高階矩視角下的我國股票市場行業(yè)間溢出效應(yīng)分析

□唐 勇 李勇杰 朱鵬飛,2

[1.福州大學(xué) 福州 350116；2.莆田學(xué)院 莆田 351100；3.福建省金融科技創(chuàng)新重點實驗室福州 350116]

一、引言及文獻(xiàn)綜述

我國股票市場經(jīng)過近30年的發(fā)展，股市市值已然躍居世界前三。隨著我國金融業(yè)對外開放程度地不斷提高，互聯(lián)網(wǎng)技術(shù)與金融的融合程度不斷加深，競爭與創(chuàng)新雖然帶來了金融行業(yè)效率的提高，但同時也加快了風(fēng)險傳染，加大了系統(tǒng)性金融風(fēng)險發(fā)生的可能性。2018年以來，全球經(jīng)貿(mào)環(huán)境的不確定性加劇了股票市場的波動，不同行業(yè)指數(shù)在上漲與下挫中存在著類似趨勢。那么，我國股票市場行業(yè)間風(fēng)險溢出規(guī)律如何？哪個行業(yè)溢出效應(yīng)最強？行業(yè)溢出效應(yīng)如何變化？本文將就以上問題展開研究。

迄今，國內(nèi)外學(xué)者圍繞金融市場的風(fēng)險溢出效應(yīng)進(jìn)行了大量卓有成效的研究，主要集中在收益率的一階矩[1]和二階矩層面[2]：如徐飛等[3]研究了全球28個國家和地區(qū)間股市崩盤傳染渠道與傳染機制；萬蕤葉和陸靜[4]使用相關(guān)系數(shù)的費雪Z轉(zhuǎn)換檢驗金融危機期間47個國家的匯率風(fēng)險傳染效應(yīng)；Chen Q和Weng X[5]利用VAR-BEKK-Skew-t模型分析了中美農(nóng)產(chǎn)品期貨市場間的信息溢出效應(yīng)；Wang G J等[6]通過格蘭杰因果關(guān)系方法研究了近期全球金融危機前后四大世界黃金市場的極端風(fēng)險溢出效應(yīng)；葉五一等[7]基于MV-CAViaR 模型從分位數(shù)角度探討了石油市場（WTI）與全球具有代表性的五種美元匯率之間的風(fēng)險溢出效應(yīng)；Li Xiafei和Yu Wei[8]與王朝陽等[9]從不同角度了研究了石油市場與中國股票市場的傳染關(guān)系。以上文獻(xiàn)主要探討不同國家或地區(qū)各金融市場間的風(fēng)險溢出效應(yīng)，隨著研究的深入，研究對象開始涉及股票市場行業(yè)層面：如Chiang T C等[10]從市場整體和行業(yè)兩個層面分別考察了中國股票收益率與全球市場的動態(tài)相關(guān)性，Mensi W等[11]從行業(yè)層面探討了金磚四國與全球市場股票收益率與波動率的溢出效應(yīng)，Berna K U和Omid S[12]利用VAR-GARCH模型研究了OPEC石油價格與我國股票市場6個行業(yè)之間的溢出關(guān)系。與此同時，國內(nèi)學(xué)者也對股票市場行業(yè)間的溢出效應(yīng)進(jìn)行了豐富的研究，大致可分為兩類：一類研究股市全行業(yè)間的溢出關(guān)系，如陳暮紫等[13]、蘇民[14]、黃乃靜等[15]和葉五一等[16]分別采用不同方法對我國股市行業(yè)間的溢出效應(yīng)進(jìn)行分析，發(fā)現(xiàn)不同行業(yè)具有不同的溢出能力；另一類研究部分行業(yè)間的溢出關(guān)系，且大部分文獻(xiàn)探討對象主要集中于金融業(yè)，如劉向麗和顧舒婷[17]采用AR-GARCH-CoVaR模型估算了我國房地產(chǎn)業(yè)對銀行業(yè)的風(fēng)險溢出效應(yīng)，胡利琴等[18]結(jié)合溢出指數(shù)和網(wǎng)絡(luò)模型分析了我國14個上市銀行間的風(fēng)險溢出效應(yīng)，傅強和張穎[19]、陳建青等[20]、嚴(yán)偉祥等[21]、曾裕峰等[22]和楊子暉等[23]考察了我國金融業(yè)各子行業(yè)間的風(fēng)險傳染效應(yīng)。

當(dāng)前我國A股市場機構(gòu)投資者持倉占比僅為16.1%，較發(fā)達(dá)國家市場明顯偏低，個人投資者成交量占比高達(dá)82%，市場定價被散戶主導(dǎo)①。散戶投資者顯著的“投機心理”和“羊群效應(yīng)”使得市場極端事件發(fā)生的可能性大大增加。從已有研究來看，針對股票市場行業(yè)間溢出的分析雖然不少，但多數(shù)研究未能刻畫行業(yè)高階矩波動特征及高階矩風(fēng)險溢出效應(yīng)，這忽略了行業(yè)間非對稱風(fēng)險溢出效應(yīng)和極端風(fēng)險溢出效應(yīng)等問題。金融風(fēng)險溢出效應(yīng)是一個十分復(fù)雜的非線性過程，僅考慮收益率一階矩和二階矩的風(fēng)險溢出效應(yīng)對風(fēng)險刻畫存在明顯不足。

對金融資產(chǎn)價格波動特征的研究是現(xiàn)代金融理論的核心內(nèi)容之一。GARCH族模型作為金融領(lǐng)域最為經(jīng)典的波動模型，自Bollerslev[24]提出以來就被廣泛應(yīng)用于風(fēng)險測度建模[25～27]。隨著研究的不斷深入，大量結(jié)果表明金融資產(chǎn)收益率的偏度與峰度也具有時變性[28～30]，對金融資產(chǎn)收益率波動特征的研究從二階矩逐步深入到了高階矩[31～33],并發(fā)現(xiàn)高階矩具有與二階矩類似的波動特征。近年來，諸多學(xué)者將高階矩引入傳統(tǒng)金融分析框架，為資產(chǎn)定價、風(fēng)險管理等領(lǐng)域開拓了新的研究思路。例如，Martellini和Ziemann[34]在傳統(tǒng)投資組合框架中引入高階矩思想并優(yōu)化相關(guān)參數(shù)估計方法，結(jié)果表明改良后的投資組合模型大大提高了投資者的福利水平；Jang和Kang[35]將高階矩偏好納入跨期資產(chǎn)定價模型中，實證表明該模型能夠明顯改善定價精確度；王鵬和吳金宴[36]運用協(xié)高階矩風(fēng)險傳染判定方法，實證檢驗了滬港通實施前后上海和香港兩地股票市場間的風(fēng)險傳染狀況；唐勇和崔金鑫[37]將已實現(xiàn)高階矩測度引入HAR族波動率模型，實證表明高階矩HAR族模型改進(jìn)了套期保值效果；朱鵬飛和唐勇[38]基于股票、原油和黃金數(shù)據(jù)構(gòu)建的小波-集成高階矩策略相較于對照組取得了較好的投資效果，為投資者帶來更高的收益、夏普比率以及效用水平。

受上述研究啟發(fā)，本文試圖采用GARCHSK模型[33]和溢出指數(shù)方法[39]，對我國股票市場全行業(yè)間各階矩風(fēng)險溢出效應(yīng)進(jìn)行研究，并探究我國股票市場行業(yè)間非對稱風(fēng)險溢出效應(yīng)和極端風(fēng)險溢出效應(yīng)等問題。與已有研究相比，本文具有如下特點：（1）利用GARCHSK模型刻畫我國股票市場不同行業(yè)指數(shù)二階矩、三階矩和四階矩的時變特征，從高階矩視角研究不同行業(yè)的波動特征；（2）結(jié)合溢出指數(shù)方法，從一階矩（收益率）、二階矩（條件方差）、高階矩（條件偏度和條件峰度）層面探討我國股票市場行業(yè)間不同階矩的溢出特征，并引入滾動時間窗口技術(shù)動態(tài)分析各行業(yè)間風(fēng)險溢出的時變特征，把握行業(yè)間風(fēng)險溢出的全貌，著重考察重大事件沖擊前后，不同行業(yè)不同階矩溢出特征的差異性。文章通過捕捉我國股票市場行業(yè)間不同階矩的波動特征與溢出特征，以期為行業(yè)差異化監(jiān)管提供理論依據(jù)與決策指導(dǎo)。

二、相關(guān)理論基礎(chǔ)

（一）GARCHSK模型

由于高階矩波動模型待估參數(shù)眾多，且模型本身存在高度的非線性，利用極大似然法估計參數(shù)容易收斂到局部最優(yōu)，影響模型估計精度。故本文采用待估參數(shù)較少的GARCHSK模型[33]進(jìn)行建模研究，其模型表述如下：

均值方程：

方差方程：

偏度方程：

峰度方程：

估計上述高階矩模型時，借鑒León等[33]的做法，設(shè)新生量服從Gram-Charlier擴展分布，考慮到密度函數(shù)的非負(fù)性，需對Gram-Charlier擴展分布進(jìn)行修正，修正后密度函數(shù)表示如下：

而后基于此似然函數(shù)對GARCHSK模型參數(shù)進(jìn)行估計，由于模型本身存在高度的非線性，故初始值的選取就顯得尤為重要，本文采用“從簡單模型到復(fù)雜模型”的方法對模型參數(shù)進(jìn)行估計[33～35]。

（二）溢出指數(shù)

Diebold&Yilmaz提出的溢出指數(shù)[39～40]方法不僅能夠得到系統(tǒng)中任意兩個變量之間溢出的大小與方向，而且通過滾動窗口技術(shù)，更能捕捉到溢出的時變特征?；诖?，中國股票市場行業(yè)間風(fēng)險溢出指數(shù)測度模型構(gòu)建如下：

為衡量我國股票市場行業(yè)間總體溢出水平，可構(gòu)建總體溢出指數(shù)S(H)，用以解釋我國股票市場行業(yè)風(fēng)險溢出影響我國整體股市的程度。

方向性溢出指數(shù)用于衡量某個行業(yè)與其余所有行業(yè)之間的風(fēng)險溢出程度，反應(yīng)了單個行業(yè)的總體溢出規(guī)模。

其中，Si·(H)衡量其他行業(yè)對行業(yè)i的總溢出，S·i(H)度量行業(yè)對其他行業(yè)的總溢出，二者之差，即S·i(H)?Si·(H)，表示行業(yè)i的總體凈溢出。綜合以上，可以得到溢出效應(yīng)表格和動態(tài)溢出指數(shù)，并借此分析某個行業(yè)的收益或者風(fēng)險的變動在多大程度可以由其他行業(yè)的變動來解釋以及該行業(yè)的波動能夠在多大程度上影響其他行業(yè)。

三、實證分析

（一）數(shù)據(jù)選取與處理

本文選取中信標(biāo)普行業(yè)指數(shù)為研究對象，該指數(shù)根據(jù)全球行業(yè)分類標(biāo)準(zhǔn)GICS將中國A股市場股票劃分為11個行業(yè)板塊②，樣本區(qū)間為2004年2月27日到2018年10月18日，共3 562組交易日數(shù)據(jù)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。令為指數(shù)日收盤價，收益率為，則：[

由表1可以發(fā)現(xiàn)：1.我國股票市場各行業(yè)指數(shù)收益率序列的標(biāo)準(zhǔn)差較大，市場波動劇烈；2.各行業(yè)指數(shù)收益率序列的JB統(tǒng)計量在1%水平下十分顯著，且偏度值小于0，峰度值大于3，故各行業(yè)收益率序列不服從標(biāo)準(zhǔn)正態(tài)分布，呈現(xiàn)出明顯的尖峰厚尾和有偏形態(tài)，且均表現(xiàn)為左偏；3.由ADF單位根檢驗結(jié)果可知，各指數(shù)收益率序列均為平穩(wěn)序列。

（二）GARCHSK模型參數(shù)估計

本節(jié)對GARCHSK模型參數(shù)進(jìn)行估計，估計結(jié)果如表2所示，可得出以下結(jié)論：

表1 中信標(biāo)普行業(yè)指數(shù)收益率的描述性統(tǒng)計

表2 各行業(yè)GARCHSK參數(shù)估計結(jié)果匯總

表2 (續(xù)表)

1.11 個行業(yè)指數(shù)的GARCHSK模型均表現(xiàn)出顯著的時變特征，即所有的ARCH項與GARCH項系數(shù)均十分顯著，且偏度方程的系數(shù)、和峰度方程的系數(shù)、都具有非常高的顯著性，故GARCHSK模型較好地實現(xiàn)了對各行業(yè)指數(shù)日收益率序列二階矩和高階矩波動特征的聯(lián)合刻畫。

圖1、圖2表明：（1）市場平穩(wěn)運行時，條件方差較小，而當(dāng)市場大幅上揚或下跌時，條件方差會急劇上升且在高位震蕩直至市場再度平穩(wěn)；（2）條件偏度由于存在正負(fù)值，與條件方差、條件峰度相比能夠反應(yīng)更多的市場信息，當(dāng)市場指數(shù)大幅上揚時，條件偏度基本為正值，且隨著漲幅的擴大而擴大，而指數(shù)大幅下跌時則剛好相反，若市場較為平穩(wěn)，則條件偏度值在0附近波動；（3）條件峰度與條件方差較為相似，市場出現(xiàn)暴漲暴跌的時急劇上升，當(dāng)市場恢復(fù)平穩(wěn)時回落。條件峰度曲線圖較條件方差平穩(wěn)，其原因在于值較（GARCH項系數(shù)）??；（4）工業(yè)品指數(shù)的條件峰度明顯高于金融業(yè)指數(shù)的條件峰度值，說明工業(yè)品指數(shù)更易出現(xiàn)極端波動，這可能是因為金融業(yè)指數(shù)主要包含銀行、保險和券商等大市值金融機構(gòu)，股價波動相對較小。

圖1 工業(yè)品指數(shù)原序列、條件方差、條件偏度和條件峰度

圖2 金融業(yè)指數(shù)原序列、條件方差、條件偏度和條件峰度

（三）溢出效應(yīng)分析

現(xiàn)有研究認(rèn)為，信息溢出一般包含收益率與波動率兩個層面，在本文中，波動率溢出包含波動溢出以及高階矩波動溢出。收益率溢出體現(xiàn)了不同行業(yè)間（或者市場間）價格的聯(lián)動性，而波動率溢出常用來衡量風(fēng)險傳染。首先，本文將進(jìn)行靜態(tài)溢出效應(yīng)分析，分別計算全樣本的收益率溢出效應(yīng)與波動溢出效應(yīng)。而后，本文選用了約1年的樣本量（240天）作為窗寬滾動樣本得到連續(xù)的溢出指數(shù)，研究股市行業(yè)間收益溢出效應(yīng)與波動溢出效應(yīng)的動態(tài)特征。

1.靜態(tài)溢出效應(yīng)：全樣本分析

由ADF單位根檢驗可知各行業(yè)所對應(yīng)的收益率、條件方差、條件偏度和條件峰度序列均為平穩(wěn)序列④，分別對其建立VAR模型，而后進(jìn)行廣義誤差分解得到全樣本的收益溢出效應(yīng)表（表3）、波動溢出效應(yīng)表（表4）、偏度溢出效應(yīng)表（表5）和峰度溢出效應(yīng)表（表6），預(yù)測步長為10⑤。

眾所周知，同一股票市場不同行業(yè)間因其緊密的業(yè)務(wù)聯(lián)系以及參與者對于市場信息的及時反饋，將使得行業(yè)之間具有較強的聯(lián)動性?？傄绯鲋笖?shù)可以反映我國股市行業(yè)間整體的聯(lián)動情況，從表3～表6可知，我國股票市場行業(yè)間收益率、條件方差、條件偏度和條件峰度的總溢出指數(shù)均處于較高水平，分別為83.76%、82.41%、69.82%和62.88%，可見行業(yè)間整體聯(lián)動性較大，符合預(yù)期。其中，收益率總溢出指數(shù)最大，條件方差總溢出指數(shù)略小，而高階矩波動（條件偏度與條件峰度）的總溢出指數(shù)相對較小。這可理解為：與一階矩（收益率）和二階矩（條件方差）極強的聯(lián)動性相比，當(dāng)小概率事件發(fā)生時，雖然行業(yè)間的聯(lián)動性依舊較大（條件偏度和條件峰度的總溢出指數(shù)均大于60%），但不同行業(yè)可能會出現(xiàn)不同程度的反應(yīng)。以房地產(chǎn)行業(yè)為例，在全樣本分析中，其溢出能力較弱，但是在次貸危機期間，其溢出能力大大提升，這將在下文動態(tài)溢出效應(yīng)中進(jìn)行分析。

表3 股票市場行業(yè)間收益溢出效應(yīng)

表4 股票市場行業(yè)間波動溢出效應(yīng)

表5 股票市場行業(yè)間偏度溢出效應(yīng)

表6 股票市場行業(yè)間峰度溢出效應(yīng)

綜合表3～表6，可以發(fā)現(xiàn)溢出能力最強的三個指數(shù)為：耐用消費指數(shù)、工業(yè)品指數(shù)和原材料指數(shù)，溢出能力最弱的三個指數(shù)為：電信指數(shù)、房地產(chǎn)指數(shù)和金融業(yè)指數(shù)。這與我國經(jīng)濟(jì)現(xiàn)狀基本相符：第一，我國為制造業(yè)大國，工業(yè)品行業(yè)與原材料行業(yè)作為上游行業(yè)自然具有極其重要的地位；第二，與經(jīng)常消費品不同，耐用消費品行業(yè)的繁榮與否能夠在一定程度上反映某段時期內(nèi)宏觀經(jīng)濟(jì)增長的好壞，隨著我國居民消費能力的提升，該行業(yè)的重要性也逐漸凸顯；第三，金融業(yè)（銀行、證券、保險和地產(chǎn)等）與實體經(jīng)濟(jì)結(jié)合不足，故其對外溢出能力較弱，這也是國家呼吁金融業(yè)“脫虛向?qū)崱钡脑蛑?；第四，電信行業(yè)的壟斷特征也決定了其主要受自身影響，對其他行業(yè)的溢出能力較弱。

對比表3～表6，可以發(fā)現(xiàn)不同行業(yè)在不同階矩下溢出效應(yīng)存在共性與差異性。其共性在于：溢出效應(yīng)最強的始終為耐用消費指數(shù)、工業(yè)品指數(shù)和原材料指數(shù)，最弱的始終為電信指數(shù)、房地產(chǎn)指數(shù)和金融業(yè)指數(shù)；各行業(yè)對自身溢出能力較強，對其他行業(yè)溢出能力較弱。差異性在于：相比于一階矩、二階矩溢出效應(yīng)，在高階矩波動溢出效應(yīng)中，各行業(yè)對自身的溢出能力大大提升。在偏度溢出效應(yīng)中，電信行業(yè)對其他行業(yè)的溢出總和僅為19.71%，而對于自身的溢出卻高達(dá)50.02%。房地產(chǎn)指數(shù)和金融業(yè)指數(shù)也表現(xiàn)出類似的特征，且二者的聯(lián)動性在偏度溢出效應(yīng)中表現(xiàn)得更加明顯。峰度溢出效應(yīng)也存在類似的特征，在此不做贅述。以上高階矩波動溢出特征顯示：當(dāng)某個行業(yè)內(nèi)出現(xiàn)重大沖擊時，行業(yè)自身所受沖擊最強，對其他行業(yè)相對較弱。

2.動態(tài)溢出效應(yīng)：滾動窗口分析

本文通過固定的滾動窗口得到連續(xù)的溢出指數(shù)。首先，利用動態(tài)總溢出指數(shù)探討不同階矩溢出效應(yīng)總體的時間趨勢；其次，利用動態(tài)溢出指數(shù)描述行業(yè)間不同階矩溢出效應(yīng)的動態(tài)特征，并結(jié)合政治、經(jīng)濟(jì)時事進(jìn)行分析。結(jié)果發(fā)現(xiàn)，溢出效應(yīng)具有時變性，且收益溢出效應(yīng)和波動溢出效應(yīng)也具有不同的特征。

（1）動態(tài)總溢出指數(shù)

對于每一個滾動子樣本，均通過AIC準(zhǔn)則確定VAR模型的最優(yōu)滯后階數(shù)。研究發(fā)現(xiàn)，收益率、條件方差、條件偏度和條件峰度的VAR最優(yōu)滯后階數(shù)為1的次數(shù)最多，這表明不同行業(yè)之間的信息傳遞速度較快。

利用我國股票市場行業(yè)間收益（波動）總溢出指數(shù)繪圖，勾勒出行業(yè)間整體各階矩溢出效應(yīng)的時變特征。由圖3可知，我國股市行業(yè)間各階矩溢出效應(yīng)均較強，相較于收益溢出指數(shù)平緩的變化，波動（包含條件方差、條件偏度與條件峰度）溢出指數(shù)對重要事件反應(yīng)更為劇烈，呈現(xiàn)跳躍式變化，且高階矩波動溢出指數(shù)的波動特征更為明顯，曲線走勢更為陡峭。當(dāng)危機事件發(fā)生時，波動溢出指數(shù)大幅上揚，其中高階矩波動溢出指數(shù)提升幅度更大，表明此類事件能迅速引發(fā)較大的風(fēng)險溢出效應(yīng)。

圖3 我國股票市場行業(yè)間各階矩總溢出效應(yīng)

隨著我國股權(quán)分置改革的順利進(jìn)行，2005年以來各階矩波動溢出指數(shù)均呈現(xiàn)下降趨勢，再加之經(jīng)濟(jì)增長勢頭強勁，股市迎來一片繁榮，直到2007年初，各階矩波動溢出指數(shù)到達(dá)極小值，而后逐步上升。2007年8月，次貸危機爆發(fā)致使波動溢出指數(shù)進(jìn)一步上揚，風(fēng)險溢出效應(yīng)顯著增大。2008年9月15日，雷曼公司破產(chǎn)引發(fā)全球金融市場恐慌，高階矩波動溢出指數(shù)出現(xiàn)跳躍式變化。隨著各國相應(yīng)救市政策的出臺，市場逐步回穩(wěn)，各階矩波動溢出指數(shù)也隨之回落。2009年12月，全球三大評級公司穆迪、標(biāo)準(zhǔn)普爾、惠譽國際下調(diào)希臘主權(quán)評級，2010年2月，歐洲其他國家也開始陷入危機。在此期間，各階矩波動總溢出指數(shù)上揚，風(fēng)險溢出效應(yīng)增強，但相比于次貸危機，歐債危機對于我國股票市場的影響較小，各階矩波動溢出指數(shù)很快回落至較低水平。2013年6月，我國金融市場出現(xiàn)“錢荒”事件，隔夜Shibor三天飆升495.8bp，各階矩波動溢出指數(shù)均出現(xiàn)跳躍式變化，可見其對危機事件的敏感性。2014年下半年至2016年初，我國股市經(jīng)歷了大幅度的暴漲暴跌，“千股漲停”和“千股跌?！睂乙姴货r，各階矩波動溢出指數(shù)從2014年下半年的較低水平一路上揚至2016年初，而后隨著救市措施的穩(wěn)步推進(jìn)，各階矩溢出指數(shù)也隨之逐步回落。2018年，中美貿(mào)易摩擦、部分新興國家匯率危機、美元加息和英國脫歐等重大事件使得中國經(jīng)濟(jì)金融體系面臨的外部環(huán)境日趨復(fù)雜，國內(nèi)外經(jīng)濟(jì)環(huán)境的不確定性加劇了股票市場的波動，溢出效應(yīng)再次顯著增強。

（2）動態(tài)溢出指數(shù)

本文分別計算了樣本中所有行業(yè)各階矩的溢出指數(shù)⑥。綜合圖4～圖7，發(fā)現(xiàn)各行業(yè)各階矩的溢出效應(yīng)具有與我國股票市場行業(yè)間總溢出指數(shù)類似的特征：相較于收益溢出指數(shù)較為平穩(wěn)的變化，波動溢出指數(shù)的變化幅度更為劇烈，在危機事件爆發(fā)期間，呈現(xiàn)跳躍式上揚，且高階矩波動溢出指數(shù)具有更為陡峭的曲線走勢。

圖4 原材料指數(shù)各階矩溢出效應(yīng)

圖5 工業(yè)品指數(shù)各階矩溢出效應(yīng)

圖6 金融業(yè)指數(shù)各階矩溢出效應(yīng)

圖7 房地產(chǎn)指數(shù)各階矩溢出效應(yīng)

由上文可知，在全樣本靜態(tài)分析中，原材料指數(shù)和工業(yè)品指數(shù)的溢出能力大大強于金融業(yè)指數(shù)與房地產(chǎn)指數(shù)，但在本節(jié)中可發(fā)現(xiàn)不同特點。2007年8月，美國房地產(chǎn)泡沫破裂，次貸危機爆發(fā)并蔓延全球。在此期間，房地產(chǎn)指數(shù)的各階矩溢出能力均明顯增強，且增加幅度遠(yuǎn)高于其他行業(yè)。從圖7可知，房地產(chǎn)指數(shù)波動、偏度和峰度溢出效應(yīng)均大幅提升，且收益溢出效應(yīng)也明顯上揚，而其他行業(yè)的波動溢出效應(yīng)雖然也有所增強，但收益溢出效應(yīng)與高階矩波動溢出效應(yīng)僅出現(xiàn)較小幅度的變化。由此可見，此次危機對我國股市行業(yè)間溢出效應(yīng)并無太大的影響，除房地產(chǎn)指數(shù)以外，其他行業(yè)溢出指數(shù)僅出現(xiàn)較小的上揚，高階矩波動溢出效應(yīng)均較為平緩，凸顯出此次危機對于房地產(chǎn)行業(yè)的沖擊。

2014年下半年，金融板塊率先發(fā)力啟動此次“杠桿牛”，上證綜指于2014年12月突破3 000點，融資融券的活躍以及寬松的貨幣政策進(jìn)一步推動股指上揚，市場逐漸狂熱。相較于實體經(jīng)濟(jì)較低的利潤率，股市賺錢效應(yīng)迅速吸引私募、傘形信托和場外配資等杠桿資金進(jìn)入。為防范系統(tǒng)性金融風(fēng)險，證監(jiān)會于2015年6月開始清理場外配資，引發(fā)市場劇震，短暫的牛市狂歡就此結(jié)束。2014～2016年期間，千股漲停和千股跌停現(xiàn)象屢見不鮮，市場波動極其劇烈。牛市期間，金融業(yè)因業(yè)績大幅改善在牛市初期就出現(xiàn)較大漲幅，而后清理場外配資的行為致使金融業(yè)利潤大幅縮水勢必引發(fā)金融業(yè)大幅震蕩，故金融業(yè)指數(shù)在此暴漲暴跌過程中具有重要地位。從圖4～圖7中可以看出，2014～2016年期間，原材料指數(shù)與工業(yè)品指數(shù)的各階矩溢出效應(yīng)均出現(xiàn)不同程度加強，但其增強幅度依舊小于金融業(yè)指數(shù)與房地產(chǎn)指數(shù)（具有較強的金融屬性），且金融業(yè)指數(shù)溢出增強幅度最大。以金融業(yè)指數(shù)波動溢出效應(yīng)為例，在此期間，金融業(yè)指數(shù)偏度溢出指數(shù)從2%大幅增強至9%，峰度溢出指數(shù)從1%大幅上揚至接近12%，而波動溢出指數(shù)更是在股災(zāi)爆發(fā)初期達(dá)到溢出效應(yīng)最大值（接近25%）。股災(zāi)發(fā)生期間，外部市場環(huán)境并未發(fā)生重大變化，故可將其視為我國股市內(nèi)生性危機，對其進(jìn)行深入分析更有利于把握我國股市行業(yè)間溢出效應(yīng)的動態(tài)關(guān)系。對比圖4～圖7，雖然原材料指數(shù)溢出效應(yīng)變化幅度最小，但在股災(zāi)期間其波動溢出效應(yīng)也出現(xiàn)明顯增強，而工業(yè)品指數(shù)波動率溢出效應(yīng)則出現(xiàn)更大增幅，但二者偏度與峰度的溢出效應(yīng)增強幅度較小。

股災(zāi)的影響隨著時間的推移逐步減弱，到2017年末，我國股市溢出效應(yīng)已達(dá)到最低值。2018年以來，世界政治經(jīng)濟(jì)局勢發(fā)生深度調(diào)整變化，外部不確定性的增加使得中國經(jīng)濟(jì)金融體系面臨巨大挑戰(zhàn)。中美貿(mào)易摩擦、美元加息、英國脫歐和部分新興市場國家匯率危機等給全球經(jīng)濟(jì)和金融市場造成巨大負(fù)面影響。2018年以來，我國股市行業(yè)間溢出效應(yīng)大幅上揚，可見在全球經(jīng)貿(mào)一體化的情況下，全球貿(mào)易環(huán)境惡化給我國股市帶來極為負(fù)面的影響。從行業(yè)角度來看，各行業(yè)的收益溢出效應(yīng)和波動溢出效應(yīng)持續(xù)增強，但從高階矩波動溢出角度來看則各有不同，如原材料行業(yè)和工業(yè)品行業(yè)的高階矩波動溢出效應(yīng)的增大幅度就要大于金融業(yè)指數(shù)與房地產(chǎn)指數(shù)，房地產(chǎn)指數(shù)的高階矩波動溢出甚至呈現(xiàn)下降趨勢，這可能由于原材料行業(yè)與工業(yè)品行業(yè)的開放程度更高，對外貿(mào)易活躍，故其對貿(mào)易環(huán)境變化更為敏感。

從本節(jié)分析可知，不同行業(yè)的波動溢出指數(shù)均能夠及時反映重大事件沖擊，而高階矩波動溢出指數(shù)則更能體現(xiàn)出不同行業(yè)的特質(zhì)以及所受沖擊的大小，有利于監(jiān)管機構(gòu)針對不同行業(yè)制定相應(yīng)的預(yù)警與防范措施，提高我國金融體系穩(wěn)定性。

四、結(jié)論與政策啟示

本文首次利用GARCHSK模型從高階矩視角研究我國股市不同行業(yè)的波動特征，并結(jié)合溢出指數(shù)對行業(yè)間各階矩的溢出效應(yīng)進(jìn)行分析，探討高階矩波動溢出效應(yīng)與一階矩、二階矩溢出效應(yīng)的不同之處，為宏觀審慎監(jiān)管提供理論依據(jù)，主要得出以下結(jié)論：

1.各行業(yè)指數(shù)的條件方差、條件偏度和條件峰度均表現(xiàn)出十分顯著的時變性特征，且不同行業(yè)在不同時期具有不同的波動特征，能夠充分反映市場變動對于不同行業(yè)的影響程度。

2.由靜態(tài)溢出指數(shù)結(jié)果可知，溢出能力最強的三個指數(shù)為：耐用消費指數(shù)、工業(yè)品指數(shù)和原材料指數(shù)，溢出能力最弱的三個指數(shù)為：電信指數(shù)、房地產(chǎn)指數(shù)和金融業(yè)指數(shù)，基本符合我國產(chǎn)業(yè)特征。從整體來看，我國股票市場行業(yè)間收益率、波動率、偏度和峰度的總溢出指數(shù)均處于較高水平，分別為83.76%、82.41%、69.82%和62.88%，風(fēng)險聯(lián)動能力較強，單個行業(yè)的風(fēng)險容易通過行業(yè)間的相互作用擴散到整個市場。

3.由動態(tài)溢出指數(shù)結(jié)果可知，我國股市不同行業(yè)之間的信息傳遞速度較快，行業(yè)間各階矩溢出效應(yīng)均較強。同時，相較于收益溢出指數(shù)較為平緩的變化，波動溢出指數(shù)能夠及時反映重大事件的沖擊，而高階矩波動溢出指數(shù)則更能體現(xiàn)出不同行業(yè)的特質(zhì)以及所受沖擊的大小，有利于監(jiān)管機構(gòu)針對不同行業(yè)制定相應(yīng)的預(yù)警與防范措施。

注釋

① 數(shù)據(jù)來源于上海證券交易所和恒大研究院。

② 中信標(biāo)普行業(yè)指數(shù)的11個行業(yè)分別為公用事業(yè)指數(shù)（GY）、電信服務(wù)指數(shù)（DX）、信息技術(shù)指數(shù)（XX）、房地產(chǎn)指數(shù)（FDC）、金融業(yè)指數(shù)（JR）、健康護(hù)理指數(shù)（JK）、經(jīng)常消費指數(shù)（JCXF）、耐用消費指數(shù)（NYXF）、工業(yè)品指數(shù)（GYP）、原材料指數(shù)（YCL）和能源指數(shù)（NY）。

③ 限于篇幅，圖1和圖2僅給出了工業(yè)品指數(shù)和金融業(yè)指數(shù)原序列及其對應(yīng)的條件方差、條件偏度和條件峰度的估計結(jié)果。

④ 限于篇幅，此處不列出序列平穩(wěn)性檢驗結(jié)果。

⑤ 本文根據(jù)以往文獻(xiàn)依次將預(yù)測步幅設(shè)為3、5、7和10，發(fā)現(xiàn)將預(yù)測步幅設(shè)為10，溢出指數(shù)值基本穩(wěn)定。限于篇幅，此處不列出其他步幅估計結(jié)果。

⑥ 由于篇幅限制，本文只提供原材料指數(shù)、工業(yè)品指數(shù)、房地產(chǎn)指數(shù)和金融業(yè)指數(shù)4個代表性行業(yè)各階矩的溢出指數(shù)，原因如下：（1）我國自加入WTO以來，中國制造逐步成為世界經(jīng)濟(jì)中的重要力量。根據(jù)世界銀行數(shù)據(jù)，2018年我國制造業(yè)增加值占世界的份額達(dá)到28%以上，接近美、日、德三國的總和。因此，本文選取原材料指數(shù)和工業(yè)品指數(shù)為代表性行業(yè)；（2）自1998年房改以來，受益于我國城鎮(zhèn)化和經(jīng)濟(jì)增長，房地產(chǎn)行業(yè)蓬勃發(fā)展。房地產(chǎn)投資和消費帶動一大批上下游行業(yè)發(fā)展，對經(jīng)濟(jì)增長貢獻(xiàn)度高。因此，本文選取房地產(chǎn)指數(shù)為代表性行業(yè)；（3）金融是經(jīng)濟(jì)發(fā)展的“血液”，任何產(chǎn)業(yè)發(fā)展都離不開金融服務(wù)。因此，本文選取金融業(yè)指數(shù)為代表性行業(yè)。