滬深股市與港市之間的相關(guān)性與溢出效應
——基于深港通視角

郭建峰，胡 靜

深港通在滬港通正式推出兩年之后于2016年12 月5日推出，滬港通、深港通的實施一方面使得國際投資者與內(nèi)地投資者可通過本地交易所的交易以及結(jié)算系統(tǒng)進行交易對方市場的證券，在一定程度上為境外資金投資者對A 股市場進行投資和內(nèi)地投資者對香港股市進行投資提供了便利，進一步對內(nèi)地股市與港市間的資金流動起到促進作用；另一方面對于兩地股市投資品種的豐富、金融市場的改革、內(nèi)地資本市場結(jié)構(gòu)的改善存在一定程度上的推進作用。香港在地理位置上與內(nèi)地毗鄰，與內(nèi)地存在重要的經(jīng)濟、政治等往來關(guān)系，內(nèi)地股市與港市間聯(lián)系緊密，互聯(lián)互通政策的實施對促進內(nèi)地與香港資本市場之間的密切聯(lián)系，對加快內(nèi)地金融市場的對外開放、人民幣國際化、推動內(nèi)地與全球資本市場之間的接軌存在重要意義。但與此同時在滬港通推出之后隨著深港通的正式推出使得內(nèi)地與香港股市之間融合程度日益提升，兩地股市之間風險溢出可能會由此發(fā)生變化，故以深港通為視角探究滬深市與港市之間的相關(guān)性以及風險溢出有利于監(jiān)管部門更好地防范金融風險，近年來“一帶一路”和“粵港澳大灣區(qū)”的相繼建設，不斷擴大了不同市場之間的連通，使得各市場資金聯(lián)系密切，故本文對相關(guān)性及風險溢出效應進行度量，對于跨區(qū)跨域風險防范有借鑒意義。

一、文獻綜述

近年來在學術(shù)界，基于滬港通、深港通的開通視角研究對內(nèi)地資本市場和香港資本市場之間關(guān)系影響方面的相關(guān)文獻逐漸增多。相關(guān)文獻研究主要表現(xiàn)在分析相關(guān)性和溢出效應方面。在有關(guān)相關(guān)性方面:國外文獻研究，Wang 與Terence Tai-Leung Chong 利用協(xié)整檢驗的方法對滬港通以及深港通正式推出前后對A股和H 股間的協(xié)整關(guān)系進行探究；Ruan 等利用MF-DFA模型和MF-DCCA模型分析滬港通正式開通對滬市與港市間存在的交叉相關(guān)性的影響。國內(nèi)文獻研究，徐曉光、余博文與鄭尊信基于滬港通的視角發(fā)現(xiàn)兩地股市之間相關(guān)關(guān)系及融合程度在滬港通推出后得到明顯提升；鮮京宸和潘成蓉運用分段回歸方法分析發(fā)現(xiàn)上海股市和香港股市間的相關(guān)性在滬港通開通之后的短期內(nèi)有所增加。在有關(guān)溢出效應方面:楊瑞杰和張向麗利用波動率分解模型、Granger 因果關(guān)系檢驗和VEC模型分析發(fā)現(xiàn)在滬港通實施之后大陸股市整體波動與跳躍波動對香港股市連續(xù)波動存在溢出效應，就連續(xù)波動而言存在滬市對港市及港市對滬市的溢出效應；Lin 利用非對稱雙變量ARMA-t-BEKKAGARCH模型研究發(fā)現(xiàn)在所研究樣本區(qū)間內(nèi)港市對滬市始終存在單向波動溢出效應，滬市對港市在滬港通推出之后存在波動溢出效應。李月琪和李叢文利用GARCH-時變Copula-CoVaR方法發(fā)現(xiàn)在滬港通推出后滬港股市之間相關(guān)性和風險溢出呈現(xiàn)出增加。董梅生和王濤結(jié)合Granger 因果檢驗和MGARCH-BEKK方法分析發(fā)現(xiàn)在深港通開通之后深市對港市之間的報酬溢出效應以及波動溢出效應都存在；毛小麗和王仁曾利用Granger causality-MSV方法結(jié)果發(fā)現(xiàn)內(nèi)地股市和香港股市間的波動溢出效應在滬港通推出后表現(xiàn)顯著，在深港通之后減弱。

經(jīng)過梳理國內(nèi)外文獻發(fā)現(xiàn)，存在不少文獻從相關(guān)性以及溢出效應角度探究基于滬港通視角下內(nèi)地股市和香港股市之間的關(guān)系，較少文獻在深港通開通的視角下從相關(guān)性以及風險溢出方面對兩地股市發(fā)生變化進行探究，故建立GARCH-時變Copula-CoVaR 模型，探究深港通正式實施前后滬深股市與香港股市之間相關(guān)性及風險溢出變化。

二、模型介紹

(一)邊緣分布模型

在本文中考慮到各收益率序列呈現(xiàn)條件異方差、不服從正態(tài)分布、尖峰厚尾、非對稱等特征，Skewed-t 方法能對各序列尾部和非對稱性有比較好的刻畫效果，故利用GARCH(1，1)-Skewed-t 方法對各序列進行擬合，GARCH(1，1)-Skewed-t 模型見公式(1)、(2)、(3)、(4)。

其中，Skewed-t 分布的密度函數(shù)表達式如下:

其中，μ，θ分別為Skewed-t 分布的自由度、非對稱性參數(shù)，并且需要滿足

(二)T-DCC-Copula 模型

Copula 模型由Sklar 最早所提出用以刻畫多個時間序列間相關(guān)程度。根據(jù)Sklar 定理:令變量X和Y的邊緣分布分別是FX(x)、FY(y)，F(xiàn)X，Y(x，y)為(X，Y)的二元聯(lián)合分布，存在二元Copula 函數(shù)C(u，v)滿足:

如果FX(x)，F(xiàn)Y(y)是連續(xù)的，則二元Copula 函數(shù)C(u，v)唯一確定。

Copula 模型能夠有效描述多個時間序列之間非線性相關(guān)關(guān)系，并且相比較靜態(tài)Copula 而言，動態(tài)Copula 能較為有效地刻畫各序列之間相關(guān)程度。參考Engle在2002年提出的DCC(1，1)模型和Patton 在2006年提出的時變Copula 模型，根據(jù)AIC、BIC信息準則和最大似然值從時變的T-DCCCopula、Gaussian-DCC-Copula、Clayton-Copula、SJC-Copula 模型中選取最佳的Copula 模型進行描繪滬深股市與港市之間相關(guān)程度。時變T-DCC-Copula 模型假定條件相關(guān)系數(shù)矩陣服從DCC(1，1)過程:

(三)風險溢出效應模型

對于使用CoVaR 模型測度風險溢出最早是由Adrian 和Brunnermeier 提出，在2013年Girardi和Ergün 對風險溢出測度定義進行拓展，對于CoVaR 的拓展定義見式(8):

其中α，β為顯著性水平分別為金融市場j和i的收益率序列為金融市場i在顯著性水平的數(shù)值是α的情形之下的無條件風險值為市場i處于極端風險情況下，市場j所遭受的風險水平值，包括市場j所面臨的無條件風險值和市場i對j的風險溢出值。市場i對j的風險溢出水平測度見式(9)，式(9)中為在α為0.5的情況下所測度的值。

已知各收益率序列都是相應殘差序列的單調(diào)遞增函數(shù)，參照周愛民和韓非的做法，依照Copula 函數(shù)滿足其在各殘差序列經(jīng)過單調(diào)遞增變換后依然不變的特性，故通過公式(6)、公式(8)先求殘差序列的CoVaR，進一步求出收益率序列的CoVaR，具體計算公式見(10):

三、實證分析

本文旨在基于深港通視角探究滬深市和港市之間的相關(guān)性與風險溢出，利用上證綜合指數(shù)、深證成分指數(shù)、香港恒生指數(shù)分別代表滬市、深市、港市，選取三個股市指數(shù)從2013年1月1日到2019年3月1日的每日收盤價作為樣本，一共得到1451組有效的收盤價數(shù)據(jù)，數(shù)據(jù)全部來自Wind。本文中所使用的分析軟件為EViews 8.0，MATLAB R2015b。對各金融市場的樣本數(shù)據(jù)進行處理得到對數(shù)收益率數(shù)據(jù)，其具體的計算過程見式(12)，公式中的pt，rt分別表示t日的收盤價及收益率。

(一)描述性統(tǒng)計分析

從表1中結(jié)合最大值、最小值和標準差可以觀察出深市的波動性高于滬市的波動性，滬市的波動性高于港市的波動性，進一步說明內(nèi)地股市與香港股市相比有較高的風險，其中深圳股市表現(xiàn)出的風險最高；滬、深、港股市的偏度值都為負值，呈現(xiàn)左偏，峰度值都在3以上，各序列明顯表現(xiàn)出尖峰狀態(tài)；由各序列的J-B統(tǒng)計量相對應的伴隨概率值都是0 的結(jié)果得知各序列都拒絕對正態(tài)分布服從的原假設；從表中ADF檢驗的相關(guān)結(jié)果得到各序列的統(tǒng)計量，P值＜0.01表明都拒絕原假設進而判斷各序列都呈現(xiàn)出平穩(wěn)特征。

表1描述性統(tǒng)計特征

(二)邊緣分布模型及Copula 模型

對各收益率序列，利用GARCH(1，1)-Skewed-t 方法對其邊緣分布進行刻畫，有關(guān)模型參數(shù)結(jié)果見表2:

表2 GARCH(1，1)-Skewed-t 模型參數(shù)估計

續(xù)表

從表2模型估計中觀察出方差方程模型中的參數(shù)α1、β1、μ在顯著性水平為0.01的情形下表現(xiàn)較為顯著。對各收益率序列，利用GARCH(1，1)-Skewed-t 模型對其進行刻畫進而獲得標準殘差序列，對所得到的標準殘差序列進行概率積分變換后得到一組新的序列，對得到的新的序列進行K-S檢驗的結(jié)果得知都服從均勻分布。進一步對經(jīng)積分變換得到的新的序列進行序列相關(guān)性和arch效應檢驗，發(fā)現(xiàn)各序列都不存在序列相關(guān)性和條件異方差現(xiàn)象；通過表2 呈現(xiàn)的參數(shù)估計及檢驗結(jié)果表現(xiàn)出各收益率序列的邊緣分布由GARCH(1，1)-Skewed-t 模型擬合是合理的。

緊接著采用Copula 方法描述滬市、深市和港市之間相關(guān)程度，考慮到在刻畫時間序列之間相關(guān)程度時動態(tài)Copula 相比靜態(tài)Copula 而言比較有優(yōu)勢，故依照AIC，BIC信息準則及對數(shù)似然值選取刻畫各序列之間相依關(guān)系的T-DCC-Copula函數(shù)、Gaussian-DCC-Copula 函數(shù)、時變Clayton-Copula 函數(shù)、時變SJC-Copula 函數(shù)中選擇最優(yōu)的Copula 模型，結(jié)果表現(xiàn)出在4 個動態(tài)Copula 函數(shù)中對于刻畫滬市與港市之間以及深市與港市之間相關(guān)程度T-DCC-Copula 模型相比其他Copula 模型表現(xiàn)出較好效果，故選擇T-DCC-Copula 函數(shù)來刻畫其動態(tài)相依性。 T-DCC-Copula 函數(shù)參數(shù)估計見表3:

表3 T-DCC-Copula 函數(shù)參數(shù)估計

(三)風險溢出效應分析

對滬深股市與港市之間在整個樣本區(qū)間內(nèi)的動態(tài)相關(guān)性進行分析，進而利用T-DCC-Copula 模型刻畫動態(tài)相關(guān)關(guān)系，見圖1:

圖1滬深股市與港市間的相關(guān)性

從圖1中觀察出，滬市、深市與港市之間的相關(guān)系數(shù)都在0.2以上，表現(xiàn)出內(nèi)地股市與港市之間的相關(guān)性是存在的；從圖中觀察出滬市與港市之間的相關(guān)性介于0.265至0.531之間，深市與港市之間的相關(guān)性介于0.206至0.485之間，在2016 年9月份之前，滬市、深市與港市之間的相關(guān)性總體表現(xiàn)出下降趨勢；從2016 年9月份至深港通開通前，滬市、深市與港市間的相關(guān)性分別呈現(xiàn)明顯的增加趨勢，在此期間，滬市、深市指數(shù)收盤價上升、交易量增加，體現(xiàn)出滬市、深市對深港通推出的利好消息反應。在深港通開通的一段時間后，滬市、深市與港市之間的聯(lián)動性呈現(xiàn)增強的走勢，甚至表現(xiàn)出滬市與港市的相關(guān)性在2018年10 月16日達到最大值0.531、深市與港市的關(guān)聯(lián)度在2018年10 月12 日達到最大值0.485；從長期角度看，在深港通政策實施之后，滬市、深市與港市之間的相關(guān)程度增加。

圖2滬市與港市之間的風險溢出ΔCoVaR

圖3深市與港市之間的風險溢出ΔCoVaR

為進一步分析在整個樣本區(qū)間內(nèi)滬深股市與港市間的風險溢出，對其進行測度，結(jié)果見圖2、圖3。圖2、圖3分別為在樣本區(qū)間內(nèi)所計算出的滬市與港市之間和深市與港市之間的風險溢出效應。從圖1、圖2觀察到滬深股市與港市之間的ΔCoVaR都為負值，說明港市對滬市、深市及滬市、深市對港市都產(chǎn)生正向的風險溢出效應。從圖1、圖2觀察到滬市對港市和深市對港市的風險溢出水平都表現(xiàn)得較為平穩(wěn)，而港市對滬市、深市的風險溢出水平表現(xiàn)幅度較大；從圖2、圖3可以進一步觀察到滬市對港市和深市對港市的風險溢出水平分別低于港市對滬市和港市對深市的風險溢出水平。由于相比內(nèi)地股市，港市在對信息吸收、反應速度、處理方面領(lǐng)先內(nèi)地市場，存在較為完善的各種反饋機制，發(fā)展較為成熟，能夠較好地抵御風險，同時當面臨內(nèi)地股市的風險沖擊時可以通過國際資本市場分散風險從而表現(xiàn)出滬、深股市對港市存在較弱的風險溢出；當港市發(fā)生風險事件時，滬市、深市卻較易受到港市的風險沖擊，表明相比內(nèi)地股市對港市的沖擊，港市對內(nèi)地股市的沖擊較大。從圖2、圖3中觀察出滬市、深市對港市的風險溢出走勢分別與港市對滬市、深市的風險溢出走勢大致相同。 但可觀察到港市對滬市、深市的風險溢出分別滯后于滬市、深市對港市的風險溢出，尤其是在2015年股災期間以及在2018年，當股市發(fā)生劇烈波動時，滯后現(xiàn)象表現(xiàn)得較為明顯。

為了便于對比在深港通開通前后滬市、深市與港市之間的相關(guān)性及風險溢出效應發(fā)生的變化，同時考慮到在2015年從6 月15日到8月26日這一時間段內(nèi)內(nèi)地股市發(fā)生劇烈波動，以此區(qū)間作為股災發(fā)生區(qū)間，進一步以股災發(fā)生和深港通開通為分界點對整個樣本區(qū)間劃分為4 個樣本子區(qū)間，根據(jù)整個樣本區(qū)間內(nèi)的滬深股市與港市之間的動態(tài)相關(guān)性和動態(tài)風險溢出效應分別計算每個樣本子區(qū)間內(nèi)的平均相關(guān)性和平均風險溢出水平，計算結(jié)果見表4:

表4滬深市與港市間的相關(guān)性以及ΔCoVaR

從表4 中觀察出在深港通實施前，即使是在股災期間，內(nèi)地股市發(fā)生劇烈波動情形下，滬市、深市與港市的相關(guān)性分別為0.372和0.347，與股災發(fā)生前后表現(xiàn)出的滬市、深市與港市的相關(guān)性相差不大，從圖1可觀察出在深港通開通之前滬市、深市與港市之間的相關(guān)性總體上呈現(xiàn)減小的趨勢；在深港通開通后，內(nèi)地股市與港市行情同樣經(jīng)歷異常波動情況下，在整個樣本區(qū)間內(nèi)，滬市、深市與港市之間的相關(guān)性在深港通開通之后的樣本區(qū)間內(nèi)表現(xiàn)為最高分別為0.401和0.360；從圖1觀察到滬市、深市與港市的相關(guān)性分別從0.342增加到0.484，0.358增加到0.412 并表現(xiàn)出在2018年10 月份分別達到樣本區(qū)間最高值0.531、0.485，滬市與港市之間與深市與港市之間的相關(guān)性總體上呈現(xiàn)增強走勢，可能是由于滬港通在實施之初存在每日額度最大額度為130 億元和總額度最大額度為3000 億元的限制以至其發(fā)揮的作用有限；伴隨著證監(jiān)會在2016 年8月17日宣告對于滬港通實施中關(guān)于總額度存在最大限額的限制取消，深港通的開通政策擴大了股票投資標的范圍，不再設總限額的限制，從2018年5月1日之后，滬港通和深港通的單日額度都擴大四倍等一系列政策的實施，為促進滬深股市和香港股市之間的資金流通提供較為有效的渠道；隨著滬港通、深港通開通以及后續(xù)政策的不斷落地，互聯(lián)互通政策對內(nèi)地股市和港市之間的影響效果逐漸表現(xiàn)出來。

從表4中觀察到在整個樣本區(qū)間內(nèi)，港市對滬市、深市及滬市、深市對港市的平均風險溢出效應在股災期間為最高水平，從圖2和圖3觀察到在深港通推出之前，滬市、深市發(fā)生劇烈波動，港市對滬市、深市的風險溢出存在比較大的波動幅度，從2015年6 月12 日開始滬市與以及深市大幅下跌，當天上證綜指是5166 點，深證成指是18098點，在8月26 日上證綜指和深證成指分別下跌到2927點和9899點，下跌幅度分別為43.3%與45.3%。在2015年港市對滬市與港市對深市的風險溢出水平都有呈現(xiàn)出大幅度增加，其中港市對滬市與港市對深市的風險溢出水平分別在2015年8月26 日、2015年7月6日達到最大。在整個樣本區(qū)間內(nèi)，港市對滬市、深市及滬市、深市對港市的平均風險溢出效應在深港通開通之后表現(xiàn)得較小，其中在深港通開通之后，港市對滬市及港市對深市的平均風險溢出水平表現(xiàn)得最小，滬市對港市及深市對港市在深港通開通之后的平均風險溢出水平僅高于在股災之前。通過觀察圖1、圖2、圖3，在中美之間所發(fā)生的貿(mào)易戰(zhàn)、相關(guān)金融領(lǐng)域去杠桿、信用風險等多種因素影響的情況下，國內(nèi)股價從2018年2月份開始一直下跌，滬市、深市與港市之間的聯(lián)動效應增強，風險溢出效應呈現(xiàn)出增加的走勢；從2019年初內(nèi)地股市與港市逐漸呈現(xiàn)出上漲行情交易量上升，滬市、深市與港市之間的相關(guān)性雖然存在輕微的下降趨勢但依然處于較高水平，其風險溢出表現(xiàn)出減小的趨勢。

在深港通開通之后，滬股通和深股通的日成交額表現(xiàn)出上升的走勢并分別從68.00 億元增加至284.35億元、26.69億元增加至212.15 億元，北向合計與南向合計的日成交額分別從94.69 億元增加至496.50 億元、47.72億元增加至131.47億元，滬市港股通和深市港股通的日成交額分別從39.31億元增加至85.77億元、8.41億元增加至45.70 億元在一定程度上活躍了兩地股市的交易。滬深市與港市之間的相關(guān)性呈現(xiàn)出明顯增強的趨勢，滬市、深市與港市之間表現(xiàn)出來的風險溢出水平不高但總體呈現(xiàn)增加的走勢，體現(xiàn)出互聯(lián)互通政策對內(nèi)地股市和港市之間的影響逐漸發(fā)揮作用。

四、結(jié)論及相關(guān)政策建議

從以上的實證結(jié)果得到如下結(jié)論:①滬市、深市與港市之間的相關(guān)性分別介于0.265至0.531之間和0.206至0.485之間，其中滬市與港市之間的相關(guān)程度表現(xiàn)出總體高于深市與港市之間的相關(guān)程度；港市對滬深市以及滬深市對港市都產(chǎn)生正向的風險溢出；就風險溢出而言，港市對滬市、深市的溢出高于反方向的溢出并且表現(xiàn)出滯后于反方向的風險溢出，這種滯后效應在內(nèi)地股票市場存在劇烈波動時表現(xiàn)得較為明顯；就風險溢出的波動幅度而言，港市對滬深市相比滬深市對港市的波動幅度較大。②在深港通開通之前滬深股市與港市之間的相關(guān)性總體表現(xiàn)出下降走勢；在其推出后內(nèi)地股市與港市之間的相關(guān)性呈現(xiàn)出增強走勢，并且表現(xiàn)出滬深市與港市之間在其開通之后這一期間內(nèi)相關(guān)性平均水平分別為0.401和0.360，達到整個樣本區(qū)間內(nèi)的最大值。在深港通開通之后的期間，滬深股市與港市之間的平均風險溢出效應較低，但是風險溢出水平大體呈現(xiàn)出增強的走勢。在深港通實施之后，互聯(lián)互通政策對于內(nèi)地股市和港市之間的影響逐漸顯現(xiàn)出來。

基于以上結(jié)論，給出相應的政策建議如下:①建立風險預警體系，加強投資者風險防范意識:內(nèi)地股市發(fā)展還不夠成熟，較易受到外部風險的沖擊，尤其是在2015年股災期間，港市對內(nèi)地股市的風險溢出效應波動幅度較大，監(jiān)管部門有必要建立對于內(nèi)地股市的風險預警體系進而對股市風險進行提前預警，防范金融市場異常波動；由于內(nèi)地股市散戶占據(jù)相當大的比例，缺乏專業(yè)的投資知識，風險意識不強，較易進行投機性的交易，在某種程度上內(nèi)地股市波動性的加劇會受其非理性行為影響，故需要對其風險防范意識加強，對其投資理念進行適當引導。②防控輸入性風險，加強金融市場監(jiān)管:隨著滬港通和深港通相關(guān)政策推出，一方面滬深股市與香港股市之間的融合程度呈現(xiàn)加強，內(nèi)地與香港資金流動性得到提升，在金融市場的交易制度、監(jiān)管理念等方面有利于內(nèi)地向香港借鑒經(jīng)驗。但是隨著滬深股市與香港股市之間的相關(guān)性表現(xiàn)出增強的趨勢；另一方面作為國際金融中心的香港發(fā)展較為成熟，資本市場開放程度較高，當香港股市受到國際資本市場外部風險沖擊，較為容易將金融風險向內(nèi)地市場傳遞，提升了港市對內(nèi)地市場的風險溢出效應，故在資本市場不斷對外開放的進程中，需要更加合理地防控輸入性風險，加強對金融市場的監(jiān)管。