空間相關(guān)會(huì)影響股指的國(guó)際投資決策嗎？

, ,

(1. 華南理工大學(xué) 工商管理學(xué)院，廣東 廣州 510640; 2.廣西大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，廣西 南寧 530004)

1 引言

股市指數(shù)(下文簡(jiǎn)稱股指)作為股票市場(chǎng)價(jià)格變動(dòng)的指標(biāo)，能實(shí)時(shí)反映股市的變動(dòng)規(guī)律。伴隨著世界經(jīng)濟(jì)一體化和金融一體化進(jìn)程，國(guó)際資本流動(dòng)更加快速，世界各國(guó)經(jīng)濟(jì)得到巨大發(fā)展。但與此同時(shí)，各國(guó)經(jīng)濟(jì)波動(dòng)的同步性和股市波動(dòng)的全球化已變得更明顯、更為廣泛。2016年伊始，全球股市暴跌，然而進(jìn)入3月，全球股票市場(chǎng)全面上漲，新興市場(chǎng)更是進(jìn)入了一場(chǎng)大反彈。好景不長(zhǎng)，4月下旬股市普遍開始下跌，幾乎抵消了2016年以來的上漲。股票市場(chǎng)上演驚天大逆轉(zhuǎn)，金融市場(chǎng)的聯(lián)動(dòng)性威力再現(xiàn)，聯(lián)動(dòng)性再次成為近期全球股市的主題。

目前，已有眾多文獻(xiàn)用傳統(tǒng)的時(shí)間序列分析方法研究股指的聯(lián)動(dòng)性，研究?jī)?nèi)容主要集中在股指之間是否存在相關(guān)性以及如何引導(dǎo)。研究的模型及方法基本囿于傳統(tǒng)的統(tǒng)計(jì)方法。研究結(jié)果一致認(rèn)為經(jīng)濟(jì)貿(mào)易全球化以及金融市場(chǎng)的一體化是各國(guó)股指聯(lián)動(dòng)的主要原因，可從經(jīng)濟(jì)基本面、投資者行為及金融危機(jī)等極端事件等方面來解釋。這些模型和方法固然能對(duì)股指相關(guān)性提供部分證據(jù)并具有一定的說服力。但是，現(xiàn)實(shí)中經(jīng)常出現(xiàn)一些實(shí)體經(jīng)濟(jì)依賴并不緊密的國(guó)家之間也發(fā)生了股指聯(lián)動(dòng)性，且歷次聯(lián)動(dòng)性在不同程度上表現(xiàn)出集聚性或區(qū)域性。這些牽涉到地域空間的深層問題已經(jīng)超越了傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的研究范疇，傳統(tǒng)理論已不能解釋這類現(xiàn)象。因此，需引入能夠考慮時(shí)空相關(guān)的空間計(jì)量經(jīng)濟(jì)模型來研究股指聯(lián)動(dòng)過程。

本文考慮從以下幾點(diǎn)來展開研究：(1)研究股指空間相關(guān)性的原因及作用機(jī)理。同時(shí)，為了使研究更具有一般性，所以在以下幾個(gè)方面做了一些工作：第一，數(shù)據(jù)選取方面：與股指空間聯(lián)動(dòng)相關(guān)的文獻(xiàn)在研究時(shí)間范圍內(nèi)局限于金融危機(jī)階段，而本文卻采用更廣泛的時(shí)間范圍，同時(shí)包括危機(jī)階段及金融發(fā)展相對(duì)平穩(wěn)階段。第二，研究的對(duì)象則由以往文獻(xiàn)限定于少數(shù)發(fā)達(dá)國(guó)家或地區(qū)的股指擴(kuò)展為43國(guó)股指，研究對(duì)象既涵蓋發(fā)達(dá)市場(chǎng)，也涉及新興市場(chǎng)中的股指，因此研究范圍更廣泛、更具代表性。第三，空間權(quán)重設(shè)定方面：提出一種空間經(jīng)濟(jì)權(quán)重設(shè)定辦法。該經(jīng)濟(jì)權(quán)重將根據(jù)不同空間單元經(jīng)濟(jì)變量的相對(duì)距離來構(gòu)造，并且提出當(dāng)空間單元即使不相鄰，也會(huì)存在經(jīng)濟(jì)聯(lián)系。(2)通過對(duì)時(shí)空/時(shí)間序列相關(guān)系數(shù)進(jìn)行比較，分析論證兩類股指相關(guān)性在各階段所發(fā)揮作用的大小。本文研究結(jié)果可為企業(yè)或個(gè)人進(jìn)行國(guó)際股指投資提供決策依據(jù)。

2 文獻(xiàn)回顧與理論假設(shè)

近年來，一些文獻(xiàn)已采用空間計(jì)量經(jīng)濟(jì)學(xué)研究股指相關(guān)性[1～5]。雖然這些研究取得較多成果，但其仍存在不足之處：研究模型或僅從空間截面進(jìn)行分析，研究樣本或局限于少量發(fā)達(dá)市場(chǎng)的股指，研究的時(shí)間范圍或局限于某個(gè)金融危機(jī)階段。那么，更大范圍的市場(chǎng)之間，以及新興國(guó)家之間的股指是否存在空間相關(guān)？這個(gè)問題依然還沒得到解決。但與此同時(shí)，卻有學(xué)者提出，空間計(jì)量經(jīng)濟(jì)學(xué)是研究區(qū)域經(jīng)濟(jì)的一門科學(xué)，將其運(yùn)用在股票市場(chǎng)不甚合理。鑒于此，本文選取43國(guó)股指來對(duì)其空間相關(guān)性進(jìn)行檢驗(yàn)與機(jī)理探討。根據(jù)Tobler[6]提出的地理學(xué)第一定律，本文首先提出股指之間存在空間相關(guān)關(guān)系的幾點(diǎn)理由：

(1)股指之間由于經(jīng)濟(jì)或政治文化制度等方面的相似性而產(chǎn)生空間相關(guān)性。具體來說，經(jīng)濟(jì)運(yùn)行模式及經(jīng)濟(jì)制度等方面的接近性和政治文化方面的相似性，會(huì)使國(guó)家之間出現(xiàn)不同形式的合作與分工。經(jīng)濟(jì)、政治制度方面的相似性越強(qiáng)，它們之間經(jīng)濟(jì)來往則越密切(常常會(huì)形成某種形式的經(jīng)濟(jì)同盟)，而反應(yīng)經(jīng)濟(jì)晴雨表的股指間相關(guān)性越強(qiáng)；反之，相關(guān)性越弱。

(2)截面上投資者互相競(jìng)爭(zhēng)和合作?，F(xiàn)實(shí)中，一些國(guó)家擁有較豐富的資源稟賦或較合理的經(jīng)濟(jì)結(jié)構(gòu)，易將其他國(guó)家的技術(shù)、勞動(dòng)力、信息等方面的資源大量吸引進(jìn)來，從而使本國(guó)企業(yè)快速發(fā)展利潤(rùn)提升，反映其利潤(rùn)變動(dòng)的股價(jià)跟隨上漲；反之，股價(jià)跟隨下跌。最終形成股指間空間負(fù)相關(guān)關(guān)系。

(3)溢出效應(yīng)的存在。如某國(guó)大量投資基礎(chǔ)設(shè)施建設(shè)，或引入先進(jìn)的科技人才隊(duì)伍等措施，從而帶動(dòng)本國(guó)相關(guān)企業(yè)收益加大，股票價(jià)格上升。其他國(guó)家的企業(yè)由于與該國(guó)有商品、技術(shù)、勞動(dòng)力等方面資源往來，從而經(jīng)濟(jì)效益也隨之增長(zhǎng)，股指上漲，股指呈現(xiàn)高值與高值正相關(guān)關(guān)系。相反，與之無交往的國(guó)家效益下滑, 股指呈現(xiàn)高值與低值負(fù)相關(guān)關(guān)系。事實(shí)上，邸倩和蔣海[7]也證實(shí)了股指溢出效應(yīng)的存在。為此，本文提出第1個(gè)待檢驗(yàn)的假設(shè)：

H1股指之間由于在經(jīng)濟(jì)、政治或文化制度等方面的相似性而存在空間相關(guān)性，且相關(guān)性呈現(xiàn)異質(zhì)性現(xiàn)象。

另外，對(duì)不同國(guó)家、地區(qū)股指間相關(guān)性大小及其原因探究方面，已出現(xiàn)許多研究[8～13]。這些研究采用的方法主要為時(shí)間序列分析方法，研究的對(duì)象集中在發(fā)達(dá)市場(chǎng)，研究的結(jié)論也已基本達(dá)成一致：經(jīng)濟(jì)貿(mào)易全球化以及金融市場(chǎng)的一體化是各國(guó)股指產(chǎn)生相關(guān)性的主要原因，可以從經(jīng)濟(jì)基本面來進(jìn)行解釋，也可從投資者行為因素來解釋，金融危機(jī)等極端事件會(huì)增強(qiáng)各國(guó)股指間相關(guān)性。但在空間相關(guān)性方面成果相對(duì)較少，雖有武占云等[3]研究表明經(jīng)濟(jì)/金融危機(jī)加劇了各國(guó)股指之間的空間相關(guān)性，宏觀基本面是金融危機(jī)傳導(dǎo)過程的主要影響因素。Gong和Weng[14]運(yùn)用時(shí)空面板模型來對(duì)股指間聯(lián)動(dòng)性進(jìn)行分析，研究表明股指間的聯(lián)動(dòng)不僅通過經(jīng)濟(jì)基本面因素進(jìn)行傳導(dǎo)，還通過外界市場(chǎng)沖擊、市場(chǎng)資本化率等因素傳導(dǎo)。其它一些研究由于空間回歸中選取不同的自變量，而得出不同的結(jié)論[1,2,4,5,14]。鑒于此，本文參照大多數(shù)文獻(xiàn)提出的股指間相關(guān)性傳導(dǎo)因素，即宏觀經(jīng)濟(jì)變量作為自變量來建立空間面板回歸模型，探討引起股指空間相關(guān)的因素及作用機(jī)理。為此，本文提出第2個(gè)待檢驗(yàn)的假設(shè)：

H2股指間空間相關(guān)性作用的傳導(dǎo)途徑為GDP增長(zhǎng)率等宏觀經(jīng)濟(jì)變量。

事實(shí)上，近幾年空間計(jì)量經(jīng)濟(jì)模型開始成為股指相關(guān)性研究的一個(gè)熱點(diǎn)。那么，原有的時(shí)間序列統(tǒng)計(jì)分析在新的模型下是否適用？股指之間的相關(guān)性到底是由時(shí)間序列相關(guān)引起，還是空間相關(guān)引起？二者誰在起主導(dǎo)作用？新興市場(chǎng)與發(fā)達(dá)市場(chǎng)間股指相關(guān)性如何，相關(guān)性大小在金融危機(jī)與金融相對(duì)平穩(wěn)發(fā)展階段是否穩(wěn)定？諸如此類問題還鮮有研究。原因可能有兩方面：一方面由于許多文獻(xiàn)還受制于區(qū)域科學(xué)對(duì)“空間”概念的傳統(tǒng)定義，將空間計(jì)量經(jīng)濟(jì)學(xué)研究嚴(yán)格地限制在自然地理的空間范疇內(nèi)，認(rèn)為空間計(jì)量經(jīng)濟(jì)學(xué)這一區(qū)域經(jīng)濟(jì)學(xué)科的方法不適用于金融業(yè)這一非實(shí)體經(jīng)濟(jì)。另一方面可能受研究方法所限，因?yàn)閺?fù)雜形式的空間計(jì)量模型中參數(shù)估計(jì)方法、檢驗(yàn)方法等比較缺乏，在進(jìn)行參數(shù)估計(jì)時(shí)存在一定的難度。比如對(duì)高維度空間權(quán)重下的時(shí)空相關(guān)面板模型的參數(shù)估計(jì)、空間面板的平穩(wěn)性檢驗(yàn)等問題目前還沒有統(tǒng)一、成熟的工具和軟件去實(shí)現(xiàn)，這給學(xué)者們進(jìn)行研究帶來一定的阻力?；谏鲜隼碛?，本文提出第3個(gè)待檢驗(yàn)的假設(shè)(分為兩個(gè)對(duì)立假設(shè))：

H3a絕大多數(shù)股指之間時(shí)間序列相關(guān)性較大，空間相關(guān)性較小。

H3b絕大多數(shù)股指之間時(shí)間序列相關(guān)性較小，空間相關(guān)性較大。

3 研究設(shè)計(jì)

3.1 樣本選取、數(shù)據(jù)來源及變量界定

在樣本選取方面，本文選取43國(guó)股指為研究對(duì)象，基于兩方面考慮：一是數(shù)據(jù)的可獲得性較好；二是研究范圍能覆蓋發(fā)達(dá)市場(chǎng)及新興市場(chǎng)，這種基于廣泛對(duì)象擇取的研究更具有普遍意義。股指數(shù)據(jù)采用2006年12月～2015年12月的月數(shù)據(jù)，來源于Wind數(shù)據(jù)庫(kù)。選取2006年12月為研究的起點(diǎn)是因?yàn)榻鹑谑袌?chǎng)在該點(diǎn)之前還處于較平穩(wěn)發(fā)展階段；而之后至2015年，既有金融危機(jī)的動(dòng)蕩階段，也有危機(jī)后的平穩(wěn)發(fā)展階段，數(shù)據(jù)的選擇具有代表性。同時(shí)，根據(jù)金融大事件將數(shù)據(jù)分為5個(gè)階段。最終形成的樣本如表1所示。

表1 空間相關(guān)性研究階段劃分及樣本區(qū)間

注：43個(gè)國(guó)家按阿拉伯?dāng)?shù)字編號(hào)依次為：1阿根廷、2澳大利亞、3奧地利、4比利時(shí)、5巴西、6加拿大、7智利、8中國(guó)、9丹麥、10埃及、11芬蘭、12法國(guó)、13德國(guó)、14希臘、15印度、16印度尼西亞、17愛爾蘭、18以色列、19意大利、20日本、21大韓民國(guó)、22黎巴嫩、23馬來西亞、24墨西哥、25荷蘭、26新西蘭、27尼日利亞、28挪威、29菲律賓、30波蘭、31葡萄牙、32俄羅斯聯(lián)邦、33沙特阿拉伯、34新加坡、35西班牙、36瑞典、37瑞士、38泰國(guó)、39土耳其、40烏克蘭、41阿拉伯聯(lián)合酋長(zhǎng)國(guó)、42美國(guó)、43委內(nèi)瑞拉。根據(jù)Wind數(shù)據(jù)庫(kù)的統(tǒng)計(jì)分類，其中屬于新興市場(chǎng)的國(guó)家包括：1、5、7、8、10、14、15、16、21、22、23、24、27、29、30、32、33、38、39、40、41及43。其余為發(fā)達(dá)市場(chǎng)國(guó)家。

在變量界定方面，將股指收益作為因變量。而在解釋變量方面，考慮到影響股指收益包括宏觀和微觀兩個(gè)層面因素，而43國(guó)股指所受的宏觀經(jīng)濟(jì)影響變量如GDP、CPI定義基本一致且較易收集數(shù)據(jù)，其他宏觀變量如文化背景等或微觀層面評(píng)價(jià)指標(biāo)各有不同，難以界定統(tǒng)一的變量。因此，借鑒武占云等[3]的做法，本文從反映一國(guó)的宏觀經(jīng)濟(jì)運(yùn)行情況及相應(yīng)經(jīng)濟(jì)政策變量入手，最終選取GDP增長(zhǎng)率、通貨膨脹增長(zhǎng)率(CPI)、廣義貨幣(M2)增長(zhǎng)率、國(guó)際儲(chǔ)備(Re)增長(zhǎng)率、短期貸款利率(R)、進(jìn)出口貿(mào)易水平(Trade)(以班輪航運(yùn)連接指數(shù)來衡量)以及匯率(ExR)這7個(gè)變量指標(biāo)作為時(shí)空回歸分析的解釋變量。另外，這些解釋變量的數(shù)據(jù)來源中，前5個(gè)指標(biāo)主要來源于新浪財(cái)經(jīng)數(shù)據(jù)中的國(guó)際宏觀經(jīng)濟(jì)數(shù)據(jù)，進(jìn)出口貿(mào)易水平(Trade)則來源于聯(lián)合國(guó)貿(mào)易和發(fā)展會(huì)議數(shù)據(jù)庫(kù)，而匯率(ExR)來自新浪財(cái)經(jīng)網(wǎng)及國(guó)家外匯管理局中的國(guó)際經(jīng)濟(jì)數(shù)據(jù)。此外，進(jìn)行空間相關(guān)性檢驗(yàn)及空間回歸分析時(shí)，還需一個(gè)外生變量，即空間權(quán)重。借鑒已有的研究成果，同時(shí)考慮到數(shù)據(jù)的可獲得性，本文以各階段GDP經(jīng)濟(jì)總量相對(duì)距離為基礎(chǔ)建立空間權(quán)重。

3.2 實(shí)證模型

進(jìn)行實(shí)證分析之前，我們首先對(duì)相關(guān)模型與知識(shí)進(jìn)行介紹。

(1)空間權(quán)重矩陣確定

雖然朱平芳等[15]已構(gòu)造出一種經(jīng)濟(jì)距離矩陣，但該矩陣假設(shè)只有當(dāng)空間單元有共同邊界時(shí)才有經(jīng)濟(jì)聯(lián)系，這種設(shè)置方法欠妥。因?yàn)楫?dāng)今很多國(guó)家之間都有著各種形式的經(jīng)濟(jì)貿(mào)易，不鄰近的空間單元如澳洲、美國(guó)等這些發(fā)達(dá)國(guó)家基本上與世界上所有國(guó)家都有經(jīng)濟(jì)交往。因此，下文構(gòu)建的空間權(quán)重將根據(jù)不同空間單元經(jīng)濟(jì)變量x的相對(duì)差異來構(gòu)造，并且規(guī)定當(dāng)空間單元即使不相鄰，也會(huì)存在經(jīng)濟(jì)聯(lián)系。最終確定的權(quán)重形式如(1)式所示

(1)

(2)空間/時(shí)空相關(guān)性大小分析模型

空間相關(guān)性大小的分析可通過空間相關(guān)系數(shù)Moran’s I值進(jìn)行判斷。而分析時(shí)空相關(guān)性的模型較少，本文運(yùn)用宋馬林等[16]提出的時(shí)空相關(guān)系數(shù)計(jì)算模型分析股指的時(shí)空相關(guān)。

(3)空間面板回歸模型

下面采用空間面板計(jì)量經(jīng)濟(jì)回歸模型來分析股指的時(shí)空相關(guān)作用機(jī)理。模型的基本形式如(2)式所示

StockIndexit=αi+ρ(IT?W1)StockIndexjt+

β1GDPit+β2M2it+β3CPIit+β4Rit+

β5ExRit+β6Reit+β7Tradeit+θt+ξit

ξit=λ(IT?W2)ξjt+εit

εit～N(0,σ2In)i=1,2,…,n,i≠j

(2)

其中StockIndexit股指收益率是一個(gè)n×1維向量，其計(jì)算公式為第t期股指的收盤價(jià)除以第t-1期股指的收盤價(jià)。等號(hào)右端代表影響股指的7個(gè)宏觀因素。β是宏觀變量的系數(shù)，W1和W2均為n×n空間權(quán)重矩陣，IT為T×T單位陣。ξjt與εit均為空間干擾項(xiàng),而αi和θt分別表示個(gè)體和時(shí)點(diǎn)上的特定效應(yīng)。ρ為空間滯后相關(guān)系數(shù)，可度量經(jīng)濟(jì)相似一國(guó)股指受其他國(guó)家股指的影響程度。λ為空間誤差相關(guān)系數(shù)，它反映了經(jīng)濟(jì)相似的其他國(guó)家股指受一些不可測(cè)因素后對(duì)某國(guó)股指沖擊的程度。分塊對(duì)角矩陣IT?W1、IT?W2分別為空間面板權(quán)重矩陣。當(dāng)ρ≡0且λ≠0時(shí)，模型為空間面板誤差模型SPEM(Spatial Error Model)；當(dāng)ρ≠0且λ≡0時(shí)，模型為空間面板滯后模型SPLM(Spatial Lag Model)。

4 實(shí)證結(jié)果分析與討論

4.1 空間效應(yīng)檢驗(yàn)與分析

利用空間面板模型(2)作回歸分析之前，需先對(duì)全局Moran’s I檢驗(yàn)來探索性測(cè)定各國(guó)股指之間是否存在空間相關(guān)性。根據(jù)檢驗(yàn)結(jié)果，得知5個(gè)階段各國(guó)股指間存在顯著的空間相關(guān)性。同時(shí)可知，雖然樣本的空間面板滯后模型(SPLM)和空間面板誤差模型(SPEM)的最大似然估計(jì)統(tǒng)計(jì)量都顯著，但是SPLM模型的表現(xiàn)更優(yōu)，如有更大的似然估計(jì)值、模型擬合度更高、空間滯后相關(guān)系數(shù)也遠(yuǎn)遠(yuǎn)大于空間誤差系數(shù)等。因此，我們選擇SPLM模型加以分析，以保證所得出的結(jié)論更穩(wěn)健。

4.2 空間回歸結(jié)果比較分析

上文對(duì)空間相關(guān)分析只是探索性的分析，還需通過回歸模型進(jìn)行準(zhǔn)確的空間作用機(jī)理探究。在4.1節(jié)檢驗(yàn)結(jié)果基礎(chǔ)上，進(jìn)一步需要對(duì)SPLM這個(gè)模型進(jìn)行固定/隨機(jī)效應(yīng)檢驗(yàn)。最后確定建立的模型應(yīng)采用時(shí)間/空間雙固定效應(yīng)。這與以往文獻(xiàn)得出固定效應(yīng)模型更加符合現(xiàn)實(shí)的結(jié)論一致[17]。模型在5個(gè)階段的估計(jì)結(jié)果如表2所示。

表2 空間面板滯后模型(SPLM)估計(jì)結(jié)果

注：***、**、*分別表示通過1%、5%、10%下的顯著水平檢驗(yàn)。

表2可見，5個(gè)階段下GDP增長(zhǎng)率、通貨膨脹增長(zhǎng)率、廣義貨幣增長(zhǎng)率及短期貸款利率這四個(gè)影響因素中，至少存在一個(gè)階段具有統(tǒng)計(jì)學(xué)意義的顯著性(如在金融危機(jī)局部爆發(fā)階段四個(gè)因素都顯著)。這說明宏觀經(jīng)濟(jì)因素是股指空間相關(guān)傳導(dǎo)的共同媒介因素。而國(guó)際儲(chǔ)備增長(zhǎng)率、進(jìn)出口貿(mào)易水平和匯率卻在5個(gè)階段下都沒有表現(xiàn)出統(tǒng)計(jì)顯著性，一方面可能與本文數(shù)據(jù)采集的來源不一致有關(guān)，另一方面可能與這幾個(gè)變量自身對(duì)股指影響的復(fù)雜性有關(guān)。這個(gè)研究結(jié)論與武占云等[3]的結(jié)論基本一致。

另外，在全球性金融海嘯階段及之后的次生災(zāi)害階段，所有的宏觀經(jīng)濟(jì)變量均未表現(xiàn)出顯著性，據(jù)此可以推斷金融危機(jī)階段，影響股指之間相互作用的因素更加復(fù)雜，僅由宏觀經(jīng)濟(jì)變量不足以解釋，可能與中觀、微觀因素如企業(yè)制度、投資者行為或其它隨機(jī)因素的影響有關(guān)。相反，在局部危機(jī)階段或金融相對(duì)平穩(wěn)階段，如在歐債危機(jī)或者金融/經(jīng)濟(jì)發(fā)展相對(duì)平穩(wěn)階段，部分宏觀經(jīng)濟(jì)變量對(duì)股指空間自相關(guān)影響作用較顯著，如GDP增長(zhǎng)率在5%顯著水平下通過檢驗(yàn)。這一結(jié)果與很多文獻(xiàn)得出的存在經(jīng)濟(jì)相似性的國(guó)家易受GDP經(jīng)濟(jì)增長(zhǎng)率的影響的結(jié)論一致。假設(shè)H2成立。

更為重要的是，在空間面板回歸的5個(gè)階段，空間滯后相關(guān)系數(shù)ρ在所有階段始終顯著。這表明各國(guó)股指表現(xiàn)出了顯著的空間依賴性。系數(shù)為負(fù)說明某國(guó)股指波動(dòng)與其經(jīng)濟(jì)相似的國(guó)家股指的波動(dòng)反向，不同國(guó)家股指之間的相關(guān)性主要為負(fù)向相關(guān)。另外，金融危機(jī)階段的滯后相關(guān)系數(shù)ρ都大于金融較平穩(wěn)發(fā)展階段的系數(shù)(指的是絕對(duì)值)，說明金融危機(jī)期間會(huì)有更多因素通過傳導(dǎo)路徑去促進(jìn)股指空間相關(guān)。

4.3 股指空間與時(shí)間相關(guān)性大小比較分析

以上已從理論模型上論證了股指存在空間相關(guān)性。下面將進(jìn)一步對(duì)股指時(shí)間/空間相關(guān)性大小進(jìn)行比較分析，定量分析空間相關(guān)性在股指聯(lián)動(dòng)性方面的作用大小。分析的思路是通過比較時(shí)空相關(guān)系數(shù)及時(shí)間序列相關(guān)系數(shù)的大小，間接知道空間相關(guān)性的作用大小。而時(shí)空相關(guān)系數(shù)計(jì)算依據(jù)為宋馬林等[16]研究中的計(jì)算公式。限于篇幅，本文僅展示金融/經(jīng)濟(jì)逐步恢復(fù)階段部分國(guó)家的比較結(jié)果(詳見表3)，其它結(jié)果將用文字表述。

表3 金融/經(jīng)濟(jì)逐步恢復(fù)階段時(shí)空相關(guān)系數(shù)與時(shí)間序列相關(guān)系數(shù)大小對(duì)比

注：(1)序號(hào)1～10依次表示阿根廷、澳大利亞、奧地利、比利時(shí)、巴西、加拿大、智利、中國(guó)、美國(guó)及委內(nèi)瑞拉。每個(gè)國(guó)家對(duì)應(yīng)兩行數(shù)據(jù)，第一行代表時(shí)空相關(guān)系數(shù)，第二行代表時(shí)間序列相關(guān)系數(shù)。(2)時(shí)空相關(guān)系數(shù)矩陣中對(duì)角線上的數(shù)值極小(0)幾乎接近于0，且為不對(duì)稱矩陣；時(shí)間序列相關(guān)系數(shù)矩陣中對(duì)角線的值都為1，即自身的相關(guān)系數(shù)為1，同時(shí)矩陣是對(duì)稱矩陣。這是兩種系數(shù)的不同規(guī)定。

結(jié)合表1，可知表3數(shù)據(jù)涵蓋范圍不僅包含了發(fā)達(dá)市場(chǎng)(如澳大利亞與奧地利)股指之間的相關(guān)性，也涉及到新興市場(chǎng)(如中國(guó)與巴西)之間股指的相關(guān)性，以及發(fā)達(dá)市場(chǎng)與新興市場(chǎng)之間(如中國(guó)與澳大利亞)的相關(guān)性結(jié)果，表格列舉的數(shù)據(jù)具有代表性、可信性。另外，在進(jìn)行兩種系數(shù)比較之前，首先簡(jiǎn)單解釋表3中數(shù)據(jù)的特點(diǎn)。表中時(shí)空相關(guān)矩陣對(duì)角線上的數(shù)據(jù)極小幾乎接近于0，這與傳統(tǒng)時(shí)間序列相關(guān)系數(shù)矩陣對(duì)角線值均為1的規(guī)定不同。所以，對(duì)兩種系數(shù)比較時(shí)，只需比較非對(duì)角線上的數(shù)據(jù)。可以發(fā)現(xiàn)，絕大部分時(shí)空相關(guān)系數(shù)大于時(shí)間序列相關(guān)系數(shù)(絕對(duì)值)，較少情況下兩者相等(如阿根廷與比利時(shí))。另外，在其它幾個(gè)階段，也都可以得出類似的結(jié)論，即時(shí)空相關(guān)系數(shù)大于或者等于時(shí)間序列相關(guān)系數(shù)。因此，可以得出空間相關(guān)關(guān)系在股指相關(guān)中占據(jù)著重要地位，且相關(guān)性大小存在異質(zhì)性。此外，還可發(fā)現(xiàn)，阿根廷與比利時(shí)、美國(guó),中國(guó)與委內(nèi)瑞拉等國(guó)股指的空間相關(guān)性較小。原因可能為阿根廷為新興市場(chǎng)，與比利時(shí)、美國(guó)等發(fā)達(dá)市場(chǎng)在經(jīng)濟(jì)運(yùn)作、經(jīng)濟(jì)規(guī)模、金融開放條件以及其它制度文化方面等存在較大差距，而使他們之間較少經(jīng)濟(jì)往來，這樣股指間空間相關(guān)性就比較小?，F(xiàn)實(shí)中，阿根廷長(zhǎng)期實(shí)行對(duì)本國(guó)工業(yè)進(jìn)行保護(hù)以使其不受外來競(jìng)爭(zhēng)，但結(jié)果卻是企業(yè)效益增長(zhǎng)緩慢；而與此同時(shí)比利時(shí)、美國(guó)等發(fā)達(dá)國(guó)家卻是保持著良好經(jīng)濟(jì)運(yùn)作模式及開放條件，從而其經(jīng)濟(jì)規(guī)模和經(jīng)濟(jì)發(fā)展速度遠(yuǎn)遠(yuǎn)超過阿根廷。這樣，阿根廷由于自身的經(jīng)濟(jì)、制度方面的原因錯(cuò)失了與比利時(shí)、美國(guó)等這些發(fā)達(dá)國(guó)家經(jīng)濟(jì)來往的機(jī)會(huì)，股票市場(chǎng)間缺乏交流，而使該國(guó)股指與發(fā)達(dá)市場(chǎng)股指的空間相關(guān)性變小。同理，中國(guó)與委內(nèi)瑞拉股票市場(chǎng)雖均為新興市場(chǎng)，但是兩國(guó)之間的經(jīng)濟(jì)規(guī)模、制度文化方面相似性太少，因此二者的股票市場(chǎng)依然缺乏交流，空間相關(guān)性較小?？梢耘卸?，假設(shè)H1成立。

下面進(jìn)一步分析不同階段、不同股指之間的相關(guān)性大小，及時(shí)間、空間相關(guān)中哪種類型的相關(guān)性起主導(dǎo)作用。考慮到篇幅限制及數(shù)據(jù)的代表性，本文擇取了實(shí)體經(jīng)濟(jì)危機(jī)/次生災(zāi)害階段及金融/經(jīng)濟(jì)逐步恢復(fù)階段四個(gè)國(guó)家(奧地利、中國(guó)、美國(guó)、委內(nèi)瑞拉)的兩種相關(guān)系數(shù)數(shù)據(jù)，繪制成如圖1～4所示折線。

圖1 實(shí)體經(jīng)濟(jì)危機(jī)/次生災(zāi)害階段時(shí)間序列相關(guān)系數(shù)

圖2 實(shí)體經(jīng)濟(jì)危機(jī)/次生災(zāi)害階段時(shí)空相關(guān)系數(shù)

圖3 金融/經(jīng)濟(jì)逐步恢復(fù)階段時(shí)間序列相關(guān)系數(shù)

圖4 金融/經(jīng)濟(jì)逐步恢復(fù)階段時(shí)空相關(guān)系數(shù)

圖1表明，在實(shí)體經(jīng)濟(jì)危機(jī)/次生災(zāi)害階段,各國(guó)股指之間的時(shí)間序列相關(guān)系數(shù)均較大，無論是新興市場(chǎng)之間(中國(guó)與委內(nèi)瑞拉)，發(fā)達(dá)市場(chǎng)之間(美國(guó)與奧地利)，還是發(fā)達(dá)市場(chǎng)與新興市場(chǎng)之間的股指都呈高度正相關(guān)性，這與以往文獻(xiàn)[8,11,14]等的研究結(jié)論一致。同圖1比較，圖2同時(shí)考慮了時(shí)空相關(guān)后，其相關(guān)系數(shù)基本上都大于時(shí)間序列相關(guān)系數(shù)，其中大部分時(shí)間序列相關(guān)系數(shù)在0.60以上。這充分說明在金融危機(jī)發(fā)生階段，不論是時(shí)間序列相關(guān)還是空間相關(guān)，各國(guó)股指之間均呈現(xiàn)高度相關(guān)性，且時(shí)間序列相關(guān)較大?？梢耘卸?，假設(shè)H3a成立。

再看圖3所示在經(jīng)濟(jì)/金融發(fā)展相對(duì)比較平穩(wěn)階段，各國(guó)股指之間的時(shí)間序列相關(guān)性變小，且正、負(fù)相關(guān)同時(shí)存在。發(fā)達(dá)市場(chǎng)之間的股指基本都呈正相關(guān)且相關(guān)系數(shù)較高(可結(jié)合表3所示)，而發(fā)達(dá)市場(chǎng)與新興市場(chǎng)，以及新興市場(chǎng)之間股指相關(guān)性則比較復(fù)雜，正負(fù)相關(guān)同時(shí)并存且系數(shù)大小不一。在圖4中，可以清楚地發(fā)現(xiàn)，即使是在經(jīng)濟(jì)/金融相對(duì)和平發(fā)展階段，該階段的時(shí)空相關(guān)系數(shù)均比同一階段時(shí)間序列相關(guān)要大(指的是絕對(duì)值)，但每個(gè)國(guó)家的股指變化大小幅度卻不一致。另外，在階段5，大部分市場(chǎng)的股指之間的相關(guān)性仍以時(shí)間序列相關(guān)為主，但也有極少個(gè)別國(guó)家以空間相關(guān)為主(可結(jié)合表3數(shù)據(jù)所示)，如中國(guó)與奧地利、中國(guó)與巴西、奧地利與阿根廷等則以空間相關(guān)為主。這也再次體現(xiàn)空間相關(guān)性呈現(xiàn)異質(zhì)性特征。該階段仍然存在大部分股指之間的時(shí)間序列相關(guān)大于空間相關(guān)，再次證明假設(shè)H3a成立。

4.4 穩(wěn)健性測(cè)試

(1)空間面板非平穩(wěn)性檢驗(yàn)。由于空間面板模型涉及到經(jīng)濟(jì)活動(dòng)交互效應(yīng)在時(shí)間和空間兩個(gè)維度進(jìn)行傳遞，因此需要對(duì)這兩個(gè)維度的非平穩(wěn)性進(jìn)行檢驗(yàn)從而排除模型偽回歸的可能。而傳統(tǒng)的面板模型的非平穩(wěn)性ADF檢驗(yàn)及協(xié)整檢驗(yàn)不能直接運(yùn)用于空間面板模型，所以本文借鑒Anselin與Griffith[18]提出的針對(duì)空間面板模型平穩(wěn)性檢驗(yàn)方法進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果證明所有樣本模型在時(shí)間、空間兩個(gè)維度上均平穩(wěn)，可以進(jìn)行空間面板回歸分析。

(2)空間相關(guān)值檢驗(yàn)?？臻g面板模型最后計(jì)算出的值，都比在空間截面計(jì)量模型中要小。這說明空間面板模型考慮時(shí)間序列相關(guān)性后，使股指的空間相關(guān)性影響程度降低了?？臻g面板模型的實(shí)質(zhì)是將模型中股指空間截面之間相關(guān)性及時(shí)間序列相關(guān)性綜合考慮，因此檢驗(yàn)結(jié)果是合理的。換言之，如果僅用空間截面模型或時(shí)間序列模型分析股指相關(guān)性則是不完備的。

5 結(jié)論與建議

通過對(duì)43個(gè)國(guó)家股指的時(shí)空相關(guān)性進(jìn)行分析，得到以下結(jié)論：

(1)股指之間既存在時(shí)間序列相關(guān)性，又存在空間相關(guān)性，二者共同決定股指的波動(dòng)。(2)在不同發(fā)展階段，時(shí)間序列相關(guān)和空間相關(guān)表現(xiàn)出不同的特性：在全球性金融海嘯階段及次生災(zāi)害階段，各國(guó)股指之間時(shí)間/空間相關(guān)性均呈現(xiàn)高度正相關(guān)，股指之間以時(shí)間序列相關(guān)為主；而在其它階段，發(fā)達(dá)市場(chǎng)股指之間基本呈正相關(guān)且相關(guān)性比金融危機(jī)階段??；發(fā)達(dá)/新興，以及新興/新興市場(chǎng)股指之間正負(fù)相關(guān)同時(shí)并存且大小不一。該階段大部分股指之間仍以時(shí)間序列相關(guān)為主。(3)考慮時(shí)空相關(guān)后，大部分股指之間的相關(guān)系數(shù)達(dá)到0.90以上。但也有個(gè)別新興市場(chǎng)與其他國(guó)家股指之間相關(guān)性較小，約為0.60左右。(4)在全球性金融海嘯及次生災(zāi)害階段傳統(tǒng)宏觀經(jīng)濟(jì)變量不能解釋空間相關(guān)原因?？赡茉撾A段股指空間相關(guān)受更多因素影響。

基于以上研究結(jié)論，結(jié)合馬柯維茨投資組合原理，我們建議：(1)投資者應(yīng)盡可能選擇在經(jīng)濟(jì)/金融相對(duì)平穩(wěn)發(fā)展階段進(jìn)行投資。風(fēng)險(xiǎn)厭惡投資者可組合投資于新興市場(chǎng)與發(fā)達(dá)市場(chǎng)上，或者全部投資于新興市場(chǎng)以獲得較穩(wěn)定的收益，這與Driessen和Laeven[19]的結(jié)論一致。反之，對(duì)于風(fēng)險(xiǎn)偏好投資者，則可投資于相關(guān)性較高的發(fā)達(dá)市場(chǎng)以獲得超額收益。(2)由于股指時(shí)空相關(guān)性會(huì)影響股市的收益率，因此需要銀行等金融機(jī)構(gòu)在企業(yè)以股票進(jìn)行抵押融資時(shí)，需要對(duì)貸款價(jià)值比率重新進(jìn)行有效確定。

[1] Fernández-Avilés G, Montero J, Orlov A G. Spatial modeling of stock market comovements[J]. Finance Research Letters, 2012, 9(4): 202-212.

[2] Asgharian H, Hess W, Liu L. A spatial analysis of international stock market linkages[J]. Journal of Banking & Finance, 2013, 37(12): 4738- 4754.

[3] 武占云，魏后凱，王業(yè)強(qiáng).國(guó)際金融危機(jī)空間傳染機(jī)制研究——基于空間面板數(shù)據(jù)的實(shí)證分析[J].華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,48(3):418- 424.

[4] Ouyang F Y, Zheng B, Jiang X F. Spatial and temporal structures of four financial markets in Greater China[J]. Physica A: Statistical Mechanics and Its Applications, 2014, 402(2): 236-244.

[5] Tam P S. A spatial-temporal analysis of East Asian equity market linkages[J]. Journal of Comparative Economics, 2014, 42(2): 304-327.

[6] Tobler W. Global spatial analysis[J]. Computers, Environment and Urban Systems, 2002, 26(6): 493-500.

[7] 邸倩,蔣海.金融危機(jī)國(guó)際傳導(dǎo)機(jī)制的空間計(jì)量分析[J].南方金融,2011,(10):9-13.

[8] 賈穎,楊天化.“次貸危機(jī)”下發(fā)達(dá)國(guó)家和地區(qū)股票指數(shù)的慣性效應(yīng)與反轉(zhuǎn)效應(yīng)——以美國(guó)、日本、歐洲、香港為例[J].金融研究,2011,(8):157-166.

[9] 周林潔.公司治理、機(jī)構(gòu)持股與股價(jià)同步性[J].金融研究,2014,(8):146-161.

[10] 林宇,李川,賀瑩.不同市場(chǎng)態(tài)勢(shì)下東亞股市聯(lián)動(dòng)結(jié)構(gòu)變化研究[J].投資研究,2014,(9):116-134.

[11] Albulescu C T, Goyeau D, Tiwari A K. Contagion and dynamic correlation of the main European stock index futures markets: a time-frequency approach[J]. Procedia Economics and Finance, 2015, 20: 19-27.

[12] Dimic N, Kiviaho J, Piljak V, et al.. Impact of financial market uncertainty and macroeconomic factors on stock-bond correlation in emerging markets[J]. Research in International Business and Finance, 2016, 36: 41-51.

[13] 董杰,潘和平,姚一永,等.基于DCC-MV-GARCH模型的石油、股票和黃金市場(chǎng)相關(guān)性實(shí)證研究[J].預(yù)測(cè),2012,31(4):53-57.

[14] Gong P, Weng Y L. Value-at-Risk forecasts by a spatiotemporal model in Chinese stock market[J]. Physica A: Statistical Mechanics and Its Applications, 2016, 441: 173-191.

[15] 朱平芳,張征宇,姜國(guó)麟.FDI與環(huán)境規(guī)制:基于地方分權(quán)視角的實(shí)證研究[J].經(jīng)濟(jì)研究,2011,(6):133-145.

[16] 宋馬林,王舒鴻,汝慧萍.一種新的考慮時(shí)間和空間的相關(guān)系數(shù)及其算例[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010,(7):142-152.

[17] Baltagi B H, Georges B, Pirotte A. Fixed effects, random effects or Hausman—Taylor?: a pretest estimator[J]. Economics Letters, 2003, 79(3): 361-369.

[18] Anselin L, Griffith D A. Do spatial effects really matter in regression analysis[J]. Papers in Regional Science, 1988, 65(1): 11-34.

[19] Driessen J, Laeven L. International portfolio diversification benefits: cross-country evidence from a local perspective[J]. Journal of Banking & Finance, 2007, 31(6): 1693-1712.