滬港通前后股市系統性金融風險變化研究

張左敏暘

摘要：2014年11月17日，我國正式啟動滬港通。滬港通的開通對我國資本市場無疑起到了重大推動作用，更加促進了資本之間的流動，當然，給投資者帶來機遇的同時也放大了風險。本文旨在探討滬港通啟動前后風險特征的變化以及可能來源，為風險管理決策提供借鑒。

關鍵詞：滬港通 系統性 風險變化

一、引言

自滬港通成立以來，我國的資本市場流動性進一步加強，投資者有更廣闊的領域選擇分散化投資品種。滬港通成立之前，兩市分割，港市與滬市之間差異頗大，無論在政策法規，還是投資者主體上，又或者是文化上都呈現出差異。這也就導致了兩市之間呈現的波動性不同。在市場分割的時候，已有不少學者發現即便是存在市場分割，依然存在著股市聯動效應，不論是單個國家，還是國家與國家之間。本文采取分位數回歸的CoVaR方法對滬港通前后風險溢出水平進行對比，將風險價值法納入考慮框架，以彌補現有文獻單純從GARCH族模型討論波動效應的不足。并在此基礎上考察前后變動的合理經濟解釋并給投資者提出積極建議。

二、文獻綜述

現有文獻對金融市場之間的波動性探討頗多，無論是股市與股市之間，還是債市與股市之間，或者是貨幣市場，債市與股市三者的聯動都有所涉及。在此討論框架下，也有各式各樣的假說，主要包括交易成本假說、交易限制假說、市場信息假說、杠桿假說等。

（一）國外文獻

Hendershott（1967）研究發現歐洲美元利率的調整跟隨美國國債調整，速度慢，但反之卻不是這樣。

Kaen and Hachey（1983）研究發現在取消資本管制后美國和英國各自國內的貨幣對歐洲貨幣市場利率有單向引導關系。

Bremnes等（2001）研究了1990年11月至1997年4月期間德國馬克，挪威克朗以及美元長短期利率發現美國利率對德國和挪威利率的影響顯著強于德國和挪威對美國利率的影響。

Christiansen（2003）通過經典GARCH模型發現美國債券市場和整個歐洲債券市場對單個歐洲債券市場具有波動溢出效應。

Albuquerque等（2006）運用OLS研究拉美地區股市對歐洲區域股市的變化反應，從1988年1月至1994年12月，墨西哥股市收益率顯著受到美國股市影響，但反過來卻沒有這個表現。

（二）國內文獻

洪永淼等（2004）運用核函數估計方法檢驗風險-Granger因果關系，結果表明1995年2月1日至2003年4月4日期間，A股與B股之間存在著強烈波動溢出效應，B股的下跌走勢可以用來預測A股的下跌走勢。并且A股與H股，B股與H股之間也存在著溢出效應。

劉金全和崔暢（2002）利用協整模型分析發現，滬深股指之間存在長期的協整關系，兩市之間聯系非常緊密。

陳守東等（2003）運用Granger因果檢驗及GARCH-M模型研究中國滬市與深市發現，兩市之間存在收益率相關且存在非對稱波動溢出效應。

魯旭和趙迎迎（2012）利用三元VAR-GJR-GARCH-DCC模型探究滬深港三市的聯動關系，發現滬深港三個市場具有聯動效應，直接或間接引導對方，滬深股市對港市的新息沖擊做出類似的反應，并且它們與港市的動態關聯性具有趨同性。

張昭等（2014）以及周福和謝珊霞（2015）都采用格蘭杰因果關系檢驗研究港市與滬市之間的關系，但是研究結論不一，既有發現滬港通前聯動性比滬港通后聯動性強也有發現相反的結論。鑒于時間采樣等不同，得出不同的結論也在乎情理。

孫寅浩和黃文凡（2015）認為滬港通政策的實施不僅促進了A-H股溢價率的收斂并且降低了兩地市場分割程度，而且在一定程度上增強了兩地股市間的聯動。

吳旭（2015）運用BEEK-GARCH模型發現上海股市和滬港通都存在杠桿效應且滬市和滬港通之間存在波動溢出效應，但波動溢出為單向。

許從寶等（2016）采用基于自然隨機試驗的雙重差分模型對滬港通前后的波動效應進行研究發現在初開滬港通之時，滬市波動性加劇，港市波動溢出效應明顯，但是隨著時間推移，效應減弱。

以上學者在研究市場聯動的時候，多數采用的方法均是Granger因果檢驗到Garch族模型的使用，本質上沒有脫離波動率作為度量風險標準的框架。但是眾所周知，以波動率度量風險存在一定的偏差，盡管方差度量波動性可以為我們提供一定信息，但是在面對風險時，往往更關注的只是尾部可能損失的大小。風險溢出效應將整個金融系統看做一個整體，一個市場的變動會導致另一個市場聯動，在風險上即表現為危機的傳染。在傳統VaR的框架下，Adian和Brunnermeier（2008）提出了CoVaR方法將金融機構或其他金融市場陷入危機時的風險納入整體進行研究，采用分位數回歸。因此，本文采取CoVaR方法對滬港通前后兩市風險溢出關系進行對比研究。

三、理論基礎

在過去的理論發展中，存在基于“有效市場假說”的基本面經濟傳染解釋，但已經發現有很多現象并不是“理性人”可以解釋的，并且以基本面為依據的理論基本考察的是國家與國家之間的關系，與本文主題不符。

除此之外，還存在著金融危機傳染理論。即一種說明危機在國際或區域范圍內傳導的理論，其他國家或地區的危機增加了另一國出現危機的概率的理論。在股市方面，也就是一個市場的風險不僅影響自身，還會通過某種渠道傳導至其他股市，造成風險的溢出，加劇整體系統性風險。包括：信息約束下的投資者羊群效應，資產組合分散下的自實現危機傳染和注意力配置效應。但是后兩個理論基本假設都有兩個國家基本面獨立，在滬港通研究中不符合現實。因此，本文認為合理的理論基礎是信息約束下的投資者羊群效應理論。基于投資者情緒，在信息約束之下，在金融市場存在不完全信息或信息不對稱的情況下，基于理性預期的不同信息擁有者在金融市場遭遇不利沖擊時，有可能同時朝著同一方向調整其持有的各類資產組合，導致資本市場上投資者的羊群效應行為，并在不同市場間產生溢出效應，從而造成危機傳染。在滬市中存在大量散戶，也即所謂噪聲交易者，他們的存在使得投資者羊群效應行為是合理考慮。

四、分位數回歸與模型簡述

CoVaR方法的本質是分位數回歸，根據上述兩位學者的定義CoVaR是測度當一個金融機構或另一個市場總體處于不利情況時，其余金融機構或其余市場所面臨的風險，是一個條件在險價值的概念，但是又區別于傳統CVaR，即關于金融機構自身的條件風險價值。

傳統OLS估計對樣本的分布做了比較強的假設，比如變量要服從正態分布，如果不是這樣，得出來的參數估計不具備較為良好的統計性質，進而模型的意義也會大為下降。而分位數估計的優勢就在于無需這樣強的假設，考察因變量各個分位點的回歸可以給我們帶來更多普通OLS均值回歸所無法帶來的信息。

以上便是分位數回歸的基本思想，天然對應于所要研究的問題，即風險價值。通過考慮不同的分位數值，我們便可以得到關于樣本分位數信息的不同結果，在樣本難以滿足OLS古典假設的時候，且對于分布尾部感興趣的話，是一個有用的工具。VaR本身是一個分為數值，而CoVaR其實也是一個分位數值，只是在他人VaR給定的條件下的估計值，可以較好地反映這種相關關系。而不是像傳統VaR或CVaR僅僅考慮自身的在險價值。金融風險的傳染效應已經在幾次金融危機中得到證實，因此這樣的考慮在市場下行的過程中尤為重要。根據以上的思想，參考謝福座①建模如下：

五、數據與實證

滬港通正式開啟時間為2014年11月17日，也經考察其余學者對此時間點的一致性，本文也選取這一天作為分割點，分別考察前后各兩年時間的滬港兩市。鑒于美國在2012年12月12日啟動量化寬松，考慮到這樣的突變影響，選取時間點從這一天之后進行，待市場反應完畢，故不是完整的兩年時間。兩個市場的代表也以上證指數與恒生指數作為代表進行分析，且取對數收益率。

2014年11月17日之前，基本統計描述表明，上海證券市場（以上證指數為代表）和香港股票市場（以恒生指數為代表）收益率序列偏離了正態分布對應的0和3，且J-B檢驗的概率值為0.000，因此兩個序列均不服從正態分布，具有尖峰后尾特征，因此用分位數回歸方法進行分析較為適合。

首先，本文考察了香港股票市場對上海股票市場的風險溢出效應，取q=0.05，即求置信度為0.95時的風險溢出效應。建立如式（7）的上海證券市場（以上證指數為代表）和香港股票市場（以恒生指數為代表）收益率的分位數回歸方程，利用式（3）的方法求出對應的參數估計值為：，最終q分位數回歸方程表達式為：

上式中括號內為T統計量，由于本質上是置信度0.95下的條件風險價值，故可將方程改寫為如下形式：

按同樣方法，考察了上海股票市場對香港股票市場的風險溢出效應，取q=0.05，即求置信度為0.95時的風險溢出效應。利用式（3）的方法求出對應的參數估計值為：=（1.117855），=（0.5968365），最終q分位數回歸方程表達式為：

由于本質上是置信度0.95下的條件風險價值，故可以將方程改寫為如下形式：

再取得回歸結果之后，在此基礎上針對樣本數據進行無條件風險價值的估計，分別對上證指數和恒生指數采用GARCH（1，1）模型估計出VaR，將其分別帶入（9）式進行計算。

結果見表2

通過對參數估計值的T檢驗統計量進行分析后發現，上海股票市場與香港股票市場之間的風險溢出效應均是顯著的。具體地，在香港股票市場對上海股票市場風險溢出效應上，由于風險溢出強度%CoVaR為19.37%且為正號，說明香港股票市場對上海股票市場產生了風險正溢出效應，會顯著提高上海股票市場的風險;同樣地，上海股票市場對香港股票市場風險的溢出效應強度%CoVaR為15.12%且為正號，說明上海股票市場對香港股票市場同樣產生了風險正溢出效應，會顯著提高香港股票市場的風險。

為了反映不同置信度水平下風險溢出效應的變化情況，對q取不同值分別進行分位數回歸，以0.005為單位，按照之前的分析方法計算了q由0.01變化到0.05對應的%CoVaR，結果見圖1所示。

結果顯示，當q由0.01變化到0.05時，香港股票市場對上海股票市場的風險溢出%CoVaR全為正值，且呈現逐步遞減的趨勢，同樣地，上海股票市場對香港股票市場風險溢出%CoVaR也全為正值，且后者要小于前者。這表明，越是靠近收益率的左尾（q越小），兩市場之間的風險溢出效應強度越大，因此應密切關注極端風險的溢出效應。

2014年11月18日之后，基本統計描述表明，上海證券市場（以上證指數為代表）和香港股票市場（以恒生指數為代表）收益率序列偏離了正態分布對應的0和3，且J-B檢驗的概率值為0.000，因此兩個序列均不服從正態分布，具有尖峰后尾特征，因此用分位數回歸方法進行分析較為適合。

利用式（3）的方法求出對應的參數估計值為：=（2.446883），=（1.211148），最終q分位數回歸方程表達式為：

由于本質上是置信度0.95下的條件風險價值，故可以將方程改寫為如下形式：

同樣地，考察上海股票市場對香港股票市場的風險溢出效應時，估計結果如下：

改寫成：

同樣地，考察分位數從0.01到0.05的變化，結果見圖2。

同樣，通過對參數估計值的T檢驗統計量進行分析后發現，上海股票市場與香港股票市場之間的風險溢出效應均是顯著的。但是從結果中發現，除了風險溢出效應的增強外，還出現了反轉現象。從結果來看，在滬港通之前，總體來說，港市對滬市的溢出效應更大，但在之后，滬市對港市有了更強的風險溢出效應，不過依然從分位數0.01到0.05風險溢出呈現遞減狀態。

六、分析與結論

本文考察了滬港通前后上海股市與香港股市之間的風險溢出效應，采用CoVaR方法進行分位數回歸研究市場之間的風險相關性。實證結果顯示滬港通前后兩個市場之間的風險溢出效應均有所增強，更為值得注意的是，在滬港通之后上海市場對香港市場的風險溢出效應大于香港股市對上海股市的溢出效應。本文認為對此的分析十分重要，從中才能給出有意義的結論與建議。

經濟貿易往來：中國與香港之間的貿易關系涉及各行各業，自香港回歸以后，兩地的經貿關系不斷發展，內地人去往香港購物旅游極大促進了香港的經濟發展，自從2003年簽訂合作協議之后，雙方的進出口貿易總額在2014年已經超過4000億美元。②內地的經濟與香港經濟一體化程度不斷提高，兩地在基本面上的共同繁榮已經得到了證明。股市作為國民經濟的晴雨表，對反映基本面十分迅速，一方產生風險也會影響到另一方。

金融資本：香港作為世界重要的金融交易中心，證券市場高度發達，內地市場與香港市場存在著密不可分的聯系。越來越多的內地企業紛紛在香港上市，包括房地產，金融等大型龍頭企業，在滬市與港市同時上市的企業也不在少數，盡管兩地存在著價差，但是依然呈現相似的走勢，如果市場遭受沖擊，風險溢出不容小視。

交易制度：上海股市交易時間為上午9點15至下午15點，而香港股市為早上9點至下午16點，港股開市早而收市晚。存在這樣的時間差，投資者便具備了參考系，可以參考港市的走勢去推測滬市的走勢。也就說明雙方均具備風險溢出的可能性。

上述三個角度可以幫助解釋滬港通前后風險溢出程度的變化。在滬港通前，內地資金是受到限制而少有資金可以流入港市，對港市的溢出效應有限，但不是不存在。同時由于交易制度的差異，投資者可能參考港市的開盤與收盤，從而影響對滬市的走勢，因此在滬港通之前發現是港市對滬市有著更強的溢出效應。但是在滬港通之后，雙方風險溢出效應不僅放大，還發生了滬市對港市更強的溢出效應。本文認為可以用投資者非理性解釋更為合理。在內地資金可以流入港市之后，內地投資者的情緒不僅僅在滬市得到釋放，同時也會在港市上得到釋放。內地投資者存在大量散戶，而散戶通常被認為是非理性的噪聲交易者，擁有著極高的換手率。在2015年股災前的繁榮就可以看出，內地投資者不乏“普通人”一類的投資者，還存在各式各樣賣方炒股的投資者存在，這類群體可以認為是高度不理性的，給市場帶來了極大的風險。舉例來說，在滬港通之前，恒大地產擁有的足球隊連年奪冠，在2013年還首奪亞冠，但是已在香港上市的恒大集團股票卻未見明顯波動，而在滬港通之后的2015年恒大再次奪得亞冠之時，股價發生了明顯的跳躍，在那段時間并未有真正影響該地產公司公告等實質性事件，在排除了一切理性的因素之后，還發現在奪冠后的第一個星期一，恒大地產從滬市進入的資金占了當年總交易額的三分之二，說明滬港通之后，存在大量非理性的情緒化投資者影響了港市。也與金融傳染理論提出的非理性情緒投資者影響相符合。因此，研究才能發現在滬港通之后，滬市對港市的風險溢出更大了。在2015年7月6日到7月8日，在滬市大跌之際，港市僅一天跌幅達到30%，完成了滬市三周的跌幅。7月6日，恒指盤中跌幅1314點，所有股票平均跌幅達12%，許多小盤股暴跌30%以上。當日大跌已經將4月以來的“港A股”漲幅全部抹平。上交所各類投資者交易額占比見表5 。

值得注意的是滬港通對交易資金確實有限制，賬戶限額為50萬元，事實上已經排除了較多資金額較少的投資者。據統計，在滬市散戶中能夠達到投資限額的只有10%。也就是說這一部分散戶是資金實力較強的散戶，但遺憾的是無法得知這部分人來源的組成，畢竟上述的“普通人”確實也擁有著不菲的資金實力。就“2015股災”期間，港股換手率得到了顯著性提升，從0.1%-0.4%的區間跳躍至0.9%。

根據上述事實可以說明在市場下行之際，滬港兩市風險溢出增強，兩市聯動導致系統性風險被放大。且根據實證結果，當市場兩市越處于左尾時，互相影響的強度更大。

總之，滬港通之后比滬港通之前兩市之間的相關性更強，互相的風險溢出更大，從而系統性風險被放大了，這也對投資者和監管機構敲響了警鐘。

個人內地投資者在進行投資的時候還是應該加強專業知識學習，轉變“追漲殺跌”等非理性的投資模式，這也是我國大量散戶存在導致市場非有效的重要原因之一。在目前僅可能存在百分之十的散戶的情況下，市場的風險溢出已經在統計上得到了檢驗，但是資本市場的放開是遲早的，這些限制的消除盡管沒有那么快，在未來為了資本市場廣度的發展，取消這類限制也是勢在必行。那么，到那時，系統性風險還會不會進一步被放大呢？按照目前的情況來看，是完全可能的。對于機構投資者來說，在進行投資分散管理的過程當中，應該密切注意經濟形勢的變化以及兩市的尾部相關性。由上文也可以看出在0.01分位數時風險最大，必須特別注意防范經濟下行時期的風險傳染，從研究結論來看，系統性風險增強了。盡管傳統上認為機構投資者相對于個人投資者更加理性，但在市場極度恐慌時，機構投資者也未必做得更好，也可能起到推波助瀾的幫兇。在股災之際，少數證券公司違法向做空機構提供融資融券業務，也起到了市場下行的推手作用。

對于監管機構來說，堅持資本開放是應該而且應該持續貫徹下去，但是要循序漸進逐步放開，就像現在滬港通擁有的50萬資金限額就是一個比較好的策略，如果放開快，恐怕由非理性造成的金融風險會比現在測度到的還要大。要盡快完善各種配套制度，尤其是在突發情況下兩市的應對策略，如果一方發生了突發事件，而另一方由于恐懼而造成的非理性恐慌帶來的金融“多米諾骨牌效應”造成的損失是十分重大的，因此應該盡快完善應急措施，例如在突發情況下的熔斷機制等。

市場系統性風險的破壞性可以在一夜之間改變投資人命運，把握市場之間的風險溢出，對潛在系統性風險有著正確的認識和評估才能更好地在資本市場中保全自身，低估風險結果不容樂觀。

注釋：

①基于CoVaR方法的金融風險溢出效應研究。

②數據來源：商務部。

參考文獻：

[1]Adrian，Brunnermeier（September 2008）. “CoVaR”，Federal Reserve Bank of New York Staff Reports no.348.

[2]Adrian，Brunnermeier（August 2009）.“CoVaR” working paper，Federal Reserve Bank of New York and Princeton University.

[3]Hoyoon Jang and Wonsik Sul.The Asian Financial Crisis and the Co-movement of Asian Stock Markets[J].Journal of Asian Economics，2002（13）.

[4]RA Connolly and FA Wang.Economic News and Stock Market Linkages： Evidence from the U.S，U.K，and Japan.Proceedings of the Second Joint Central Bank Research Conference on Risk Management and Systemic Risk，1998.

[5]Cheol S.Eun and Sangdal Shim.International Transmission of Stock Market Movements[J].The Journal of Financial and Quantitative Analysis，1989.

[6]Jimmy E.Hiliard.The relationship between Equity Indices on World Exchanges[J].Journal of Finance，1979.

[7]鄭聯盛.關注滬港通的風險[J].中國金融 2014（9）.

[8]章莉.中國證券市場風險度量及風險傳導研究-基于分位數回歸方法[D].浙江工商大學，2014.

[9]譚志國，蔡乙萍.分位數回歸在風險管理中的應用[J].統計與決策 2006（17）.

[10]李雨芹.分位數回歸與風險度量及應用[D].吉林大學，2009.

[11]彭志剛.滬港通的“通”與“不通”[J].經濟視野，2014（12）.

[12]劉榮茂，劉恒昕.滬港通對滬市市場有效性的影響[J].經濟與管理研究，2015（8）.

[13]張兵、范致鎮，李心丹.中美股市市場的聯動性研究[J].經濟研究，2010（11）.

[14]韓非，肖輝.中美股市間的聯動性分析[J].金融研究，2005（11）.

[15]史代敏.滬深股指波動的協整性研究[J].數量經濟技術研究，2002（9）.

作者單位：廣西外國語學院