交叉上市與中美股市波動(dòng)溢出效應(yīng)

金丹

（湖北經(jīng)濟(jì)學(xué)院 金融學(xué)院，武漢 430205）

交叉上市與中美股市波動(dòng)溢出效應(yīng)

金丹

（湖北經(jīng)濟(jì)學(xué)院 金融學(xué)院，武漢 430205）

為分析交叉上市與波動(dòng)溢出效應(yīng)，選取11家同時(shí)在中國(guó)與美國(guó)交叉上市的公司，參照標(biāo)準(zhǔn)普爾500指數(shù)與上證綜合指數(shù)的編制方法，分別編制A股指數(shù)與N股指數(shù)，然后將編制出的A股指數(shù)與N股指數(shù)取對(duì)數(shù)收益后，運(yùn)用BEKK-GARCH模型來(lái)估計(jì)波動(dòng)溢出效應(yīng)。結(jié)果表明存在雙向的波動(dòng)溢出效應(yīng)，即不僅在中國(guó)市場(chǎng)上交易的公司股價(jià)對(duì)在美國(guó)市場(chǎng)的股價(jià)有影響，反過(guò)來(lái)，在美國(guó)市場(chǎng)上交易的公司股價(jià)對(duì)在中國(guó)市場(chǎng)上交易的股價(jià)也有影響，但在中國(guó)市場(chǎng)上交易的股價(jià)對(duì)美國(guó)市場(chǎng)上交易的公司股價(jià)的影響更大。

交叉上市；波動(dòng)溢出效應(yīng)；BEKK－GARCH；美國(guó)；中國(guó)

一、問(wèn)題的提出

2014年9月18日，阿里巴巴在美國(guó)紐交所上市，募集資金217.6億美元，成為美國(guó)歷史上最大的IPO。作為世界上最大的兩個(gè)經(jīng)濟(jì)體，越來(lái)越多的中國(guó)公司赴美上市，同時(shí)由于中國(guó)資本市場(chǎng)的發(fā)展，一些在美國(guó)上市的中國(guó)公司也會(huì)選擇回歸A股。隨著證券市場(chǎng)的開(kāi)放，一家公司既在A股發(fā)行上市，又在紐約證交所上市的現(xiàn)象將會(huì)越來(lái)越普遍。本文將研究在上海證券交易所和美國(guó)紐約證券交易所交叉上市的公司的信息傳遞與波動(dòng)性問(wèn)題。

交叉上市（Cross Listing）是指同一家公司在兩個(gè)或者多個(gè)國(guó)家的證券交易所上市的行為。通過(guò)兩地交叉上市的公司價(jià)格之間的傳遞，導(dǎo)致波動(dòng)性從一個(gè)市場(chǎng)傳遞到另一個(gè)市場(chǎng)，從而產(chǎn)生波動(dòng)溢出效應(yīng)[1]。目前，我國(guó)上市公司交叉上市的地點(diǎn)除了香港之外，美國(guó)也是另外一個(gè)重要的市場(chǎng)。同時(shí)，由于美國(guó)市場(chǎng)在全球資本市場(chǎng)中占據(jù)主導(dǎo)地位，可以向全球輸出波動(dòng)性，所以其對(duì)全球及中國(guó)證券市場(chǎng)的影響更加突出。本文正是研究在美國(guó)交叉上市的中國(guó)公司的股價(jià)波動(dòng)規(guī)律，力圖找到波動(dòng)溢出效應(yīng)的影響因素。

二、相關(guān)文獻(xiàn)綜述

交叉上市對(duì)母國(guó)與上市地股票價(jià)格的影響一直都是學(xué)者們研究的熱點(diǎn)問(wèn)題。各國(guó)學(xué)者對(duì)交叉上市的研究主要集中在以下方面。

（一）關(guān)于交叉上市的作用

1.價(jià)格發(fā)現(xiàn)

從理論上講，同一家公司即使在兩地分別上市，若不存在市場(chǎng)分割，信息可以自由流動(dòng)，即市場(chǎng)是有效的，則股價(jià)會(huì)對(duì)信息迅速作出反應(yīng)，既不會(huì)反應(yīng)過(guò)度，也不會(huì)反應(yīng)不足，那么兩地上市的公司股價(jià)應(yīng)是一致的。正是從這一點(diǎn)出發(fā)，兩地交叉上市會(huì)對(duì)公司股價(jià)起到價(jià)格發(fā)現(xiàn)的作用。

Harris等[2]、Hasbrouck[3]研究了在美國(guó)上市的非美國(guó)公司的股價(jià)波動(dòng)，得出公司股票在美國(guó)上市有助于在本國(guó)市場(chǎng)的價(jià)格發(fā)現(xiàn)。Ding等[4]探討了在吉隆坡和新加坡交叉上市的馬來(lái)西亞公司股票，發(fā)現(xiàn)交叉上市具有較強(qiáng)的價(jià)格發(fā)現(xiàn)功能。Lieberman等[5]研究了在美國(guó)上市的以色列公司股票，發(fā)現(xiàn)同樣存在著價(jià)格發(fā)現(xiàn)功能。Hupperets和Menkveld[6]研究了同時(shí)在阿姆斯特丹和紐約交易所上市的荷蘭公司股票，發(fā)現(xiàn)阿姆斯特丹市場(chǎng)價(jià)格發(fā)現(xiàn)功能更顯著。Lee等[7]研究了同時(shí)在香港及倫敦上市的香港公司股票，也發(fā)現(xiàn)了價(jià)格發(fā)現(xiàn)功能。Eun等[8]檢驗(yàn)了在美國(guó)交叉上市的加拿大公司的股票，發(fā)現(xiàn)其對(duì)在美國(guó)交叉上市對(duì)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)平均為38.1%。Grammig等[9]比較了在紐約、法蘭克福交叉上市的德國(guó)公司股票，發(fā)現(xiàn)德國(guó)市場(chǎng)更具價(jià)格發(fā)現(xiàn)能力。

2.信息溢出效應(yīng)

由于公司的股價(jià)在兩地存在領(lǐng)先-滯后關(guān)系（Lead-lag Relation），因而產(chǎn)生了信息溢出效應(yīng)。Koulakiotis等[10]檢驗(yàn)在巴黎股票交易所中在國(guó)外交叉上市的上市公司對(duì)波動(dòng)性溢出效應(yīng)的沖擊，結(jié)論是巴黎交易所中交叉上市的股票的信息溢出效應(yīng)非常重要，同時(shí)不同的管理環(huán)境對(duì)信息溢出效應(yīng)也有著重要的影響。

3.波動(dòng)溢出效應(yīng)

領(lǐng)先-滯后關(guān)系的另一個(gè)表現(xiàn)就是公司股價(jià)的波動(dòng)溢出效應(yīng)。Howe和Kelm[11]用事件研究法檢驗(yàn)了在海外上市的美國(guó)公司，在宣布交叉上市前后的131個(gè)交易日中的異常收益的情況，發(fā)現(xiàn)在這期間，交叉上市給這些公司帶來(lái)了-5.1%的異常收益。lau和Diltz[12]考察了7個(gè)同時(shí)在東京和紐約股票交易所上市的日本公司，發(fā)現(xiàn)存在明顯的波動(dòng)溢出效應(yīng)。

（二）關(guān)于交叉上市與股市波動(dòng)溢出效應(yīng)之間的關(guān)系

Karolyi[13]利用雙變量GARCH模型檢驗(yàn)在美國(guó)與加拿大雙重上市的公司的收益能多快傳遞到其他市場(chǎng)，還通過(guò)模擬這一雙變量GARCH模型的脈沖響應(yīng)來(lái)檢驗(yàn)波動(dòng)性是如何迅速傳遞的。Koulakiotis等[10]利用改良的GARCH模型來(lái)檢驗(yàn)巴黎股票交易所中在國(guó)外交叉上市的上市公司對(duì)波動(dòng)性溢出效應(yīng)的沖擊，結(jié)論顯示巴黎交易所中交叉上市的股票的信息溢出效應(yīng)非常重要，同時(shí)不同的管理環(huán)境對(duì)信息溢出效應(yīng)也有著重要的影響。比起在法國(guó)的股票交易所交叉上市的國(guó)內(nèi)股票，在寬松的監(jiān)管環(huán)境中境外上市，其波動(dòng)性的傳遞對(duì)溢出效應(yīng)更為重要。

學(xué)術(shù)界對(duì)于國(guó)內(nèi)交叉上市的公司的研究主要集中在A+H股。Li等[14]研究了1997年1月至2002年3月期間13家香港、內(nèi)地交叉上市公司的股價(jià)表現(xiàn)，發(fā)現(xiàn)H股相對(duì)于A股有較高的折價(jià)。曹傳琪[15]利用協(xié)整檢驗(yàn)和Granger因果檢驗(yàn)，發(fā)現(xiàn)A股與H股市場(chǎng)間存在波動(dòng)溢出效應(yīng)。Poon和Fung[16]運(yùn)用多變量EGARCH模型，采用兩步估計(jì)法檢驗(yàn)了H股和紅籌股與滬深普通股之間的收益和波動(dòng)溢出效應(yīng)。陳學(xué)勝、周愛(ài)民[17]根據(jù)Gonzalo和Granger[18]的永久/暫時(shí)模型及Hasbrou[3]的信息分享模型，對(duì)A股市場(chǎng)和H股市場(chǎng)交叉上市的公司進(jìn)行研究，結(jié)果表明A股、H股價(jià)格存在協(xié)整關(guān)系且相互進(jìn)行調(diào)整。

中國(guó)A股的上市公司除了在香港上市外，越來(lái)越多的公司也選擇在美國(guó)發(fā)行上市。因而，對(duì)A+N股交叉上市的研究有利于了解中美股市間波動(dòng)的內(nèi)在聯(lián)系，對(duì)防范金融風(fēng)險(xiǎn)在全球市場(chǎng)的傳播起到一定的作用。

三、樣本選擇、數(shù)據(jù)處理與方法的選擇

（一）樣本選擇

為檢驗(yàn)中美股市之間波動(dòng)溢出效應(yīng)的影響因素，我們選取同時(shí)在中國(guó)大陸和NYSE交叉上市的11家中國(guó)公司（見(jiàn)表1），包括華能國(guó)際、中國(guó)石化、南方航空、中國(guó)聯(lián)通、東方航空、兗州煤業(yè)、上海石化、廣深鐵路、中國(guó)鋁業(yè)、中國(guó)人壽、中國(guó)石油。樣本時(shí)間從2008年1月1日至2013年12月31日。N股行情來(lái)源于雅虎財(cái)經(jīng)（finance.yahoo.com），A股行情來(lái)源于萬(wàn)德數(shù)據(jù)（WIND）。

表1 上交所與紐約證交所交叉上市公司一覽表

（二）編制指數(shù)

在本文的研究中，我們的研究方法是將這11家公司的A股與N股分別編制A股指數(shù)與N股指數(shù)。這樣做的優(yōu)點(diǎn)在于可將這11家公司視為一個(gè)整體，可以使我們更為直觀地分析交叉上市與股市波動(dòng)溢出效應(yīng)之間的關(guān)系。

1.N股指數(shù)

對(duì)于11家在NYSE上市的中國(guó)公司，根據(jù)標(biāo)準(zhǔn)普爾指數(shù)的編制方法編制一個(gè)能反映這11家公司股票價(jià)格的指數(shù)，公式為：

2.A股指數(shù)

選取這11家同時(shí)在A股上市的公司，編制A股指數(shù)。公式為：

為編制的A股指數(shù)，其余各字母含義同前。同樣選取2007年12月31日為基期，以報(bào)告期流通量為權(quán)數(shù)②，基數(shù)值為100。通過(guò)上面公式所計(jì)算出的A股指數(shù)共1458個(gè)數(shù)據(jù)。

由于兩國(guó)的節(jié)假日休市的時(shí)間并不統(tǒng)一，因而在節(jié)假日的處理上，我們依據(jù)Hamao等[19]的做法，對(duì)于兩個(gè)股市中任一股市休市，而另一股市沒(méi)有休市的情況給予刪除當(dāng)日記錄的方式來(lái)處理。整理后所得數(shù)據(jù)共有1409組。

（三）采取的方法

從對(duì)以前文獻(xiàn)的梳理中可看出，研究交叉上市對(duì)波動(dòng)溢出效應(yīng)的影響的主要方法有事件研究法、協(xié)整分析和GARCH模型。本文選取公司股價(jià)的日數(shù)據(jù)，采用BEKK-GARCH模型對(duì)交叉上市與波動(dòng)溢出效應(yīng)進(jìn)行研究。

BEKK模型可以保證Ht的正定性，并具有較少的參數(shù)個(gè)數(shù)。許多學(xué)者也運(yùn)用BEKK-GARCH模型對(duì)波動(dòng)溢出效應(yīng)進(jìn)行檢驗(yàn)，如Karolyi[20]利用二維BEKK-GARCH模型研究了美國(guó)和加拿大股市的波動(dòng)溢出問(wèn)題。趙留彥、王一鳴[1]研究A、B股之間的波動(dòng)溢出問(wèn)題；王群勇、王國(guó)忠[21]也運(yùn)用此模型研究滬市A、B股之間的波動(dòng)溢出問(wèn)題；劉維奇、謝黎旭[22]運(yùn)用此模型研究權(quán)證市場(chǎng)與基礎(chǔ)市場(chǎng)之間的關(guān)系。表2是各種GARCH模型的特點(diǎn)。

BEKK-GARCH模型的形式為：

其中，C為常數(shù)上三角矩陣，A代表ARCH項(xiàng)的系數(shù)矩陣，用以衡量從第i個(gè)市場(chǎng)的上一期平方誤差（均值方程中的殘差）對(duì)第j個(gè)市場(chǎng)條件方差的影響程度，B為GARCH項(xiàng)的系數(shù)矩陣，表示從第i個(gè)市場(chǎng)的上一期條件方差對(duì)第j個(gè)市場(chǎng)條件方差的影響程度。Ht為2×2維對(duì)稱矩陣，表示N股指數(shù)與A股指數(shù)在時(shí)間t的方差-協(xié)方差矩陣。各矩陣的表示如下：

表2 多元GARCH模型特點(diǎn)比較

將條件方差-協(xié)方差矩陣以分量方程的形式可表示為：

其中，h11，t為的條件方差，h22，t為的條件方差，h12，t為與的協(xié)方差，cij，αij，βij分別為矩陣C、A、B的第（i，j）個(gè)元素。

式 （1）反映的是N股指數(shù)的條件方差，β112和β212分別表示N股指數(shù)的當(dāng)期條件方差受本身和所編制的A股指數(shù)上一期條件方差的影響程度，α112和α212表示的當(dāng)期條件方差受市場(chǎng)本身和 A股指數(shù)前期波動(dòng)的影響程度，2β11β21表示的波動(dòng)受的波動(dòng)的間接影響。因此，可近似地將殘差平方ε2，t-12看作是對(duì)的波動(dòng)溢出項(xiàng)，其系數(shù)大小反映了溢出程度的強(qiáng)弱。

并且，從上述方程可清晰看出一個(gè)資本市場(chǎng)的條件方差是如何受到其自身和另一個(gè)市場(chǎng)滯后因素的影響。如在（1）式中，對(duì)的條件方差的影響是通過(guò)β212、2α11α12ε1，t-1ε2，t-1、α212ε2，t-12三項(xiàng)來(lái)實(shí)現(xiàn)的。因此，檢驗(yàn)對(duì)是否存在直接波動(dòng)溢出效應(yīng)，可通過(guò)檢驗(yàn)參數(shù)β21和α21兩參數(shù)是否顯著來(lái)驗(yàn)證。當(dāng)β21和α21兩參數(shù)為0時(shí)，上述方程組可簡(jiǎn)化成：

研究的基本步驟為：第一步，選擇樣本與編制指數(shù)，即選取11家同時(shí)在中國(guó)大陸與美國(guó)交叉上市的公司為樣本，并編制相應(yīng)的A股指數(shù)與N股指數(shù)；第二步，對(duì)已編制指數(shù)的收益率進(jìn)行基本統(tǒng)計(jì)量分析；第三步，對(duì)收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)；第四步，若收益率序列是平穩(wěn)的，則建立BEKKGARCH模型，來(lái)檢驗(yàn)所編制的A股指數(shù)與N股指數(shù)之間是否存在波動(dòng)溢出效應(yīng)。

四、交叉上市與波動(dòng)溢出效應(yīng)的實(shí)證分析

（一）A股指數(shù)與N股指數(shù)的走勢(shì)圖

根據(jù)編制的A股指數(shù)與N股指數(shù)畫出走勢(shì)圖（見(jiàn)圖1）中可以看出，所編制的N股指數(shù)與A股指數(shù)具有一定的趨同性，可以考慮交叉上市的公司中存在一定的相互影響關(guān)系，即波動(dòng)溢出效應(yīng)。

圖1 A股指數(shù)與N股指數(shù)的走勢(shì)圖

（二）描述性統(tǒng)計(jì)量

為反映交叉上市公司與股價(jià)波動(dòng)溢出效應(yīng)之間的關(guān)系，對(duì)已編制的A股指數(shù)與N股指數(shù)取對(duì)數(shù)收益率。

RNt為11家N股指數(shù)的收益率，RAt即為交叉上市的11家A股指數(shù)的收益率。

從表3的描述性統(tǒng)計(jì)量可以看出，RA及RN（所編制的A股指數(shù)與N股指數(shù)的收益率序列）的峰度K＞3，呈現(xiàn)出尖峰的特征。序列RN的偏度S＞0，左偏；序列RA＜0，右偏。JB統(tǒng)計(jì)量值較大，p值很小，說(shuō)明不符合正態(tài)分布。兩個(gè)指數(shù)的收益率序列均呈現(xiàn)出“尖峰肥尾”這一金融時(shí)間序列的典型特征。

（三）平穩(wěn)性檢驗(yàn)（ADF檢驗(yàn)）

從表4的ADF統(tǒng)計(jì)量來(lái)看，在樣本期間，RA及RN的收益率序列的ADF值均小于臨界值，即不存在單位根，兩個(gè)收益率序列均是平穩(wěn)的。

表3 A股指數(shù)與N股指數(shù)的描述性統(tǒng)計(jì)量

表4 A股指數(shù)與N股指數(shù)的ADF檢驗(yàn)結(jié)果

（四）相關(guān)性檢驗(yàn)

對(duì)RN及RA收益率序列進(jìn)行相關(guān)性檢驗(yàn)，從自相關(guān)圖中發(fā)現(xiàn)，兩個(gè)序列均存在自相關(guān)的時(shí)間序列特性。于是分別對(duì)RN序列建立ARMA（5，5）模型，對(duì)RA序列建立ARMA（3，3）模型，再對(duì)其殘差進(jìn)行LM檢驗(yàn)和Q檢驗(yàn)，表5的LM檢驗(yàn)結(jié)果表明，RA殘差序列的LM檢驗(yàn)在5%的顯著性水平下，RN殘差序列在1%的顯著性水平下拒絕原假設(shè)，殘差序列仍存在序列相關(guān)。LB-Q統(tǒng)計(jì)量也表明，殘差項(xiàng)存在自相關(guān)。同時(shí)，在殘差項(xiàng)的時(shí)序圖2和圖3中，可以看到明顯的集聚性（Cluster），說(shuō)明存在ARCH效應(yīng)。

表5 RN與RA殘差序列的LM檢驗(yàn)

圖2 RN序列的殘差圖

圖3 RA序列的殘差圖

（五）建立BEKK－GARCH模型

對(duì)N股指數(shù)與A股指數(shù)的收益率序列建立二元的BEKK-GARCH模型，表6是用MATLAB估計(jì)的BEKK-GARCH模型的估計(jì)結(jié)果。

表6 BEKK－GARCH模型的估計(jì)結(jié)果

從表6中可以看出，β21=0.0184、α21=-0.1294，說(shuō)明存在 A股指數(shù)對(duì) N股指數(shù)的波動(dòng)溢出效應(yīng)，β12=-0.0069、α12=0.0316，說(shuō)明也存在N股指數(shù)對(duì)A股指數(shù)的波動(dòng)溢出效應(yīng)。但由于β21＞β12，且α21＞α12，因而我們可以認(rèn)為，編制的A股指數(shù)對(duì)N股指數(shù)的影響大于N股指數(shù)對(duì)A股指數(shù)的影響。

五、結(jié)語(yǔ)

（一）文章的主要結(jié)論

本文利用BEKK-GARCH模型對(duì)2005—2013年中美股市中交叉上市公司的日數(shù)據(jù)，分析了交叉上市對(duì)價(jià)格波動(dòng)的影響，文章得出以下主要結(jié)論。

第一，從理論上說(shuō)，股票價(jià)格應(yīng)是其內(nèi)在價(jià)值的反映，因而，同一家公司雖然在不同的地點(diǎn)上市，但根據(jù)有效市場(chǎng)假說(shuō)，當(dāng)價(jià)格能夠迅速反映信息時(shí)，則兩地的價(jià)格應(yīng)是一樣的。但顯然結(jié)果并非如此，由于市場(chǎng)之間的流動(dòng)性、交易成本、投資者結(jié)構(gòu)、信息不對(duì)稱等方面的原因，同一家公司在兩地上市時(shí)，價(jià)格并不一致，其價(jià)格的波動(dòng)也并不一致，因而兩地交叉上市的公司成為波動(dòng)溢出效應(yīng)的影響因素之一。

第二，本文將我國(guó)在美國(guó)交叉上市的11家上市公司分別編制N股指數(shù)與A股指數(shù)，并利用BEKK-GARCH模型進(jìn)行實(shí)證研究，結(jié)果表明，兩地交叉上市的公司之間，由于價(jià)格波動(dòng)的相互影響，而產(chǎn)生了交叉上市公司之間的波動(dòng)溢出效應(yīng)。

第三，A股股價(jià)波動(dòng)對(duì)N股股價(jià)波動(dòng)的影響大于N股股價(jià)波動(dòng)對(duì)A股股價(jià)波動(dòng)的影響。究其原因，應(yīng)該是由于中國(guó)是這些公司的注冊(cè)地，而美國(guó)紐約證券交易所是其海外上市地，因而那些影響公司價(jià)格變動(dòng)的因素更多地影響著在中國(guó)上市的股份的價(jià)格，從而對(duì)美國(guó)上市公司產(chǎn)生更大的影響。

（二）進(jìn)一步的研究方向

本文主要利用BEKK-GARCH模型對(duì)交叉上市與中美股市的波動(dòng)溢出效應(yīng)進(jìn)行的研究。如前所述，這一模型在使用過(guò)程中存在參數(shù)經(jīng)濟(jì)意義不夠明確的缺點(diǎn)，在以后的研究中，可以嘗試運(yùn)用其他方法，如常向量GARCH進(jìn)行研究，并以研究結(jié)果進(jìn)行比較。此外，上述這11家公司很多也同時(shí)在香港上市，從而構(gòu)成A+H+N的現(xiàn)象，未來(lái)可對(duì)這種三地上市的公司股份波動(dòng)情況進(jìn)行研究。

注 釋：

① 在美國(guó)紐約證交所上市的中國(guó)公司，通常是以 ADR（American Depositary Receipt，美國(guó)存托憑證）的形式發(fā)行。而轉(zhuǎn)換率（Conversion Ratio）則是指每一單位的ADR代表成多少股的股票。

② 這里沒(méi)有象上證綜合指數(shù)一樣，選取總股本為權(quán)數(shù)，而是選取流通總股本為權(quán)數(shù)。原因在于一直以來(lái)，上證綜合指數(shù)受到廣泛指責(zé)的便是在于其選取總股本為權(quán)數(shù)，而市場(chǎng)價(jià)格卻是以可流通股來(lái)產(chǎn)生的。因此，現(xiàn)在新編制的成份指數(shù)均是以流通股為權(quán)數(shù)。正因如此，本文才選取流通股為權(quán)數(shù)。

[1]趙留彥，王一鳴.A、B股之間的信息流動(dòng)與波動(dòng)溢出[J].金融研究，2003，（10）：30-52.

[2]Harris,Frederick H.deb.,Thomas H.Mcinish,Gary L.Shoesmith, Robert A.Wood.Cointegration, Error Correction and Price Discovery on Informationally Linked Security Markets[J].JournalofFinancialand Quantitative Analysis，1995，（4）：563-579.

[3]Hasbrouck,Joel.One Security,Many Markets：Determining the Contributions to Price Discovery[J].Journal of Finance，1995，（4）：1175-1199.

[4]Ding D.K,Harris F H de B,Lau S T,Mc Inish T H..An Investigation of Price Discovery in Informationallylinked Markets： Equity trading in Malaysia and Singapore [J].Journal of Multinational Financial Management，1999，（3-4）：317-329.

[5]Lieberman O,Ben-Zion U,Hauser S,A Characterization of the Price Behavior of International Dual Stocks：An Error Correction Approach [J].Journal of International Money and Finance，1999，（18）：289-304.

[6]Hupperets Erik C J,Albert J,Menkveld.Intraday Analysis of Market Integration：Dutch Blue Chips Traded in Amsterdam and New York[J].Journal of Financial Markets，2002，（1）：57-82.

[7]Lee W.Y，Jiang CX，Indro D C.Stock Market Volatility，Excess Returns，and the Role of Investor Sentiment[J].Journal of Banking and Finance，2002，（12）：2277-2299.

[8]Eun C.S.,Sabherwal S..Cross-border Listings and Price Discovery：Evidence From U.S.-listed Canadian Stocks[J].Journal of Finance，2003，（2）：549-576.

[9]Grammig,J,Melvin M,Schlag C.Internationally Crosslisted Stock Prices During Overlapping Trading Hours：Price Discovery and Exchange Rate Effects[J].Journal of Empirical Finance，2005，（1）：139-164.

[10]Koulakiotis Athanasios，Katerina Lyroudi,Dimitrios Angelidis.The Impact of Foreign Cross-Listings on Symmetric Information Spillovers Between Markets：the Case of the Paris Stock Exchange[C].European Financial Management Association Annual Meeting,2004.

[11]Howe S.，Kelm K.The Stock Price Impacts of Overseas Listings[J].Financial Management，1987，（3）：51-56.

[12]Lau S.T.，J.D.Diltz.Stock Returns And The Transfer OfInformationBetweenTheNew YorkAndTokyo Stock And Finance [J].Journal Of International Money and Finance，1994，（2）：211-222.

[13]Karolyi G.A.A Multivariate LARCH Model of International Transmission if Stock Return and Volatility：the Case of the United States and Canada[J].Journal of Business and Economics statistic，1995，（1）：11-25.

[14]Li Yuming,Daying Yan,Joe Greco.Market Segmentation and Price Differentials between A Shares and H Shares in the Chinese Stock Markets[J].Journal of Multinational Financial Management，2006，（3）：232-248.

[15]曹傳琪.不斷變動(dòng)的A-H股的引導(dǎo)關(guān)系[N].中國(guó)證券報(bào)，2007-01-31.

[16]Poon W,Fung H.Red Chips or H Shares：Which China Backed Securities Process Information the Fastest?[J].Journal of Multinational Financial Management，2000，（3）：315-343.

[17]陳學(xué)勝，周愛(ài)民.永久/暫時(shí)模型及信息分享模型下交叉上市公司價(jià)格發(fā)現(xiàn)研究——基于A+H股上市公司的實(shí)證檢驗(yàn)[J].軟科學(xué)，2009，（1）：132-137.

[18]Gonzalo,J.,C.Granger.Estimation of Common Longmemory Components in Cointegrated Systems[J].Journal of Business and Economic Statistics，1995，（1）：27-35.

[19]HamaoY,R.W.Masulis，V.Ng.Correlation in Price Changes and Volatility across International Stock Markets [J].The Review ofFinancialStudies，1990,（3）：281-307.

[20]Karolyi G.A.A Multivariate LARCH Model of International Transmission if Stock Return and Volatility：the Case of the United States and Canada[J].Journal of Business and Economics statistic,1995，（1）：11-25.

[21]王群勇，王國(guó)忠.滬市A、B股市場(chǎng)間信息傳遞模式研究[J].現(xiàn)代財(cái)經(jīng)，2005，（6）：26-29.

[22]劉維奇，謝黎旭.權(quán)證市場(chǎng)和基礎(chǔ)市場(chǎng)關(guān)系研究——基于二元GARCH模型的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，（1）：109-119.

（責(zé)任編輯：劉同清）

Cross-listing and Volatility Spillover in China and U.S.

JIN Dan
（Financial School,Hubei University of Economics,Wuhan 430205,China）

In order to study the cross-listing and volatility spillover,this paper selects 11 companies which is cross-listed at the same time in China and the U.S.,compiles index to the listed companies in the U.S.and China basing on the S&P500 and the Shanghai Composite index methodology.After compiling the A share index and N Index logarithmic returns, this paper use of BEKK-GARCH model to estimate the volatility spillover effect.The results show that there are bidirectional volatility spillover effects.That is not only in the Chinese market trading shares on the stock market impact in the United States,in turn,traded in the U.S.market shares in Chinese stock market transactions also have an impact,but in the Chinese market has a greater impact.

cross-listed;volatility spillover;BEKK-GARCH;U.S.;China

F830.91

A

1672-626X（2017）03-0038-07

2017-02-17

金丹（1975－ ），女，湖北武漢人，湖北經(jīng)濟(jì)學(xué)院副教授，經(jīng)濟(jì)學(xué)博士，主要從事資本市場(chǎng)研究。

10.3969/j.issn.1672-626x.2017.03.005