方　龍　何　川　李雪松

(1.中國社會科學(xué)院 研究生院，北京　102488；2.中國社會科學(xué)院 數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，北京　100732)

?

中國股市、債市間溢出效應(yīng)與杠桿效應(yīng)研究

方龍1何川1李雪松2

(1.中國社會科學(xué)院 研究生院，北京102488；2.中國社會科學(xué)院 數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，北京100732)

【摘要】利用VECM、GARCH-M模型分別對以滬深300指數(shù)為代表的股票市場與以中證全債指數(shù)為代表的債券市場之間的均值溢出與波動性溢出效應(yīng)進(jìn)行研究，同時(shí)還對兩個(gè)市場分別建立TARCH模型以檢驗(yàn)二者之間波動性杠桿效應(yīng)。結(jié)果表明：股市、債市的收益率之間存在長期協(xié)整關(guān)系與短期波動調(diào)整，股市收益率受到長期均衡關(guān)系的顯著性影響；債市的均值溢出效應(yīng)要顯著大于股市；股市、債市都存在一定程度的風(fēng)險(xiǎn)激勵(lì)特征，二者的波動性溢出效應(yīng)均表現(xiàn)顯著，且前者要明顯強(qiáng)于后者；股市、債市之間存在顯著的波動性杠桿效應(yīng)，表現(xiàn)為利空消息對股市、債市的沖擊要明顯大于利好消息。

【關(guān)鍵詞】股市；債市；溢出效應(yīng)；杠桿效應(yīng)

一、研究背景

經(jīng)濟(jì)全球化與金融自由化的不斷加深使得金融市場間的聯(lián)系愈發(fā)緊密。作為我國資本市場的兩大重要子市場，股票市場與債券市場正趨向于受到共同宏觀因素的影響，它們之間源于市場間溢出效應(yīng)所形成的關(guān)聯(lián)特性也愈益明顯。該溢出效應(yīng)包括：一是均值溢出效應(yīng)，反映兩個(gè)市場收益率之間信息傳導(dǎo)的領(lǐng)先滯后關(guān)系；二是波動性溢出效應(yīng)，反映兩個(gè)市場波動性之間相互作用機(jī)理?？陀^講，股市、債市之間溢出效應(yīng)的加強(qiáng)，一方面有利于提高金融市場整體運(yùn)行效率，另一方面會加劇由市場之間風(fēng)險(xiǎn)傳染擴(kuò)散所導(dǎo)致的金融體系不穩(wěn)定性，這種不穩(wěn)定性可能會因市場波動性杠桿效應(yīng)的存在而被放大。因此，研究我國股票市場、債券市場之間的溢出效應(yīng)、杠桿效應(yīng)，有利于理解它們之間的信息傳導(dǎo)機(jī)制和相互作用機(jī)理，從而加深對兩個(gè)市場之間關(guān)聯(lián)性的認(rèn)識，為經(jīng)濟(jì)金融政策制定實(shí)施、投資組合風(fēng)險(xiǎn)管理提供更有意義的指導(dǎo)。

國外關(guān)于股市、債市之間溢出效應(yīng)的研究文獻(xiàn)相對較多，如Fleming & Romolona(1999)分析認(rèn)為股市、債市之間存在著較強(qiáng)的波動關(guān)聯(lián)性，且兩個(gè)市場之間的波動性還會影響到它們的流動性[1]。Li(2002)研究G7國的股市、債市的波動溢出效應(yīng)，發(fā)現(xiàn)不同國家的股市、債市均存在顯著的波動溢出關(guān)系[2]。Francis、Iftekhar and Delroy(2002)認(rèn)為發(fā)達(dá)國家中股市、債市之間存在顯著的雙向均值溢出與波動溢出效應(yīng)[3]。而Wu(2005)認(rèn)為新興市場國家中股市、債市之間沒有明顯的均值溢出效應(yīng)，但存在顯著的波動性溢出效應(yīng)[4]。Goeij & Marquring(2009)采用二元ADVECH模型對美國股市、債市進(jìn)行了研究，認(rèn)為二者之間存在明顯的波動性杠桿效應(yīng)[5]。Dean、Fall and Loudon(2010)利用GARCH模型對澳大利亞股市、債市進(jìn)行研究，發(fā)現(xiàn)二者之間存在非對稱性均值溢出效應(yīng)以及單向波動性溢出效應(yīng)[6]。

國內(nèi)研究方面，王璐和龐皓(2009)利用MVGARCH模型研究后指出，中國股市、債市之間存在非對稱性波動溢出效應(yīng)，且前者影響要顯著大于后者[7]。陸賢偉等(2009)認(rèn)為中國股市、債市之間存在顯著的條件方差非對稱效應(yīng)，同時(shí)二者之間還存在對同一信息呈反方向變動的協(xié)方差非對稱效應(yīng)[8]。王斌會等(2010)采用多元向量自回歸GARCH模型研究后發(fā)現(xiàn)股市、債市之間不存在均值溢出效應(yīng)，但存在從股市到債市的單向波動溢出效應(yīng)[9]。李成等(2010)利用VAR-GARCH-BEKK模型研究后發(fā)現(xiàn)中國股市、債市之間存在明顯均值溢出與波動溢出效應(yīng)[10]。

鑒于國內(nèi)外學(xué)者對股市、債市之間是否存在均值溢出效應(yīng)或波動溢出效應(yīng)的研究尚未得到一致結(jié)論，且較少涉及波動性杠桿效應(yīng)方面，筆者擬利用VECM、GARCH-M模型分別對以滬深300指數(shù)為代表的股票市場與以中證全債指數(shù)為代表的債券市場之間的均值溢出與波動溢出效應(yīng)進(jìn)行研究。另外，還對兩個(gè)市場分別建立TARCH模型，以檢驗(yàn)二者之間波動的非對稱性，即杠桿效應(yīng)。通過全面深入分析股市、債市間的溢出效應(yīng)與杠桿效應(yīng)，可為宏觀經(jīng)濟(jì)政策及市場投資管理提供一定的幫助與指導(dǎo)。

二、模型方法

1、股市、債市價(jià)格收益的協(xié)整檢驗(yàn)

(1)單位根檢驗(yàn)

(2)協(xié)整檢驗(yàn)

若lnSt、lnBt同為1階單整序列，可進(jìn)一步對滬深300指數(shù)、中債總指數(shù)的價(jià)格對數(shù)lnSt、lnBt進(jìn)行Johansen協(xié)整檢驗(yàn)，通過檢驗(yàn)得到的跡統(tǒng)計(jì)量與最大特征值統(tǒng)計(jì)量判斷l(xiāng)nSt、lnBt之間是否存在長期均衡關(guān)系。

(3)描述均衡關(guān)系

若lnSt、lnBt之間存在協(xié)整關(guān)系，可建立向量誤差修正模型(VECM)描述它們之間存在的長期(靜態(tài))均衡與短期(動態(tài))均衡關(guān)系。該均衡關(guān)系表明，股市(債市)價(jià)格既受其自身前期價(jià)格表現(xiàn)的影響，還受債市(股市)前期價(jià)格表現(xiàn)的影響，由此可以評估股票市場、債券市場之間的均值溢出效應(yīng)。

2、股市、債市收益的誤差修正模型

VECM模型中，假設(shè)導(dǎo)致誤差修正的長期均衡關(guān)系可表示如下：

其中，μt為零均值的平穩(wěn)時(shí)間序列。上述線性組合可認(rèn)為價(jià)格對數(shù)序列l(wèi)nSt、lnBt之間的協(xié)整關(guān)系，標(biāo)準(zhǔn)化的協(xié)整向量為(1-β)，協(xié)整向量可通過Johansen檢驗(yàn)與極大似然估計(jì)來確定。

3、股市、債市波動的GARCH模型

即使股票市場、債券市場收益率序列平穩(wěn)，但它們的條件方差卻通常存在時(shí)變性與聚類性特征，即條件異方差性。這方面較為流行的是Engle(1982)所提出的條件異方差性模型(GARCH Model)[11]。一般，刻畫收益率rt的GARCH(p, q)模型由兩個(gè)方程組成，第一個(gè)是均值方程。

即rt的變動服從ARMA(m, n)過程。

那么，GARCH(p, q)模型的另一個(gè)方程，即條件異方差方程可表示如下：

為了更好地描述金融收益率序列特征，考慮其收益風(fēng)險(xiǎn)之間的替代關(guān)系，即收益率隨著風(fēng)險(xiǎn)程度的加大而上升，將GARCH(p, q)模型推廣為GARCH-M (p, q)模型，如此即可刻畫條件方差對收益率的影響效應(yīng)。

當(dāng)λ>0時(shí)，風(fēng)險(xiǎn)(波動性)增加時(shí)收益水平將增加，即存在風(fēng)險(xiǎn)激勵(lì)；當(dāng)λ<0時(shí)，風(fēng)險(xiǎn)(波動性)增加時(shí)收益水平將降低，即存在風(fēng)險(xiǎn)懲罰。

(1)溢出效應(yīng)模型

筆者利用波動溢出效應(yīng)模型來分析股市、債市波動性之間的相依性和互動性，以描述二者之間的短期波動關(guān)聯(lián)關(guān)系，模型如下：

(2)杠桿效應(yīng)模型

通常，杠桿效應(yīng)描述的是收益率與波動性之間存在的負(fù)相關(guān)關(guān)系，它體現(xiàn)了波動性傳導(dǎo)的單向性或一定程度的風(fēng)險(xiǎn)態(tài)度差異，即波動性隨收益率降低而增大，反之亦然。對于杠桿效應(yīng)的描述可以通過在GARCH模型中加入非對稱變量因子來實(shí)現(xiàn)，即如下的門限回歸模型(TARCH Model)：

其中，Dt變量表示絕對殘差變化方向的啞變量，即當(dāng)εt-1<0時(shí)，Dt=1；當(dāng)εt-1≥0時(shí)，Dt=0。這里，系數(shù)ω描述了市場收益波動的非對稱性特征，即當(dāng)系數(shù)ω顯著為負(fù)，則前期收益率的正向沖擊將比反向沖擊效果更強(qiáng)，這反映市場波動性對利好消息的反應(yīng)大于利空消息；反之，當(dāng)系數(shù)ω顯著為正，則前期收益率的反向沖擊將比正向沖擊效果更強(qiáng)，這反映市場波動性對利空消息的反應(yīng)大于利好消息。

三、實(shí)證結(jié)果分析

利用模型對股票市場、債券市場收益波動的溢出效應(yīng)與杠桿效應(yīng)進(jìn)行研究。數(shù)據(jù)樣本方面，股票市場選取具有良好的市場代表性與可投資性的滬深300指數(shù)；債券市場選取可綜合反映滬深證券交易所和銀行間債券市場價(jià)格變動趨勢的中證全債指數(shù)?？紤]到2008年全球金融危機(jī)及2015年國內(nèi)“股災(zāi)”影響，股票市場或債券市場波動性較為異常，因此選定樣本期間為2009年1月1日至2014年12月31日，此期間內(nèi)得到滬深300指數(shù)、中證全債指數(shù)收盤價(jià)的樣本均為1399個(gè)數(shù)據(jù)。

1、協(xié)整關(guān)系檢驗(yàn)

為了避免在模型估計(jì)過程中出現(xiàn)偽回歸問題，首先分別對股票市場、債券市場的價(jià)格對數(shù)序列、收益率序列進(jìn)行單位根檢驗(yàn)(ADF Test)，以確定出兩個(gè)時(shí)間序列的單整階數(shù)。記滬深300指數(shù)價(jià)格為St，價(jià)格對數(shù)為lnSt，中證全債指數(shù)價(jià)格為Bt，價(jià)格對數(shù)為lnBt。

價(jià)格對數(shù)lnSt、lnBt的單位根檢驗(yàn)結(jié)果如表1所示。

表 1　價(jià)格對數(shù)序列單位根檢驗(yàn)(ADF檢驗(yàn))

可以看出，10%的置信水平下，仍不能拒絕原假設(shè)，因此價(jià)格對數(shù)lnSt、lnBt存在單位根，即它們均為非平穩(wěn)序列。

表 2　收益率序列單位根檢驗(yàn)(ADF檢驗(yàn))

通過ADF檢驗(yàn), 證實(shí)了價(jià)格對數(shù)lnSt、lnBt均為一階單整變量，如此可進(jìn)一步檢驗(yàn)二者之間是否存在協(xié)整關(guān)系。通常，協(xié)整關(guān)系檢驗(yàn)有兩種方法，一是Engle兩步法，二是Johansen協(xié)整向量自回歸法。由EG兩步法估計(jì)的協(xié)整參數(shù)的一致性和有效性較強(qiáng)，但該方法要求樣本序列為二維變量且具有唯一的協(xié)整關(guān)系；如果樣本變量為多維或協(xié)整變量的秩增大時(shí)，該方法存在明顯缺陷。因此，采用Johansen檢驗(yàn)方法來檢驗(yàn)價(jià)格對數(shù)lnSt、lnBt是否存在協(xié)整關(guān)系，結(jié)果如表3所示.

表 3　Johansen協(xié)整檢驗(yàn)結(jié)果

可以看出，Johansen協(xié)整檢驗(yàn)的跡統(tǒng)計(jì)量以及最大特征值統(tǒng)計(jì)量于10%的置信水平下拒絕協(xié)整關(guān)系不存在的原假設(shè)，但均接受至多存在一個(gè)協(xié)整向量的假設(shè)，因此，可認(rèn)為價(jià)格對數(shù)lnSt、lnBt之間存在長期均衡關(guān)系。因此，接下來將對二者建立向量誤差修正模型(VECMModel)并進(jìn)行估計(jì)檢驗(yàn)。

2、VECM模型估計(jì)與檢驗(yàn)

表4　滯后階數(shù)評價(jià)統(tǒng)計(jì)量表

VECM模型一方面可克服偽回歸問題，另一方面可有效描述不同變量序列之間的長期與短期變動特征[12]。針對價(jià)格對數(shù)序列l(wèi)nSt、lnBt建立VECM模型之前，首先須確定VECM模型的滯后階數(shù)。

通過對VECM模型作參數(shù)估計(jì)可以得到lnSt、lnBt之間具有標(biāo)準(zhǔn)化協(xié)整系數(shù)的協(xié)整關(guān)系式為：

其中，[·]括號中為t統(tǒng)計(jì)量，μt為平穩(wěn)序列?？梢钥闯觯?%的置信水平下，lnBt的估計(jì)系數(shù)顯著不為0，即樣本期間內(nèi)股票市場、債券市場價(jià)格收益之間存在長期同向變動關(guān)系，但股票市場變動幅度較大，相當(dāng)于債券市場變動幅度的4.86倍。

圖1給出了樣本期間內(nèi)股票市場、債券市場之間長期均衡關(guān)系(即誤差修正過程)的變動路徑。可以看出，隨著時(shí)間推移，二者所存在的長期協(xié)整關(guān)系在短期內(nèi)出現(xiàn)了一定程度的波動調(diào)整。前期，協(xié)整誤差的波動幅度較大，后期波動幅度縮小且趨向于零均值水平，這表明存在一個(gè)股票市場、債券市場之間經(jīng)調(diào)整而逐漸趨于協(xié)整的過程。同時(shí)，也可以看出不同時(shí)期內(nèi)協(xié)整關(guān)系對股票市場、債券市場的擾動方向是不同的，前期大部分時(shí)間體現(xiàn)為正向擾動，后期則主要體現(xiàn)為負(fù)向擾動。

圖 1　股票市場、債券市場之間長期協(xié)整誤差序列

進(jìn)一步，可得到股票市場、債券市場收益率的誤差修正模型，如下所示：

其中，[·]括號中為t統(tǒng)計(jì)量，帶*號估計(jì)系數(shù)可認(rèn)為顯著不為0。

可以看出，長期均衡關(guān)系對債券市場的收益率不存在顯著性影響(即誤差修正系數(shù)不顯著)，但對股票市場的收益率卻存在顯著性影響(即誤差修正系數(shù)顯著)。并且，由μt-1項(xiàng)的系數(shù)均為負(fù)可知，當(dāng)長期協(xié)整關(guān)系出現(xiàn)正向擾動時(shí)，股票市場、債券市場的收益率傾向于下降，且股票市場下降幅度更大；反之，當(dāng)長期協(xié)整關(guān)系出現(xiàn)負(fù)向擾動時(shí)，股票市場、債券市場的收益率則傾向于上升，且股票市場上升幅度更大。這也可以理解為當(dāng)股票市場相對債券市場表現(xiàn)較為強(qiáng)勁時(shí)，長期協(xié)整關(guān)系將通過正向擾動使得股票市場、債券市場收益率同時(shí)下降并趨于收斂；而當(dāng)股票市場相對債券市場表現(xiàn)較為疲弱時(shí)，長期協(xié)整關(guān)系將通過負(fù)向擾動使得股票市場、債券市場收益率同時(shí)上升并趨于收斂。同時(shí)，由于股票市場的收益率受長期均衡關(guān)系的顯著性影響，因此這種誤差修正對短期股票市場的波動性作用更為明顯。

現(xiàn)在規(guī)?；呢i場都有水塔作為臨時(shí)的儲水系統(tǒng)。冬季由于溫度較低，豬只對水的需求量相對較少，這樣就造成了供水系統(tǒng)內(nèi)水流動性較差，容易結(jié)冰、堵塞，造成飲水中斷。因此，應(yīng)及時(shí)做好水塔內(nèi)管道的外層保溫，并提供供暖設(shè)施，防止水塔內(nèi)的管道結(jié)冰堵塞。

3、GARCH模型估計(jì)與檢驗(yàn)

GARCH模型能較好地描述收益率序列的條件異方差性，筆者分別利用多元GARCH-M模型、TARCH模型來研究股票市場、債券市場波動性的溢出效應(yīng)與杠桿效應(yīng)。利用二者收益率序列的自相關(guān)函數(shù)(ACF)與偏自相關(guān)函數(shù)(PACF)，可以分別判斷上述均值方程中的MA過程與AR過程的滯后階數(shù)。類似地，利用均值方程的殘差平方序列的特性，可以給出方差方程中ARCH項(xiàng)、GARCH項(xiàng)的滯后階數(shù)。利用極大似然估計(jì)法對模型參數(shù)進(jìn)行估計(jì)得到股票市場、債券市場的GARCH-M模型如下：

(1)均值方程

其中，[·]括號中為t統(tǒng)計(jì)量，帶*號估計(jì)系數(shù)可認(rèn)為顯著不為0。從股票市場、債券市場的GARCH-M模型的均值方程估計(jì)結(jié)果可以看出，股票市場、債券市場均存在一定程度的風(fēng)險(xiǎn)激勵(lì)，但債券市場并沒有表現(xiàn)出顯著性，原因在于債券市場本身波動性比較小、風(fēng)險(xiǎn)相對比較低，通常于各類投資組合中配置權(quán)重比較大，是保本保收益型投資的最優(yōu)選擇。因此，債券市場的波動對于市場投資需求彈性的影響相對較小，即投資者對債券投資的風(fēng)險(xiǎn)溢價(jià)相對較低，因而債券市場所存在的風(fēng)險(xiǎn)激勵(lì)并不顯著。而股票市場則表現(xiàn)出顯著的風(fēng)險(xiǎn)激勵(lì)特征，這是因?yàn)楣善笔袌霾▌有员容^大、風(fēng)險(xiǎn)水平比較高，投資需求對波動水平的敏感性比較強(qiáng)，因此投資者對承擔(dān)單位風(fēng)險(xiǎn)的增加所要求的風(fēng)險(xiǎn)溢價(jià)也就比較大，風(fēng)險(xiǎn)激勵(lì)較為顯著。

另外，對比股票市場、債券市場收益的VECM模型可以看出，股票市場平均收益要明顯高于債券市場，除了受長期協(xié)整均衡關(guān)系修正外，更為重要的原因是股票市場存在顯著的風(fēng)險(xiǎn)偏好與風(fēng)險(xiǎn)激勵(lì)，導(dǎo)致股票市場依靠自身的波動性以及債券市場波動溢出效應(yīng)保持短期內(nèi)較高收益水平。同時(shí)，由于股票市場、債券市場的投資者風(fēng)險(xiǎn)偏好等特征顯著不同，這一定程度上加劇了兩個(gè)市場平均收益水平之間存在的差異。

(2)方差方程

其中，[·]括號中為t統(tǒng)計(jì)量，帶*號估計(jì)系數(shù)可認(rèn)為顯著不為0。從股票市場、債券市場的GARCH-M模型的方差方程估計(jì)結(jié)果可以看出，股票市場、債券市場之間存在著顯著的雙向波動溢出效應(yīng)。其中，債券市場前期單位波動對股票市場的風(fēng)險(xiǎn)溢出為1.4362，而股票市場前期單位波動對債券市場的風(fēng)險(xiǎn)溢出為1.49E-05，即債券市場對股票市場的波動溢出幅度要遠(yuǎn)遠(yuǎn)大于股票市場對債券市場的影響，這也與上述債券市場對股票市場的均值溢出效應(yīng)要明顯大于股票市場對債券市場的均值溢出效應(yīng)結(jié)論相一致。

另外，由股票市場、債券市場的方差方程可以看出，股票市場的平均波動水平要明顯高于債券市場，這也與市場實(shí)際相一致。同時(shí)，股票市場波動的持續(xù)性表現(xiàn)更為明顯，而債券市場波動的聚類性表現(xiàn)更為明顯，這是因?yàn)閭袌霰憩F(xiàn)相對更為平穩(wěn)，其波動性受宏觀經(jīng)濟(jì)政策(尤其是貨幣政策)影響更為直接且具有時(shí)段性，所以其波動聚類性也更為明顯；而股票市場的短期波動相對比較頻繁，因而更容易形成持續(xù)性的長期波動。

最后，利用TARCH模型分別對股票市場、債券市場的條件方差進(jìn)行建模，以判斷兩個(gè)市場是否存在杠桿效應(yīng)，由極大似然估計(jì)可得到如下方差方程：

其中，[·]括號中為t統(tǒng)計(jì)量，帶*號估計(jì)系數(shù)可認(rèn)為顯著不為0。從股票市場、債券市場的TARCH模型的方差方程估計(jì)結(jié)果可以看出，兩個(gè)市場均存在有顯著的波動性杠桿效應(yīng)。而由它們各自啞變量前的系數(shù)均為正數(shù)可以看出，利空消息對股票市場、債券市場的沖擊要明顯大于利好消息，即當(dāng)市場出現(xiàn)利空消息時(shí)，兩個(gè)市場的波動性水平均會相應(yīng)增加；同時(shí)，利空消息(對兩個(gè)市場來說可能并不完全相同)對它們的沖擊幅度大致相同，即表現(xiàn)為啞變量前的系數(shù)大致相等。這與我國投資者具有廣泛一致的風(fēng)險(xiǎn)偏好有關(guān)，即兩個(gè)市場的投資者對待消息面沖擊的反應(yīng)并無太大差別。

四、結(jié)論

筆者利用VECM模型、GARCH-M模型對以滬深300指數(shù)為代表的股票市場與以中證全債指數(shù)為代表的債券市場之間的均值溢出與波動溢出效應(yīng)進(jìn)行研究，同時(shí)對兩個(gè)市場分別建立非對稱性的TARCH模型以驗(yàn)證兩個(gè)市場存在的波動性杠桿效應(yīng)，實(shí)證分析得到如下結(jié)論：

1、股市與債市價(jià)格之間存在一定的長期協(xié)整關(guān)系，即兩個(gè)市場具有共同的長期趨勢

股市、債市價(jià)格收益之間存在長期同向變動關(guān)系，但股市變動幅度較大，約為債市的4.86倍。股市、債市長期協(xié)整關(guān)系在短期內(nèi)的波動模式隨時(shí)間推移出現(xiàn)一定程度的變化。前期，協(xié)整誤差大部分時(shí)間為正且波動幅度較大，后期協(xié)整誤差主要為負(fù)且波動幅度縮小、趨向于零均值水平，即股市、債市之間存在一個(gè)經(jīng)調(diào)整而逐漸趨于協(xié)整的過程。

2、債市收益率并沒有受到長期均衡關(guān)系的顯著性影響，但股市的收益率卻受到長期均衡關(guān)系的顯著性影響

當(dāng)長期協(xié)整關(guān)系出現(xiàn)正向擾動時(shí)，股市、債市的收益率均傾向于下降，但股市下降幅度更大；反之亦然。當(dāng)債市收益率前期為正時(shí)，對股市當(dāng)前收益的溢出效應(yīng)為正，反之則為負(fù)。當(dāng)股市收益前期為正時(shí)，對債市當(dāng)前收益的溢出效應(yīng)為負(fù)，反之則為正。相比而言，債市對股市的均值溢出效應(yīng)要明顯大于股市對債市的均值溢出效應(yīng)。

3、股市與債市的收益率與波動性存在顯著的非線性與非對稱性，且它們之間的波動溢出效應(yīng)均表現(xiàn)顯著

股市、債市均存在一定程度的風(fēng)險(xiǎn)激勵(lì)，但債市并沒有表現(xiàn)出顯著性。股市、債市之間存在著顯著的雙向波動溢出效應(yīng)。債市對股市的波動溢出幅度要遠(yuǎn)遠(yuǎn)大于股市對債市的影響，這與債市對股市的均值溢出效應(yīng)要明顯大于股市對債市的均值溢出效應(yīng)結(jié)論相一致。股市的平均波動水平要明顯高于債市，且股市波動的持續(xù)性表現(xiàn)更為明顯，而債市波動的聚類性則表現(xiàn)更為明顯。

4、股市與債市均存在顯著的波動性杠桿效應(yīng)

股市與債市均存在有顯著的波動性杠桿效應(yīng)，且利空消息對二者的沖擊要明顯大于利好消息，即當(dāng)市場出現(xiàn)利空消息時(shí)，兩個(gè)市場的波動性水平均會相應(yīng)增加。同時(shí)，利空消息(對兩個(gè)市場來說可能并不完全相同)對它們的沖擊幅度大致相同，這與我國投資者具有廣泛一致的風(fēng)險(xiǎn)偏好有關(guān)，即兩個(gè)市場的投資者對待消息面沖擊的反應(yīng)上具有基本相同的應(yīng)變態(tài)度。

【參考文獻(xiàn)】

[1]Fleming and Romolona. Price Formation and Liquidity in the US Treasury Market：The Response to Public Information [J].Journal of Finance, 1999, (54): 1901-1915.

[2]Li Lingfeng.Macroeconomic factors and the correlation of stock and bond return[R]. Yale ICF Working Paper，AFA 2004 San Diego Meetings, 2002. 02-46.

[3]Francis B B，Iftekhar H，Delroy H.Return-volatility linkages in the international equity and currency markets[J].Discussion Papers, Bank of Finland, 2002, (9): 03-37.

[4]Wu R S.International transmission effect of volatility between the financial markets during the Asian financial crisis[J].Transition Studies Reviews, 2005, (12): 19-35.

[5]Goeij D P，Marquring W.Stock and bond market interactions with level and asymmetry dynamics: an out-of-sample application[J]. Journal of Empirical Finance, 2009, (16): 318-329.

[6]Dean W G，F(xiàn)all R W，Loudon G F.Asymmetry in return and volatility spillover between equity and bond markets in Australia[J]. Pacific-Basin Finance Journal, 2010, (18): 272-289.

[7]王璐，龐皓.中國股市和債市波動溢出效應(yīng)的MVGARCH分析[J].數(shù)理統(tǒng)計(jì)與管理, 2009, (28): 152-158.

[8]陸賢偉，董大勇，紀(jì)春霞.債市和股市波動非對稱性[J].系統(tǒng)工程, 2009, (27): 10-15.

[9]王斌會，鄭輝，陳金飛.中國股市、匯市和債市間溢出效應(yīng)的實(shí)證研究[J].暨南學(xué)報(bào)( 哲學(xué)社會科學(xué)版) , 2010, (4): 37-45.

[10]李成，馬文濤，王彬.我國金融市場間溢出效應(yīng)研究: 基于四元VAR-GARCH(1,1) -B模型的分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2010, (6) : 03-19.

[11]Engle R.F and Granger C.W.Co-integration and Error Correction: Representation，Estimation，and Testing[J].Econometric, 1987, (55): 251-276.

[12]張德化(等). 基于VECM模型的我國農(nóng)民轉(zhuǎn)型影響因素分析[J]. 湖南社會科學(xué)，2014，(2)：168-171.

(編輯：周亮；校對：余華)

Research on Spillover and Leverage Effects between the Stock Market and Bond Market in China

FANG Long1HE Chuan1LI Xue-song2

(1.GraduateSchoolofCASS,Beijing102488;2.InstituteofQuantitative&TechnicalEconomicsofCASS,Beijing100732)

Abstract:This paper uses VECM and GARCH-M models to respectively research the mean spillover and volatility spillover effects between the stock market represented by 300 Index and the bond market represented by CSI Bond Index. Meanwhile, we also establish TARCH model to test the volatility leverage effect between the two markets. The empirical results show that the long-term co-integration and short-term fluctuation relationship exists between the yield series of stock market and bond market, while the stock market yields are significantly influenced by long-run equilibrium relationship and the bond market shows greater mean spillover effect than the stock market. The stock market and bond market both have some certain degree of risk excitation characteristics, while the stock market is more obvious. Their volatility spillover effects are both significant，but the bond market’s spillover effect is stronger than and the stock market. What’s more, there is a significant leverage effect between the stock market and bond market, showing that the impact of bad news on the stock market as well as the bond market is larger than good news while the two markets’ reaction to news is not very different.

Key words:stock market, bond market, spillover effect, leverage effect

DOI：10.16546/j.cnki.cn43-1510/f.2016.02.005

·收稿日期：2016-01-19

基金項(xiàng)目：國家社科基金重大項(xiàng)目“新常態(tài)下我國宏觀經(jīng)濟(jì)監(jiān)測和預(yù)測研究”(項(xiàng)目編號：15ZDA011)

作者簡介：方龍(1988-)，男，河南信陽人，中國社會科學(xué)院研究生院博士研究生，研究方向：金融衍生品與風(fēng)險(xiǎn)管理；何川(1984-)，男，四川成都人，中國社會科學(xué)院研究生院博士研究生，研究方向：債券市場與企業(yè)融資；李雪松(1970-)，男，江蘇宿遷人，中國社會科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所副所長、研究員、博士研究生導(dǎo)師，經(jīng)濟(jì)學(xué)博士，研究方向：中國宏觀經(jīng)濟(jì)分析與預(yù)測、經(jīng)濟(jì)政策的宏觀與微觀效應(yīng)評價(jià)

【中圖分類號】F832.5；F830.91

【文獻(xiàn)標(biāo)識碼】A

【文章編號】2095-1361(2016)02-0038-08