到外界其他股市的影響。中美經濟不斷深入發展，貿易往來更加頻繁，美國經濟市場的變動也會影響到中國的經濟市場。

關于各國股市聯動性的問題，國內外學者從不同角度、不同的研究方法進行了研究。Campbell和Hamao（1992）用多因素資產定價模型解釋日本和美國兩國市場之間的聯動性。Blackman等（1994）對17個國家的股票市場進行了實證研究，結果表明這些國家的股票市場在1980年到1989年的聯動性要高于其在1970～1979年的聯動性。Koutmos和Booth（1995）討論了倫敦、東京、紐約三國股票市場之間的波動溢出效應，運用多變量EGARCH模型進行檢驗，顯示三個市場之間均存在雙向溢出效應。Panayiotis F.Diamandis（2008）運用DCC模型對阿根廷、智利、巴西和墨西哥股市與美國股市之間的相關性進行了分析。Turhan Korkmaz等（2012）用實證研究哥倫比亞、越南、土耳其、南非、印尼和埃及這六個國家市場之間的聯動性和溢出效應。結果顯示這六個國家的股票市場之間的溢出效應水平較低，但是在特定時期內這六個國家有較強的聯動性。韓非、肖輝（2005）研究發現中美股市之間的聯動性并不高。張兵等（2010）分階段研究了中美股市之間的聯動性，并認為兩國之間沒有長期的均衡。李紅權、洪永淼、汪壽陽（2011）運用信息溢出檢驗體系研究了我國A股與美股、港股之間的關系，并認為美股處于三者當中的主導地位。劉豐博（2015）基于DCC-GARCH模型研究以滬深300指數和標準普爾500指數為代表的中美股市之間的聯動性，研究表明二者之間存在明顯的溢出效應關系。燕翔（2017）采用DCC-GARCH模型研究了中國、韓國、日本三國之間的股市聯動性。各國學者采用不同的方法對股市進行的研究，但是應用GARCH-Copula-DCC模型來研究的比較少，基于此本文將用此模型對我國股市與美國股市之間的聯動性進行研究。

二、模型介紹

（一）邊緣分布設定：GARCH模型。構建多變量金融時間序列Copula模型分兩步，其中第一步是邊緣分布設定，這也是構建多變量金融時間序列Copula模型最為重要的一步。一般情況下GARCH模型為第一步，1986年Bollersev為了簡化模型的參數提出廣義ARCH模型。

GARCH模型是在ARCH模型上的改進和拓展，且具有ARCH模型的特點，可以利用低階的GARCH模型來代替高階的ARCH模型，模型變得更加簡潔，更加容易去識別和估計所需參數。實際應用中GARCH（1，1）模型就能夠描述大量的金融時間序列數據。本文選擇GARCH（1，1）模型進行構建。

（二）Copula模型。選擇合適的Copula函數是構建GARCH-Copula-DCC模型的第二步。假設X和Y表示兩種金融時間序列，單個金融時間序列的特征完全由邊緣分布u=F（x）和v=G（y）描述。由Sklar定理可知，Copula函數是把兩個隨機變量X和Y的聯合分布H（x，y）與其邊緣分布相連接的函數，使得成立H（x，y）=C（F（x），G（y））。這可以推廣到多變量金融時間序列的情形。由于Copula模型不受邊緣分布的限制，因此具有更廣泛的適用性。

（四）4GARCH-Copula-DCC模型。GARCH-Copula-DCC模型分為兩個步驟，第一步：用GARCH模型估計單一收益率序列的波動性，獲得各收益率邊緣分布參數的極大似然估計值，得標準化殘差向量（？滓1，t，？滓2，t，…，？滓k，t）;第二步：使用第一步驟所估計出各邊緣分布參數，將標準化殘差通過概率積分變換轉化成U[0，1]分布，并帶入GARCH-Copula-DCC似然函數中，估計動態相關系數。其中，我們使用DCC-GARCH模型中的動態結構來設定估計的相關參數，再通過Copula函數，最大化對數似然函數，從而得到要估計的參數。

三、實證分析

（一）樣本數據及其特征。本文選取我國上證指數、美國標準普爾指數、香港恒生指數這三個股票指數2007年1月4日至2018年12月28日的日收盤價作為研究對象。因各個國家或地區股票市場開盤、收盤時間和節假日等差異，對數據進行了處理，得到2，621條時間序列數據。數據來源為WIND數據庫。本文使用Eviews9、matlab對數據進行分析和處理。

（二）樣本數據的統計性描述。從圖1、圖2、圖3中可以看出，前500得數據即2009年之前，受美國金融危機的影響上證指數、香港恒生指數、標準普爾500指數均出現了一定程度的下挫。2009年之后，三個股票指數表現出了不同的態勢，其中上證指數、香港恒生指數在2009～2018年在不斷的震蕩，而標準普爾500指數在2009～2018年這一段時間內，在調整中保持著上升的趨勢。（圖1、圖2、圖3）

圖1 上證指數走勢圖

圖2 香港恒生指數走勢圖

圖3 標準普爾500 指數走勢圖

表1所示，三個指數日收益率的平均值都接近于零;三個指數日收益率的標準差從大到小依次是上證指數、香港恒生指數、標準普爾500指數，說明上證指數的波動相對來說更大，不夠穩定。三個指數日收益率的偏度均小于0，說明三者的分布都呈左偏的狀態。三個指數日收益率的峰度值均大于正態分布的峰度值3，說明三個指數日收益率均有尖峰后尾的特征。同時，JB統計量也顯示出三個指數的日收益率分布均不服從正態分布。除此之外，我們還需要對數據進行序列相關性檢驗、異方差性檢驗和平穩性檢驗。ADF單位根檢驗結果可以看出，三個收益率序列都是平穩的。從Q統計量結果看出，三個收益率序列都存在自相關性。ARCH效應統計量都顯著，即收益率序列都存在異方差。（表1）

表1 各股市日收益率序列的描述性統計量一覽表

（三）我國股市與美國股市聯動性研究。從上面的統計特征可以看出，三個股市的收益率都具有尖峰厚尾的特征，并且是平穩分布，具有ARCH效應，認為GARCH模型能夠計算三個股票指數的波動性。本文選擇了我們對比了各股市在均值方程下GARCH（1，1）模型設定標準殘差項服從t分布下的結果。從表2中可以看出，三個股市的收益率序列的條件方差的參數都顯著，且都接近1，說明各股市的波動具有持續性。且三個收益率經過GARCH（1，1）模型擬合后，都不存在異方差和自相關。這說明GARCH（1，1）模型能很好的擬合各股市的收益率序列。（表2）

表2 各收益率序列分布結果一覽表

從表3中可以看出，GARCH-Copula-DCC模型參數v均顯著。說明我國內地、香港與美國股市收益率序列間存在明顯的時變聯動性，？琢趨近于0，說明上期收益率的沖擊對相關系數的影響較小;？茁接近于1，說明股市間的聯動具有很強的持續性特征。圖為根據GARCH-Copula-DCC模型估計出來的動態條件相關系數圖。（表3）

表3 GARCH-Copula-DCC 參數估計結果一覽表

由圖4、圖5可以看出，中國內地股市、香港股市與美國股市之間的是存在聯動性的，且均呈持續波動上升趨勢。在2008年（數值大約在400左右）美國爆發次貸危機后有短暫而顯著的增加，其中香港股市與美國股市之間的聯動性更為明顯。在2015年（數值大約在2000左右）我國內地股市暴跌，上證-美國、恒生-美國聯動性也有明顯的增加。（圖4、圖5）

圖4 上證- 標準普爾動態條件相關系數圖

圖5 恒生- 標準普爾動態條件相關系數圖

從表4可以看出，我國內地股市、香港股市與美國股市的動態相關系數均顯著大于0，這說明我國內地股市、香港股市與美國股市之間存在一定程度的相關性。上證-標準普爾的相關性均值在0.121左右，恒生-標準普爾的相關性均值在0.27左右。但是從相關性程度來看，內地股市與美國股市、香港股市與美國股市之間又有所差異。內地與美國的相關系數相對于香港與美國來說要小一些。（表4）

表4 動態條件相關系數一覽表

四、小結

本文基于GARCH-Copula-DCC模型研究了我國股市與美國股市之間的聯動性問題。從研究中可以看出，在2007～2018年這段時間內，我國國內股市、香港股市均與美國股市有一定程度的聯動性，且呈逐步上升趨勢，但是香港股市與美國股市聯動性相對更強。隨著中美經濟關系的不斷發展、我國資本市場的逐步開放，我國股市與美國股市的聯動性逐漸增強。同時，我國股市還處于發展階段、不夠成熟，需要逐步建立一個真正穩定的經濟市場。