國際金融新舊秩序下股市波動溢出效應的比較

苗 晴，石盈芳，孔玉生（江蘇大學 財經(jīng)學院，江蘇鎮(zhèn)江 212013）

國際金融新舊秩序下股市波動溢出效應的比較

苗 晴，石盈芳，孔玉生
（江蘇大學 財經(jīng)學院，江蘇鎮(zhèn)江 212013）

文章利用GARCH(1,1)模型和Granger因果檢驗，比較分析了國際金融新舊秩序下美國、英國、日本、中國香港和中國內(nèi)地股票市場指數(shù)收益序列的波動溢出效應及其傳導路徑。研究表明：在國際金融舊秩序下，英國股市向其他股市有不同程度的波動溢出，美國是股市波動風險傳導的終點；在國際金融新秩序下，中國內(nèi)地股市從波動溢出傳導路徑中退出，同時其他傳導路徑的波動傳染效應發(fā)生不同程度的降低。

國際金融新舊秩序；股市；波動溢出效應；GARCH簇模型；Granger因果檢驗

0 引言

進入21世紀以來，隨著經(jīng)濟全球化和金融自由化的發(fā)展，金融風險在世界金融體系中的傳播速度加快，在股市上的典型表現(xiàn)就是波動溢出效應。研究國內(nèi)外股市的波動溢出及其傳導機制，對于新常態(tài)經(jīng)濟形勢下我國金融市場深化體制改革具有十分重要的理論價值和現(xiàn)實意義。

近些年來國內(nèi)外學者在衡量金融市場波動溢出效應時一般采用GARCH簇計量模型，主要關注兩個方面：一是發(fā)達金融市場與新興金融市場間的風險溢出研究[1-4]，二是金融危機前后金融市場間波動傳導與溢出的比較研究[5，6]，多數(shù)結(jié)論認為：近年來全球主要股市間存在較強的波動溢出，新興市場與發(fā)達市場間的聯(lián)動性加強。但對于新常態(tài)經(jīng)濟背景下的股市波動研究較少，對國際金融新舊秩序下股市間波動溢出的比較研究則尚未看到。本文以2012年9月6日作為劃分國際金融新舊秩序的分界點，采用GARCH簇計量模型和Granger因果檢驗對國內(nèi)外主要股市間的波動溢出及其傳導路徑展開實證研究，探討國際股市波動特征及其發(fā)展演變，為我國宏觀金融政策的制定提供依據(jù)。

1 研究模型與方法

1．1 波動率模型——GARCH模型

標準的GARCH(1,1)模型的基本形式為：

式（1）中，σt2和σt2-1為第t期和第t-1期方差，μt2-1為滯后一期的隨機誤差項，ω為常數(shù)項，α和β為變量系數(shù)。系數(shù)α和β反映當前波動對于以前波動水平的依賴程度，而α+β則反映了波動的持續(xù)性。

1．2 非對稱GARCH模型

1.2.1 TARCH模型

該模型定義的條件方差方程為：

式（2）中，It--1是個虛擬變量，當市場中有好消息時，μt-1＞0，It--1=0；反之，當市場中有壞消息時，μt-1＜0，It--1=1。只要γ≠0，就存在非對稱效應，γμt2-1It--1稱為非對稱效應項。方程表明條件方差σt2依賴于前一期的殘差平方μt2-1和前一期的條件方差σt2-1的大小。好消息和壞消息對條件方差有不同的影響：好消息只有一個α倍的沖擊，此時不存在非對稱項；壞消息有(α+β)倍的沖擊，存在非對稱項。如果γ＞0，說明存在杠桿效應，非對稱效應的主要效果是使得波動加大；如果γ＜0，非對稱效應的作用是使得波動減小。

1.2.2 EGARCH模型

該模型定義的條件方差方程為：

式（3）中，ln(σt2)為條件方差的對數(shù)，由于該條件方差是對數(shù)形式，不是二次的，因此其預測值一定非負。只要γ≠0，就存在非對稱效應。只要γ＜0，就存在杠桿效應。

1．3 Granger因果檢驗方法

Granger因果檢驗是用來分析兩個序列間的因果關系是否存在，主要看當期的變量Y能在多大程度上被以前的變量X所解釋，以及加入變量X的滯后期后，是否會提高對變量Y的解釋能力。如果X對預測Y有幫助，或者X與Y的相關系數(shù)在統(tǒng)計上顯著，那么變量Y就是由變量X“Granger”引起的；反之亦然。

Granger因果檢驗通過檢驗一個變量的滯后變量是否可以放入其他變量的方程中，如果該變量受到其他變量滯后期的影響，則稱兩個變量間存在Granger因果關系，其中滯后期的選擇根據(jù)AIC和SC準則來確定。

2 實證分析

2．1 樣本選取與數(shù)據(jù)預處理

本文選取道瓊斯工業(yè)平均指數(shù)(DJIA)、香港恒生指數(shù)(HSI)、日經(jīng)225指數(shù)(N255)、倫敦金融時報100指數(shù)(FTSE100)和滬深300指數(shù)(CSI300)，分別作為美洲(AM)、亞太(AP)、歐非中東(EMEA)和大中華地區(qū)(GC)的股市代表，以各股指日收益率數(shù)據(jù)作為分析對象。樣本期為2010年1月4日至2015年3月31日，其中，第一階段為2010年1月4日至2012年9月5日，第二階段為2012年9月6日至2015年3月31日。剔除各地區(qū)節(jié)假日不一致導致的非共同à易日，共得到1154個à易日數(shù)據(jù)，其中，第一階段587個à易日數(shù)據(jù)，第二階段567個à易日數(shù)據(jù)。為了有效避免金融時間序列的異方差性，在實證分析之前對原收益率序列做對數(shù)差分處理，具體為：

式(4)中，Ri，t表示第i個指數(shù)在第t日的對數(shù)收益率，Pi，t表示第i個指數(shù)在第t日的收盤價?？紤]到地區(qū)之間的時差，取t-1作為美國股市à易日，而t作為其他股市à易日。數(shù)據(jù)來源于銳思金融數(shù)據(jù)庫和網(wǎng)易財經(jīng)，對數(shù)據(jù)的處理采用Eviews8.0和Excel2007。

2．2 描述性統(tǒng)計分析

表1中數(shù)據(jù)顯示：從均值來看，相比舊金融環(huán)境，各股市在新金融環(huán)境中，收益率均得到較大幅度的提高，美國、中國香港、日本、倫敦和中國內(nèi)地的股市收益率分別上漲50%、267%、450%、625%、238%。從標準差來看，新舊金融環(huán)境相比，除日本股市略微上升、中國內(nèi)地股市持平外，其余股市均降低，表明股市收益率均值的代表性呈增強趨勢。從偏度、峰度和J-B統(tǒng)計量來看，在兩種環(huán)境下，各股市收益率均顯著異于正態(tài)分布，存在明顯的“尖峰厚尾”現(xiàn)象。從自相關檢驗來看，在5%的顯著性水平下，序列LBQ統(tǒng)計量表明，舊秩序下美、日股市具有明顯的自相關現(xiàn)象，而英國、中國香港和中國內(nèi)地股市則不存在顯著的序列相關現(xiàn)象，新秩序下只有中國內(nèi)地股市收益率序列具有明顯的自相關現(xiàn)象，其他股市則無顯著的自相關現(xiàn)象；序列平方的LBQ統(tǒng)計量表明，舊秩序下除中國內(nèi)地股市以外其余股市收益率序列均存在顯著的自相關現(xiàn)象，新秩序下除中國香港股市以外其余股市收益率序列均存在顯著的自相關現(xiàn)象，表明股市波動的時變性和聚集性特征較為明顯。從ADF檢驗來看，在兩種秩序下，各股市收益率均拒絕隨機游走的原假設，表明序列均為平穩(wěn)序列。

表1 變量的描述性統(tǒng)計

2．3 GARCH(1,1)模型選擇

根據(jù)對數(shù)極大似然函數(shù)值最大和AIC準則最小的選擇標準，對新舊秩序下各股市的GARCH(1,1)模型進行選擇，結(jié)果見表2。

從表2可知，在舊秩序下，美國和香港股市應選擇TARCH(1,1)-G模型，日本和英國股市應選擇EGARCH(1, 1)-T模型，中國內(nèi)地股市應選擇EGARCH(1,1)-G模型；在新秩序下，美國和日本股市應選擇EGARCH(1,1)-G模型，香港和中國內(nèi)地股市應選擇TARCH(1,1)-G模型，英國股市應選擇TARCH(1,1)-T模型。

表2 GARCH(1,1)模型選擇

表3 GARCH(1,1)模型條件方差方程的參數(shù)估計

2．4 參數(shù)估計與杠桿效應檢驗

從表3可知，在舊秩序下，美國和香港股市TARCH模型條件方差方程中的非對稱效應項系數(shù)顯著大于0，而日本、英國和中國內(nèi)地股市EGARCH模型條件方差方程中的非對稱效應項系數(shù)顯著小于0，表明這5個股市股價波動存在明顯的杠桿效應，利空消息能比等量的利好消息產(chǎn)生更大的波動。在新秩序下，美國和日本股市EGARCH模型條件方差方程中的非對稱效應項系數(shù)顯著為負，香港和英國股市TARCH模型條件方差方程中的非對稱效應項系數(shù)顯著為正，表明這4個股市存在明顯的杠桿效應，非對稱效應的作用使得股價波動加大；而中國內(nèi)地股市TARCH模型條件方差方程中的非對稱效應項系數(shù)顯著小于0，表明該股市股價波動不存在杠桿效應，但存在非對稱效應，利好消息能比等量的利空消息產(chǎn)生更大的波動，且非對稱效應的作用使得股價波動減小。不同消息對股價波動的沖擊如表4所示。

表4 不同消息對股價波動的沖擊

2．5 波動溢出效應檢驗

運用Granger因果檢驗，對國際金融舊秩序下股市波動溢出效應進行檢驗，結(jié)果見表5。從表5可知，在國際金融舊秩序下，從中國內(nèi)地股市與其他股市間的波動溢出檢驗來看，存在中國內(nèi)地股市對美國股市的單向波動溢出和英國股市對中國內(nèi)地股市的單向波動溢出，而中國內(nèi)地股市與其他股市間不存在任何波動溢出關系。在考察香港股市與其他股市間關系時發(fā)現(xiàn)，香港股市對美國股市有單向波動溢出，英國股市對香港股市有單向波動溢出。此外，英國股市對美國和日本股市存在單向波動溢出，日本股市對美國股市存在單向波動溢出。各股市之間不存在任何雙向波動溢出。上述關系如圖1所示。

表5 國際金融舊秩序下股市波動溢出效應Granger因果檢驗

圖1國際金融舊秩序的股市波動傳導路徑

從圖1可知，在國際金融舊秩序環(huán)境中，各國股市間存在顯著的波動關聯(lián)性，且英國股市具有先導作用，對美國、日本、中國香港和中國內(nèi)地股市均有直接風險溢出，而日本、中國香港和中國內(nèi)地股市可將英國股市的波動風險間接傳導給美國股市。

運用Granger因果檢驗，對國際金融新秩序下股市波動溢出效應進行檢驗，結(jié)果見表6。

從表6可知，在國際金融新秩序下，中國內(nèi)地股市與其他股市之間不存在任何波動溢出關系。香港和日本股市均對美國股市有單向波動溢出，英國股市對美國、日本和香港股市均有單向波動溢出。各股市之間不存在任何雙向波動溢出。上述關系如圖2所示。

表6 國際金融新秩序下股市波動溢出效應Granger因果檢驗

圖2國際金融新秩序的股市波動傳導路徑

從圖2可知，在國際金融新秩序環(huán)境中，英國股市仍然是金融風險的傳染源，對美國、日本和香港股市均有直接風險溢出，且英國股市還可通過香港和日本股市將波動風險間接傳導至美國股市。

對圖1和圖2比較可知：相對國際金融舊秩序而言，國際金融新秩序下中國內(nèi)地股市退出波動溢出傳導關系鏈。從表5和表6中Granger因果檢驗的顯著性概率可判斷：新秩序下傳導路徑中的波動溢出程度相對舊秩序減弱。究其原因：在國際金融舊秩序下，受歐洲主權債務危機影響，英國不能獨善其身，也陷入政府債務危機中，英國股市通過對外貿(mào)易等將沖擊傳導給歐洲以外的股市，使得全球主要股市出現(xiàn)動蕩，作為歐盟最大的貿(mào)易合作伙伴，美國股市受到的沖擊也是最大的。近年來隨著信息產(chǎn)業(yè)的迅速發(fā)展以及全球制造業(yè)向亞太地區(qū)的轉(zhuǎn)移，亞太地區(qū)新興市場與發(fā)達市場間的資本和信息流動加快，亞太股市與發(fā)達股市間的聯(lián)動性加強，導致亞太股市波動風險加大，但可通過對外貿(mào)易將波動風險向外傳遞。在國際金融新秩序下，歐洲國家實行緊縮的財政政策和寬松的貨幣政策以及外來援助的救助機制等多種手段，有效緩解并遏制了危機的進一步蔓延，重債國已逐步回歸市場融資，并已實現(xiàn)經(jīng)濟增長，歐洲金融市場的系統(tǒng)性風險得到了有效控制。此外，世界各國(或地區(qū))通過改革貨幣體系、加強金融監(jiān)管、改善金融治理等手段，促進了國內(nèi)乃至全球經(jīng)濟復蘇，提高了對外部風險溢出的防范能力。特別是，中國在歐洲危機期間通過購買國債和直接投資的方式提供了實質(zhì)性幫助，同時在國內(nèi)通過一系列結(jié)構(gòu)性改革和擴大內(nèi)需的刺激措施，實施“新能源”、“再工業(yè)化”等戰(zhàn)略，改進了出口和投資模式，拉動了中國經(jīng)濟增長，成為拉動世界經(jīng)濟的主要力量，不僅降低了自身金融風險，也大大提高了對外來金融風險的抵御能力。

3 結(jié)論

本文以美國、日本、英國、中國香港和中國內(nèi)地5個全球主要股市指數(shù)2010年1月4日至2015年3月31日間日收益率序列為研究對象，在國際金融新舊秩序的不同背景下，運用GARCH模型和Granger因果關系檢驗方法分析股市間股價波動溢出效應及其傳導路徑，得出如下結(jié)論：第一，在舊秩序下，各股市存在顯著的杠桿效應；在新秩序下，除中國內(nèi)地股市外，其余股市仍存在顯著的杠桿效應，而中國內(nèi)地股市只存在非對稱效應。第二，無論新舊秩序下，英國股市均是金融風險的輸出者，而美國股市則是金融風險的接受者。在國際金融舊秩序環(huán)境中，英國股市對美國、日本、中國香港和中國內(nèi)地股市均有風險溢出，還可通過中、日股市將波動風險傳導至美國股市；在國際金融新秩序環(huán)境中，英國股市對美國、日本和中國香港股市均有風險溢出，還可通過香港和日本股市將波動風險傳導至美國股市。相比舊秩序，新秩序下中國內(nèi)地股市退出波動溢出傳導路徑，其他波動溢出關系也呈現(xiàn)弱化跡象。這與現(xiàn)有文獻的研究結(jié)論不同，可能的原因是世界各國(或地區(qū))為防范歐債危機蔓延，采取了多項應對措施，加強了國際合作，促進了國際金融秩序的重建和有序發(fā)展。

[1]Allen D E,Amram R,McAleer M.Volatility Spillovers From the Chi?nese Stock Market to Economic Neighbors[J].Journal of Mathematics and Computers in Simulation,2013(94).

[2]Natarajan V K,Singh A R R,Priya N C.Examining Mean-Volatility Spillovers Across National Stock Markets[J].Journal of Economics,Fi?nance and Administrative Science,2014,(19).

[3]Nishimura Y,Tsutsui Y,Hirayama K.Intraday Return and Volatility Spillover Mechanism From Chinese to Japanese Stock Market[J].Jour?nal of the Japanese and International Economies,2015，(35).

[4]陳瀟,楊恩.中美股市杠桿效應與波動溢出效應[J].財經(jīng)科學,2011，(4).

[5]Golosnoy V,Gribisch B,Liesenfeld R.Intra-daily Volatility Spill?overs in International Stock Markets[J].Journal of International Mon?ey and Finance,2015，(53).

[6]楊飛虎,熊家財.國際金融危機背景下國內(nèi)外股市波動溢出效應的實證研究[J].當代財經(jīng),2011，(8).

（責任編輯/劉柳青）

F830.91

A

1002-6487（2016）24-0155-04

國家自然科學基金面上項目（71371087）；中國博士后基金面上項目（2013M541603）；江蘇大學高級人才專項資助項目（11JDG173）

苗 晴（1978—），女，河南焦作人，博士，講師，研究方向：經(jīng)濟系統(tǒng)分析與決策、資本市場。

石盈芳（1974—），女，江蘇無錫人，碩士，講師，研究方向：財務管理。

孔玉生（1962—），男，江蘇高淳人，教授，博士生導師，研究方向：財務管理、會計控制與決策。