何蘇燕

(廣東科技學(xué)院 財(cái)經(jīng)系,廣東 東莞 523083)

?

財(cái)政金融研究

我國滬深股市與債市聯(lián)動(dòng)性研究

何蘇燕

(廣東科技學(xué)院 財(cái)經(jīng)系,廣東 東莞 523083)

[摘要]利用SVAR模型,選取2012年1月4日到2015年9月28日的上證綜合指數(shù)、深證綜合指數(shù)以及中證全債指數(shù)的日收盤價(jià)的對(duì)數(shù)收益率為研究對(duì)象,探尋我國滬深股市與債市之間的聯(lián)動(dòng)性問題。通過Granger因果關(guān)系檢驗(yàn)、脈沖響應(yīng)及方差分解可知,滬深股市與債市之間雖然具有一定程度的聯(lián)動(dòng)性,但是聯(lián)動(dòng)性不大;股市和債市之間的相互影響程度是不對(duì)稱的,債市對(duì)股市的影響大于股市對(duì)債市的影響;上海股市與債券市場之間的聯(lián)動(dòng)性更強(qiáng)。

[關(guān)鍵詞]滬深股市;債市;SVAR模型;Granger因果關(guān)系檢驗(yàn)

一、引言

股票和債券是目前大多數(shù)投資者所接受并且運(yùn)用的很熟悉的兩種金融資產(chǎn)?；陲L(fēng)險(xiǎn)管理的需要,國內(nèi)外已有學(xué)者對(duì)兩個(gè)市場收益之間的聯(lián)動(dòng)性問題進(jìn)行了研究,并取得了一系列的研究成果。

本文研究股市和債市之間的聯(lián)動(dòng)性主要從收益率的角度出發(fā),原因如下:首先,指數(shù)的收益率比指數(shù)本身具有更優(yōu)良的統(tǒng)計(jì)特性,學(xué)者們研究起來更方便;其次,股票價(jià)格指數(shù)和債券價(jià)格指數(shù)的變化只是數(shù)值大小的變化,不會(huì)發(fā)生正負(fù)號(hào)的變化,但是價(jià)格指數(shù)的收益率則不一樣,它不僅可以在數(shù)值大小上發(fā)生變化,更有可能在正負(fù)號(hào)上產(chǎn)生變動(dòng)。由此,我們認(rèn)為從收益率的角度來研究兩市的聯(lián)動(dòng)性,對(duì)于投資者來說更具有直觀的可讀性。

二、文獻(xiàn)綜述

Gebhardt和Hvidkjaer(2005)考察了股票和公司債券的相互作用。實(shí)證研究表明,投資公司債券和該家公司的股票之間存在動(dòng)量溢出效應(yīng),即在過去幾年里擁有高的股票收益率的公司在未來幾年會(huì)擁有較高的債券收益率[1]。Campbell 和Taksler(2003)研究了股票的波動(dòng)率對(duì)公司債券收益率的影響。通過對(duì)1963到1999年的標(biāo)準(zhǔn)普爾和穆迪債券收益率指數(shù)的運(yùn)用,我們發(fā)現(xiàn)公司債券的收益率在股票波動(dòng)率大時(shí)會(huì)變大[2]。Stefano和Kind(2006)使用仿射資產(chǎn)定價(jià)模型來給股票和債券一起定價(jià)。從該模型我們能夠得到股票和債券收益率之間的內(nèi)生相關(guān)性,同時(shí)也使我們能夠解釋經(jīng)濟(jì)的基本面如何影響股票和債券收益率之間的相關(guān)性[3]。王媛和李帆(2014)分析了中美兩國各自股票市場與債權(quán)市場之間一定時(shí)期之內(nèi)指數(shù)的變動(dòng)趨勢,并分別對(duì)兩國之間的股票市場與債券市場的相關(guān)性進(jìn)行了深入探討。結(jié)果顯示,無論是中美兩國各自股市與債市之間或者兩國之間都存在替代效應(yīng)[4]。徐浩(2014)首先分析了銀行間同業(yè)拆借市場、股票市場、債券市場相互作用的基礎(chǔ),然后通過實(shí)證分析得出了債券市場對(duì)股票市場的影響要大于股票市場對(duì)債券市場的影響,二者之間的相互作用是不對(duì)稱的[5]。

三、實(shí)證研究

(一)數(shù)據(jù)選取及處理

1.數(shù)據(jù)選取

本文選取的樣本區(qū)間為2012年1月4日到2015年9月28日的日收盤價(jià)為研究對(duì)象,共899個(gè)數(shù)據(jù)。同時(shí),選取采用上證綜合指數(shù)、深證綜合指數(shù)以及中證全債指數(shù)的日收盤價(jià)的對(duì)數(shù)收益率為研究對(duì)象。我們將金融資產(chǎn)的對(duì)數(shù)收益率定義為如下形式:Rt=100ln(Pt/Pt-1),在該式中,Pt向我們展示了在t時(shí)刻該項(xiàng)金融資產(chǎn)的價(jià)格,Pt-1則展示了在t-1時(shí)刻該金融資產(chǎn)的價(jià)格。我們將該對(duì)數(shù)收益率放大100倍是為了方便書寫,以免小數(shù)點(diǎn)過多,書寫起來過于繁瑣。上證綜指日收益率、深證綜指日收益率以及中證全債指數(shù)日收益率分別用上述公式計(jì)算得來,且分別用SH、SZ和ZZ表示。

至于數(shù)據(jù)的來源,本文選用了銳思(RESSET)金融研究數(shù)據(jù)庫,該數(shù)據(jù)庫包含了本文要研究的所有的數(shù)據(jù)。在獲取了數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行處理以及使用模型進(jìn)行估計(jì)時(shí),本文主要使用Eviews7.0來處理相關(guān)數(shù)據(jù)。

2.單位根檢驗(yàn)

要對(duì)變量進(jìn)行格蘭杰因果檢驗(yàn)之前,我們首先要確定變量是平穩(wěn)的,否則可能出現(xiàn)“偽回歸”現(xiàn)象。在本文的單位根檢驗(yàn)中,我們采用的是ADF檢驗(yàn)方法。表1歸納所示為上證綜指、深證綜指和中證全債指數(shù)日收盤價(jià)對(duì)數(shù)收益率序列進(jìn)行ADF單位根檢驗(yàn)統(tǒng)計(jì)表。由ADF檢驗(yàn)統(tǒng)計(jì)表可知,上證綜指、深證綜指和中證全債指數(shù)日收益率序列ADF統(tǒng)計(jì)量小于ADF分別在5%、1%顯著水平下的臨界值,也就是說原假設(shè)是不成立的,換言之,也就向我們展示了變量是平穩(wěn)的這一屬性。

表1　各變量的單位根檢驗(yàn)結(jié)果

3. Granger因果關(guān)系檢驗(yàn)

表2　股市與債市之間Granger因果關(guān)系檢驗(yàn)結(jié)果

從表2我們可以看出,SH和ZZ之間有雙向的Granger因果關(guān)系,兩者互相能對(duì)對(duì)方產(chǎn)生較大的影響,而SZ與債ZZ之間相互的影響力比較薄弱,只有ZZ對(duì)SZ有較大的影響,反之,則沒有。但是,縱觀總體的檢驗(yàn)情況,大體上我們可以認(rèn)為股市和債市之間相互的作用力很大[6]。

(二)實(shí)證分析

本文在研究滬深股市和債市的聯(lián)動(dòng)性時(shí),不僅要研究所有內(nèi)生變量的滯后值對(duì)每一個(gè)內(nèi)生變量的影響,而且還要研究所有內(nèi)生變量相互之間的當(dāng)期關(guān)系,AB 型的SVAR 模型能夠幫助我們識(shí)別事先的研究目標(biāo),達(dá)到較好的擬合效果。

在構(gòu)建AB 型的SVAR 模型之前,我們要對(duì)模型施加一定數(shù)量的約束條件, 這是模型可識(shí)別的一個(gè)前提。而對(duì)于本文中的3 元6 階的SVAR 模型,我們需要對(duì)模型施加n(n-1)/2=3 個(gè)約束條件才能夠使得模型恰好可識(shí)別[7]。

在SVAR 模型中,不同于VAR 模型的是,它有一個(gè)能夠反應(yīng)各個(gè)內(nèi)生變量之間的當(dāng)期之間的關(guān)系。我們假設(shè)這樣的一個(gè)矩陣為A 矩陣,即:

債券市場市場的參與者有很多,其中最重要的參與者之一是商業(yè)銀行,但是商業(yè)銀行將其資金投放到股市的渠道是很迂回的,不是直接的。除了上面的這一點(diǎn)之外,一些機(jī)構(gòu)投資者投資于股票市場的比例也受到嚴(yán)格的限制。這種資金在股市與債市之間流動(dòng)的不對(duì)稱就決定了資金可以更容易地從股市流入債市。 當(dāng)股票市場上漲時(shí),商業(yè)銀行并不能順利的即期進(jìn)入該市場。此時(shí),當(dāng)商業(yè)銀行想要將其能夠支配的資金投放到股票市場時(shí),往往只能通過一些渠道迂回地流入,這些渠道包括貸款給企業(yè)或者個(gè)人。這樣,當(dāng)商業(yè)銀行要把資金投放到股票市場時(shí),就產(chǎn)生了一個(gè)時(shí)滯,正是由于該時(shí)滯的存在,使得股市對(duì)債市的當(dāng)期影響非常微弱,我們可以忽略不計(jì),假設(shè)其為0。當(dāng)債券市場的形勢一片大好時(shí),股票市場的資金流入債券市場的管道是順暢的。股票市場幾乎所有的投資主體都可以將其資金自由地投放到債券市場。由此我們認(rèn)為債券指數(shù)對(duì)股票指數(shù)存在一定的影響[8]。

基于此,我們假設(shè):b31=0,b32=0從理論上來說,滬深股市之間存在聯(lián)動(dòng)性。其相同的參與主體、處于共同的宏觀經(jīng)濟(jì)基本面以及兩市之間資金流的相互作用等都為兩市聯(lián)動(dòng)提供了基礎(chǔ)。表3為上證綜指收益率與深證綜指收益率之間的Granger 檢驗(yàn)結(jié)果。由表3可知:SH 與SZ 之間互為Granger 因果。這也就意味著同期的上證綜指和深證綜指之間存在一定的關(guān)聯(lián), 我們假設(shè)SH 與SZ 之間呈現(xiàn)簡單的一元線性相關(guān)關(guān)系,即:sz=b0+b21sh+εt.

表3　上證綜指收益率與深

用Eviews7.0得出:b21=0.957,代入A矩陣,得出

1.模型的建立

在構(gòu)建模型之前,通過EVIEWS 軟件來對(duì)數(shù)據(jù)進(jìn)行擬合,選擇出一個(gè)合適的滯后的階數(shù)。這個(gè)滯后階數(shù)的選擇對(duì)SVAR模型的構(gòu)建至關(guān)重要。在擬合滯后階數(shù)過程中,有很多個(gè)指標(biāo)提供了多個(gè)滯后階數(shù),此時(shí)所選擇的滯后階數(shù)時(shí),要保證模型的滯后階數(shù)足夠大的同時(shí)也不能夠讓滯后階數(shù)太大。因?yàn)楫?dāng)模型滯后階數(shù)足夠大時(shí),能夠更好的反映文中所構(gòu)建的模型的動(dòng)態(tài)特征。此外,如果我們所選擇的滯后階數(shù)非常非常大時(shí),會(huì)無形中增加許多待估的參數(shù),這些待估參數(shù)的增加會(huì)在很大程度上降低模型的自由度。本文對(duì)模型的滯后階數(shù)進(jìn)行確定是綜合考察了上述兩方面的內(nèi)容。表4為通過Eviews 軟件擬合的模型的滯后階數(shù),我們將模型的滯后期選為6。

在數(shù)據(jù)的平穩(wěn)性檢驗(yàn)通過以及模型的滯后階數(shù)確定之后,我們建立一個(gè)三變量的SVAR 模型,此時(shí)的三個(gè)內(nèi)生變量分別為SH、SZ、ZZ。將數(shù)據(jù)帶入EViews 軟件中操作得出的估計(jì)結(jié)果為:b12=0.310,b13=-0.176,b23=-0.121。但是我們比較關(guān)注的是債券指數(shù)對(duì)股票指數(shù)當(dāng)期的影響,即b13和b23。經(jīng)比較我們發(fā)現(xiàn):當(dāng)期的債券指數(shù)對(duì)當(dāng)期的上證指數(shù)和深證綜指均能產(chǎn)生一定負(fù)向的影響,且債券指數(shù)對(duì)上證指數(shù)的影響比對(duì)深證綜指的影響大。

計(jì)量經(jīng)濟(jì)學(xué)認(rèn)為對(duì)SVAR 模型中的單個(gè)參數(shù)值很難做出合理的解釋,由此計(jì)量經(jīng)濟(jì)學(xué)家想出了一些方法來幫我們從該SVAR 模型中得出有用的結(jié)論,即可以通過觀察其脈沖響應(yīng)函數(shù)和對(duì)其進(jìn)行方差分解來得出。

表4　模型滯后期判定結(jié)果

在進(jìn)行脈沖響應(yīng)和方差分解之前,首先要對(duì)模型的穩(wěn)定性進(jìn)行檢驗(yàn)。穩(wěn)定性檢驗(yàn)的通過才意味下面一系列檢驗(yàn)的前提實(shí)現(xiàn)了。圖1表明,該模型通過了穩(wěn)定性檢驗(yàn)。

2.脈沖響應(yīng)

從圖2我們可以看出,給中證全債指數(shù)日收益率一個(gè)正的沖擊經(jīng)市場傳遞會(huì)對(duì)上證綜指日收益率產(chǎn)生影響,且在前3期,該正的沖擊會(huì)給上證綜指日收益率一個(gè)先增大后減小的負(fù)向的影響,該負(fù)向的影響最大可以達(dá)到5%。在第3期轉(zhuǎn)化為正向的影響,最大達(dá)到8%。在之后的期間,影響始終為正的,且該正面影響逐漸減小。

圖1　SVAR模型的穩(wěn)定性檢驗(yàn)

圖2　上海股市對(duì)債券市場一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)

圖3　債券市場對(duì)上海股市一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)

從圖3我們可以看出,給上證綜指收益率一個(gè)正的沖擊也會(huì)經(jīng)過市場傳遞給債券市場,且該正的沖擊給中證全債指數(shù)帶來的幾乎全是負(fù)的影響。在前三期,該正的影響逐漸增大,最大達(dá)到0.6%。從第3期開始,該負(fù)面的影響慢慢地減小。

圖4　深圳股市對(duì)債券市場一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)

從圖4我們可以看出,當(dāng)我們對(duì)中證全債指數(shù)施加一個(gè)正的隨機(jī)干擾項(xiàng)的沖擊時(shí),在前2期對(duì)深證債券綜指有一個(gè)先增大后減小的負(fù)面的影響,且該負(fù)面的影響在第2期實(shí)現(xiàn)最大,約為3.5%。在第3期,該影響的方向發(fā)生了質(zhì)的轉(zhuǎn)變,在第4期和第5期轉(zhuǎn)變?yōu)樨?fù)的影響,并且在這時(shí),正向的影響達(dá)到最大,為5%。之后的期間,該正的影響逐漸地削弱。

圖5　債券市場對(duì)深圳股市一個(gè)標(biāo)準(zhǔn)差新息的響應(yīng)

從圖5我們可以看出,給深證綜指收益率一個(gè)正的沖擊也會(huì)經(jīng)過市場傳遞給債券市場,且經(jīng)過傳遞之后帶來的效應(yīng)都是負(fù)向的效應(yīng)。該負(fù)向的效應(yīng)在前3期逐漸增大,最大達(dá)到-0.2%,在之后該影響逐漸削弱。

3.方差分解

表5　上證綜指日收益率的方差分解

從表5可以看出,上證綜指收益率的波動(dòng)主要受自身波動(dòng)的影響,即使在第10個(gè)交易日,其波動(dòng)仍有94.42836%由自身解釋,只有2.43081%由債券市場的波動(dòng)解釋。從表6可以看出,深證綜指收益率的波動(dòng)主要受其自身波動(dòng)的影響,即使在10個(gè)交易日,也有69.78262%由深圳股市自身的波動(dòng)解釋,只有1.175725%由中證全債指數(shù)收益率波動(dòng)解釋。

表6　深證綜指日收益率的方差分解

綜合表5和6,我們可以看出上證綜指和深證綜指日收益率的波動(dòng)均主要受自身的影響,但是中證全債指數(shù)日收益率的波動(dòng)對(duì)上證綜指的影響比對(duì)深證綜指的影響大。

表7　中證全債指數(shù)日收益率的方差分解

從表7我們可以看出,債券市場的波動(dòng)也主要受自身波動(dòng)的影響,即使在10個(gè)交易日,也有99.07268%由中證全債指數(shù)自身的波動(dòng)解釋,只有0.802491%由上證綜指日收益率的波動(dòng)解釋,另外0.124831%由深證綜指日收益率波動(dòng)解釋。由此,我們可以看出債券指數(shù)的波動(dòng)組要受其自身影響,但是上證綜指日收益率的波動(dòng)對(duì)債券指數(shù)的影響比深證綜指日收益率的波動(dòng)對(duì)其的影響大。

四、結(jié)論

在本文實(shí)證檢驗(yàn)的過程中,我們選擇收益率這一角度作為切入點(diǎn)來實(shí)現(xiàn)本文的研究目的。在實(shí)證過程中,我們所使用的三組收益率序列,分別是:上證綜指收益率(SH)、深證綜指收益率(SZ)和中證全債指數(shù)收益率(ZZ)。在結(jié)構(gòu)向量自回歸模型(SVAR)的基礎(chǔ)上,采用脈沖響應(yīng)函數(shù)、方差分解以及Granger因果關(guān)系檢驗(yàn)來檢驗(yàn)中國股票市場和債券市場之間的聯(lián)動(dòng),可以得出以下結(jié)論:

第一,滬深股市與債市之間雖然具有一定程度的聯(lián)動(dòng)性,但是聯(lián)動(dòng)性不大。

第二,債券市場對(duì)上海股市的影響比上海股市對(duì)債券市場的影響大;深圳股市對(duì)債券市場的影響比債券市場對(duì)深圳股市的影響大。即,兩市之間相互作用力的大小不盡相同,債市對(duì)股市施加的作用力的強(qiáng)度明顯地大于股市對(duì)債市施加的作用力的強(qiáng)度。

第三,上海股市對(duì)債券市場的影響比深圳股市對(duì)債券市場的影響大;債券市場對(duì)上海股市的影響比債券市場對(duì)深圳股市的影響大,即,上海股市與債券市場之間的聯(lián)動(dòng)性更強(qiáng)。

上證綜指的樣本股是滬市的全部上市股票,該指數(shù)反映在上海證券交易所掛牌股票價(jià)格的總體走勢,截至2015年9月30日,在上海證券交易所上市的公司有1 071家,在這1 071家上市公司中,絕大多數(shù)是大中型企業(yè),其擁有的資金非常雄厚,公司的穩(wěn)定性很強(qiáng);而通過對(duì)深證綜指的樣本股的解析,我們發(fā)現(xiàn)這些樣本股包羅了在深圳主板市場、中小板市場以及創(chuàng)業(yè)板市場上市的所有股票,截至2015年9月30日,在深交所主板市場上市的公司只有478家,中小板上市的公司有767家,創(chuàng)業(yè)板上市的公司有484家,在深圳證券交易所上市的公司有70.75%為中小企業(yè)。對(duì)比滬深證券交易所上市的公司類型,我們可以認(rèn)為上海證券市場的風(fēng)險(xiǎn)比深圳證券市場的風(fēng)險(xiǎn)小。

對(duì)于中國這樣一個(gè)發(fā)展中國家來說,我們的人均收入比國外的發(fā)達(dá)國家少了一大截,正是由于手上所擁有的資產(chǎn)有限,導(dǎo)致了他們非常的厭惡損失。對(duì)于在兩市之間都可以靈活投資的投資者,在他們選擇投資產(chǎn)品時(shí),往往將經(jīng)濟(jì)形勢與自身的風(fēng)險(xiǎn)承受水平綜合考慮,他更可能會(huì)將資金在債券市場和上海股市之間進(jìn)行轉(zhuǎn)移,而不是在債券市場和深圳股市之間進(jìn)行轉(zhuǎn)移。因此,上海股市與債券市場之間的聯(lián)動(dòng)性大于深圳股市與債券市場之間的聯(lián)動(dòng)性。

[ 參 考 文 獻(xiàn) ]

[1] Gebhardt W R, Hvidkjaer S, Swaminathan B. Stock and bond market interaction: Does momentum spill over?[J]. Journal of Financial Economics, 2005, 75(3): 651-690.

[2] Campbell J Y, Taksler G B. Equity volatility and corporate bond yields[J]. The Journal of Finance, 2003, 58(6): 2321-2350.

[3] Stefano d’Addona, Kind A H. International stock—bond correlations in a simple affine asset pricing model[J]. Journal of Banking & Finance, 2006, 30: 2747-2765.

[4] 王媛,李帆.股票市場與債券市場相關(guān)性研究[J]. 武漢大學(xué)學(xué)報(bào), 2014,(4): 265-269.

[5] 徐浩.銀行間同業(yè)拆借市場與股票市場、債券市場間相關(guān)性的實(shí)證研究[D]. 武漢:華中師范大學(xué),2014.

[6] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模:EVIEWS應(yīng)用及實(shí)例[M].北京:清華大學(xué)出版社,2009.

[7] 李子奈.計(jì)量經(jīng)濟(jì)學(xué)(第3版)[M]. 北京:高等教育出版社,2010.

[8] 袁超,張兵,汪慧建.債券市場與股票市場的動(dòng)態(tài)相關(guān)性研究[J]. 金融研究, 2008,(1): 63-75.

[責(zé)任編輯:劉煒]

doi:10.3969/j.issn.1672-5956.2016.03.015

[收稿日期]2015-10-27

[作者簡介]何蘇燕,1990年生,女,湖北荊門人,廣東科技學(xué)院助教,碩士, 研究方向?yàn)橥顿Y學(xué),(電子信箱)hesuyan555@163.com。

[中圖分類號(hào)]F832.5

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1672-5956(2016)03-0091-06