中美股市联动性成因及疫情期间联动性特点浅研究
Finance 金融, 2020, 10(4), 322-333
Published Online July 2020 in Hans. /journal/fin
/10.12677/fin.2020.104033
A Superficial Study on the Causes
and Characteristics of Co-Movement双城记英文读后感
in Chinese and American Stock
Markets during the Epidemic
Xinyi Xuan
Zhejiang University City College, Hangzhou Zhejiang
Received: Jun. 16th, 2020; accepted: Jun. 30th, 2020; published: Jul. 7th, 2020
Abstract
Firstly, this paper makes a default description and affirmation to the statement that the Chinese and American stock markets have linkage. Therefore, the paper focuses on the causes and charac-teristics of the linkage between Chinese and American stock markets. In the literature review sec-tion, two theoretical bases of the causes of coactivity-spillover effect and contagion effect, as well as various factors affecting coactivity-are proposed. In the part of empirical analysis, the logarithmic return rate of Chinese and American stock markets from 2015 to now is taken as the research ob-ject, and the VAR model and GARCH model are constructed to carry out an empirical study on the size and direction of the return and fluctuation spillover effect between Chinese and American stock markets, and the conclusion is drawn that the US stock market has significant spillover effect of returns and fluctuations on Chinese stock market. Finally, through qualitative analysis, some simple conclusions on the characteristics of the linkage between Chinese and American stock mar-kets during the episdemic period were obtained, and the impact efficiency, impact intensity and impact tim
e of the spillover effect of the American stock market on Chinese stock market were ob-tained based on the data analysis during the circuit breaker period of the American stock market.
Keywords
Spillover Effects, GARCH Model, U.S. Stocks Fusing
中美股市联动性成因及疫情期间联动性特点浅研究
宣心怡
宣心怡
浙大城市学院，浙江 杭州
收稿日期：2020年6月16日；录用日期：2020年6月30日；发布日期：2020年7月7日
摘  要
文章首先对中美股市具有联动性这一陈述，做出默认描述及肯定。因此全文的重心在于对中美股市联动性的成因及其特点的研究。文献综述部分提出了联动性成因的两个理论基础——溢出效应和传染效应，以及影响联动性的各种因素。实证分析部分以2015年至今的中、美股市对数收益率作为研究对象，构建VAR 模型和GARCH 模型对中美股市间收益和波动溢出效应的大小和方向进行了实证研究，得出结论：美国股市对中国股市存在显著的收益和波动的溢出效应。最后通过定性分析，得出了一些疫情期间中美股市联动性特点的简单结论，并根据美股熔断期间的数据分析得出了美国股市对中国股市溢出效应的冲击效率、冲击强度和冲击时间。
关键词
溢出效应，GARCH 模型，美股熔断
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
1. 研究背景
贷款每月还款股市联动效应，是指不同股市之间多种因素的同向变动效应。如，股票价格、指数收益率等股市要素同涨共跌的现象。美国股票市场作为全球目前最为成熟、体制最为完善的股票市场，其对于国内证券市场的影响是非常大的。而中国作为发展速度最快的国家之一，其证券市场具有巨大潜力。两国紧密的经济波动常常能一定程度上反映在两国的股市联动上，因此中美股市具有较强的联动性。
2. 文献综述
2.1. 理论基础
学界在对中美股市联动性的成因进行解释时，通常普遍接受的理论有两种，分别是溢出效应和冲击传染效应。
1、溢出效应
由于各国之间存在时差，各国股市的开盘时间也不尽相同，这就形成了一种以时差顺序为主导的传递现象，在这种效应下，某一国家宏观经济与企业所产生的信息会随时差传递到其他不同国家的股票市场，从而出现了各国股市股票收益率之间的联动[1]。
肖辉、韩非(2005)使用了MA(q)-GARCH-M 模型，对中美股市收益率的由于时差原因存在的相互联动关系进行了分析。得到的实证结果表明：美国股票市场收盘对中国股票市场开盘的信息溢出微乎其微。然而中国股票市场收盘对美国股票市场开盘存在一定的微弱联动关系[2]。
李红权(2011)利用溢出效应检验体系对美、中国大陆以及香港地区的股票市场的联动关系做出了信息事件是美国2008年金融危机时的实证分析。研究发现美国股市对中国A 股市场具有强烈的传导作用，而A
宣心怡
股市场同样能影响美国股市，二者相互影响、相互作用[3]。张敬敏，周石鹏(2015)采用中美股市的指数数据，通过构建DCC-GARCH模型对金融危机后的两国股市波动率溢出效应做出了深入分析。结论显示，在金融危机之后中美两国股市确实存在着联动性，又由于中国股市的发展不成熟，导致该联动性并不稳定[4]。
尉伟杰、王秀芳等(2016)同样是采用中美股市的指数数据，通过构建向量自回归(VAR)模型、格兰杰因果及协整检验对中美股市的联动效应做出了实证研究。结论显示，中国股市和美国股市在长期中具有稳定的联动效应，且美国股市对中国股市的溢出效果要更强烈[5]。宋玉臣，乔木子(2016)运用四种门限自回归误差修正模型对中美股市的联动效应以及非对称性调整特征做出了实证研究。结论显示，美
国股市对中国股市有着明显的单方面溢出效应和短期均衡联系[6]。
从不同的文献中可以发现，尽管溢出效应作为中美股市的联动性成因之一已经普遍得到认可，但不同的学者对于溢出效应的冲击方向和冲击效率有着截然不同的意见。
2、传染效应
King & S. Wadhwani (1986)提出了市场传染假说。该假说认为，市场中的投资者由于信息掌握不全面，因此会观察和利用其他市场价格来做参考，即在信息不对称的情况下，更容易产生趋同效应、羊效应等行为，因此一国股票市场的价格波动会传染到其他国家的股票市场。事实上，传染效应的本质是，价格的信息冲击在国际上不同股票市场间广泛传递。行为金融学理论中，被广泛讨论的投资者趋同效应就是对股市传染效应有效解释的一种典型例子。虽然在本质上，冲击传染效应也是属于信息溢出效应的一种。然而，冲击传染效应更加关注着的信息为价格冲击。所以在金融危机中，此效应尤为显著。
2.2. 影响因素
除了对股市间联动效应的研究外，多年来，国内外学者又都尝试着从不同的角度来分析不同国家或地区股票市场的联动效应。着眼于寻对股市联动性产生重要影响的冲击因素以及各种因素影响的冲击方向和冲击效率。
Flavin (2002)在研究影响两国股市收益率的因素时，使用了国际贸易理论中的引力模型，发现主要因素有：国内工业结构、市场的流动性、两国间的距离、区域位置与市场规模[7]。龚金国，史代敏(2015)从金融自由、贸易强度以及市场传染等层面出发，对不同股市间的联动效应进行了实证研究。文章通过间接测度已实现波动率联动对中美股市的联动效应进行模型构建。结论显示，中国金融自由化并没有加强中美两国股市的联动效应，相反地还对两国的股市联动产生着抑制影响。另外的，贸易强度确实使得中美两国股市的联动效应加强[8]。高慧和刘阳(2012)在研究美国与中国股市的长期联动关系时采用DCC-GARCH模型对其做了实证研究，结果表明，影响美国与中国股市长期联动关系的因素主要有：中美两国双边金融对外开放程度、不一致的经济周期、外部冲击、彼此间的贸易依存度、汇率形成机制等[9]。姚宏伟，张彤(2016)从结构突变新视角出发，对人民币汇率、中美股市以及两国利差的相互联动效应做出了实证研究。结论显示，上述几个因素之间的长期均衡联系发生了两次结构突变，制度变迁和金融危机则是结构突变的主要原因。在汇率与股市的联动关系研究中，汇率是主导因素，研究时期内一直都是汇率对股价产生单方面的溢出效应[10]。
3. 实证分析
3.1. 研究原理
3.1.1. 收益溢出效应研究
在国内外股市收益率条件均值溢出效应的研究中一般采用向量自回归方法，即使用VAR模型分析随机扰动对变量系统的动态冲击从而揭示各种经济冲击对经济变量系统形成的影响，并且VAR模型的一种应用是granger因果检验。本文使用Granger因果关系检验，分析经济时间序列之间的因果关系。因果关
宣心怡
系检验由Granger (1969)提出，Sims (1972)推广，用以检验变量之间因果关系，解决了X 是否引起Y 的问题。主要看Y 能够在多大程度解释X ，加入X 的滞后值是否使解释程度提高。如果X 能在Y 的预测中有帮助就可以说Y 是由XGranger 引起的。
Granger 检验回归方程式如下：
01111t t p t p t p t p t Y Y Y A A βββααε−−−−=+++++++
01111t t p t p t p t p t A A A Y Y βββααε−−−−=+++++++
3.1.2. 风险溢出效应研究
本文在研究国内外股市收益率风险溢出效应，亦即条件方差溢出效应时，将采用GARCH 模型。即使
一个时间序列是平稳的(无条件方差为常数)，它的条件方差也可能出现随着时间的变异现象。条件方差模型可以利用条件方差来度量风险或者收益率的波动程度，并且使得这些波动性和风险度量具有时变性质，从而体现新信息获得和新冲击出现所产生的动态影响。
本文选取GARCH (1, 1)模型，描述平均收益率的GARCH (1, 1)模型由两部分组成。一部分是均值过程(在本例中为寻自回归方程的过程)：
01t t t Y X ββε=++
上式表示t Y 的数据生成过程服从ARMA (m , n )过程。
第二部分主要由条件异方差的生成过程组成，GARCH (1, 1)模型中假设条件异方差序列满足：
七夕诗句经典古诗()2
10111var |t t t t t h h εααελ−−−=Ω=++
其中t h 为条件方差，方程如下：园丁是什么意思
()2
2
2
101122var |t t t t t p t p h εααεαεαε−−−−=Ω=++++ 。
3.2. 数据选取与处理
本文选择中美两国综合指数来代表两国股市的收益率水平，又由于中美两国股市各包含多个指数，为尽可能地减小误差，本文在中美两国股票市场中分别选择两个具有代表性的指数作为内生变量，选择标普500、沪深300为代理变量。
标准普尔500指数由500种样本股票组成，囊括了工业股、运输股、公用事业股以及金融股，对美国股市具有很强的代表性。
沪深300指数是是一种成分股。由上交所选取192支和深交所选取108支，共计300支A 股为样本。指数样本股加在一起，涵盖上海和深圳证券市场近六成的市值，其走势变化对中国股市有很好的参考价值。
在数据处理方面，选取2015年至今的日数据，其中截掉了两个市场未同时开市的数据留下1250个日数据用于分析。
由于时差的原因，对美国股市来说，中国股市同一天数据都是滞后一天数据，而对中国股市来说，美国股市滞后一期数据为当日数据。因而需要将原始数据进行调整，以保证某一市场的信息集不仅包括本地市场前一天的信息，也包括另一市场当日的信息。比如，美国股市开市，中国市场当日t 期的信息对它来说是1t −期的信息，因此美国股市的信息集是1t −期信息和中国股市的t 期信息的综合。而中国股市开市，美国市场前一日1t −期的信息对它来说是当日t 期的信息，因此中国股市的信息集是1t −期信息和美国股市的1t −期信息的综合。
3.3. 模型构建
对模型所需变量进行定义，如表1所示。
公司乔迁之喜贺词
宣心怡
Table 1. Variable definition table
表1. 变量定义表
变量名
变量含义 变量定义 t H
昨日帝王篇完整版中国股市的收益 沪深300 t 时期的日对数收益率 t B  美国股市的收益 标普500 t 时期的日对数收益率
1) 收益溢出效应：Granger 因果关系检验
Granger 检验回归方程式如下：
0111101111t t p t p t p t p t
t t p t p t p t p t H H H B B B A B H H βββααεβββααε−−−−−−−−=+++++++=+++++++
其中，零假设001
:0m H ααα==== ，即“b R 不是引起h R 变化的Granger 原因”。 001:0n
H βββ==== ，即“h R 不是引起b R 变化的Granger 原因”。 2) GARCH-M (1, 1)模型的建立
依据收益和风险成正比的的金融理论，可以将条件方差引入均值方程，形成GARCH-M 模型如下：
01t t t t Y X h ββλε=+++
()2
10111var |t t t t t h h εααελ−−−=Ω=++
沪深300对应的模型如下：
01t t m t t H H h ββλε−=+++
()2
10111var |t t t t t h h εααελ−−−=Ω=++
标普500对应的模型如下：
01t t m t t B B h ββλε−=+++
()2
10111var |t t t t t h h εααελ−−−=Ω=++。
3.4. 实证结果
3.4.1. 两市收益率及对数收益率
图1为沪深300和标普500自2015年至今的日收盘价。从图中可以看出中美两股市股价波动较大，序列不平稳，不能直接进行实证研究。因此对两者各取对数收益率，如图2所示。
Figure 1. Shanghai and Shenzhen 300 and S & P 500 daily closing prices
图1. 沪深300与标普500日收盘价

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。