許 勇

(安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030)

“滬港通”對(duì)滬深股市收益率的影響研究
——基于VAR-EGARCH模型實(shí)證分析

許 勇

(安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030)

以2010年1月至2016年4月滬深港股市日收益率及日成交額為樣本，基于VAR-EGARCH模型分析“滬港通”改革前后滬深股市收益率受到的影響。根據(jù)VAR及方差分解結(jié)果表明，“滬港通”后對(duì)香港市場、上海市場收益率影響相比“滬港通”前有較大提高，但這種影響仍然非常較小；相反，“滬港通”前后深圳股市收益率受到香港的影響比較大。根據(jù)EGARCH分析結(jié)果，滬深股市波動(dòng)越大收益率越小，同時(shí)受等強(qiáng)度的新息沖擊會(huì)引起兩者的非對(duì)稱反應(yīng)。

“滬港通”；“深港通”；收益率；VAR-EGARCH

股市通常被認(rèn)為是國家宏觀經(jīng)濟(jì)的晴雨表，我國的資本市場的開放程度不如歐美等發(fā)達(dá)國家，兩者相互影響程度也不如歐美等發(fā)達(dá)國家。但就滬深股市來說，兩者的市場收益率相關(guān)性、波動(dòng)性等方面密切相關(guān)。國外學(xué)者關(guān)于股市收益率研究方面，Eun、Shim(1988)通過對(duì)美國股市和其他國家的股票市場研究發(fā)現(xiàn)，[1]美國股票市場波動(dòng)會(huì)很快影響到其他國家股票市場，相反其他國家股票市場的波動(dòng)對(duì)美國股票市場的影響較小。French(1987)運(yùn)用GARCH模型檢驗(yàn)美國股市預(yù)期收益率與波動(dòng)性的相關(guān)關(guān)系，發(fā)現(xiàn)股市預(yù)期收益率與波動(dòng)成正相關(guān)，未來預(yù)期收益率與未來預(yù)期波動(dòng)成負(fù)相關(guān)。[2]Glosten(1993)以月度收益率為單位對(duì)美國股市的股價(jià)指數(shù)采用非對(duì)稱EGARCH模型進(jìn)行實(shí)證分析，[3]結(jié)果表明收益率負(fù)殘差引起方差的增長，而收益率正殘差導(dǎo)致方差的減少。Engle(1995)對(duì)美國股市單個(gè)股票收益序列進(jìn)行研究，證明單只股票收益序列存在顯著的ARCH效應(yīng)。[4]Chuang(2007)利用BEKK-MVGARCH模型對(duì)東亞六國的股市收益率的溢出效應(yīng)和波動(dòng)性進(jìn)行研究。[5]

近年來，國內(nèi)學(xué)者對(duì)此也進(jìn)行了大量研究。王安興、孫瓊等(1998)運(yùn)用GARCH(1,1)模型對(duì)深證市場的收益率進(jìn)行研究，結(jié)果顯示：收盤價(jià)格的收益序列之間存在序列相關(guān)，而對(duì)于單只股票來說市場尚未達(dá)到弱勢有效的程度。[6]張兵、李曉明(2003)采用GARCH模型、方差比檢驗(yàn)和Box-Pierce Q檢驗(yàn)分析了上證股市收益率，證明我國股市有漸進(jìn)效應(yīng)。[7]李紅權(quán)、馬超群(2005)應(yīng)用修正的R/S分析及ARFIMA模型證實(shí)我國股市具有顯性的非線性特征，收益率的自相關(guān)性較弱，并且收益率的波動(dòng)性方面表現(xiàn)出顯著的長期記憶效益。[8]王耀(2007)在研究上證指數(shù)收益率的波動(dòng)性時(shí)發(fā)現(xiàn)，滬市指數(shù)收益率服從高階ARCH過程。[9]胡堅(jiān)等(2008)對(duì)2002-2008年上海股市與香港股市的聯(lián)動(dòng)分析得出，滬市與香港股票市場之間是相互獨(dú)立的，彼此之間并未受到共同影響。[10]蔡曉春等(2009)利用二階非對(duì)稱效應(yīng)的TARCH模型對(duì)深證綜指收益率研究發(fā)現(xiàn)：滯后期1、4階對(duì)深證綜指收益率變化影響較強(qiáng)。[11]石建勛等(2010)選取S&P 500指數(shù)、恒生指數(shù)、恒生國企指數(shù)及恒生AH股溢價(jià)指數(shù)逐一與滬深300指數(shù)分析，探討兩地股市聯(lián)動(dòng)原因，結(jié)果也證明造成兩地股市的主要原因是股市本身。[12]何誠穎等(2013)基于SV-TVP-SVAR模型對(duì)匯率與股票價(jià)格之間的動(dòng)態(tài)關(guān)系展開研究，[13]結(jié)果表明匯率與股票價(jià)格之間具有明顯的時(shí)變性，匯率與股價(jià)波動(dòng)在不同的時(shí)點(diǎn)上具有較大的不對(duì)稱性。劉文文、喬高秀(2014)對(duì)期貨與現(xiàn)貨市場關(guān)系研究表明，兩者互為Granger因果關(guān)系，期貨價(jià)格發(fā)現(xiàn)功能領(lǐng)先于現(xiàn)貨市場，同時(shí)從期貨市場到現(xiàn)貨市場存在顯著的波動(dòng)溢出。[14]謝赤、龔雯輝(2016)運(yùn)用CBP-GARCH模型對(duì)期貨市場與現(xiàn)貨市場收益率的跳躍現(xiàn)象研究，表明期現(xiàn)貨收益率存在共同跳躍現(xiàn)象，這種跳躍的頻率受到兩個(gè)市場收益率波動(dòng)的影響。[15]相對(duì)于國外比較發(fā)達(dá)的資本市場，我國的資本市場開放仍然還有很長的路要走。

1 數(shù)據(jù)來源與理論模型

1.1 數(shù)據(jù)來源

以股票指數(shù)為對(duì)象研究中國股市的波動(dòng)性及相關(guān)性，股票的價(jià)格指數(shù)表示上市公司股票經(jīng)過加權(quán)平均以后的價(jià)格水平及其變動(dòng)的指標(biāo)。選取2010年1月至2016年4月上證綜合指數(shù)(SHI)與深證成份指數(shù)(SZI)的收盤價(jià)作為波動(dòng)性與收益率研究對(duì)象，剔除非交易日共得到3919個(gè)樣本數(shù)據(jù)，所有數(shù)據(jù)均來自wind數(shù)據(jù)庫。

1.2 脈沖響應(yīng)函數(shù)與方差分析

脈沖響應(yīng)函數(shù)是用來衡量來自隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差大小的沖擊對(duì)內(nèi)生變量當(dāng)期值和未來值的影響，考慮二階VAR(2)模型：

xt=α11xt-1+α12xt-2+α13yt-1+α14yt-2+μ1t

(1)

yt=α21xt-1+α22xt-2+α23yt-1+α24yt-2+μ2t

(2)

模型中隨機(jī)誤差項(xiàng)稱為“新息”，μ1，μ2為白噪聲序列，且兩者不相關(guān)。

方差分析是通過分析內(nèi)生變量的沖擊對(duì)內(nèi)生變量的變化的貢獻(xiàn)度，其基本思想為：

設(shè)多變量的VAR(P)模型為：

Yt=A1Yt-1+A2Yt-2+…+ApYt-p+Ut

(3)

其中，Yt是k維內(nèi)生變量向量，A0，A1，A2…，Ap是參數(shù)矩陣，p是滯后期。Ut是隨機(jī)誤差項(xiàng)。

Yt的第i個(gè)變量可以寫成：

(4)

則其方差為：

(5)

此處還假定隨機(jī)項(xiàng)向量的協(xié)方差矩陣是對(duì)角矩陣，則yi的方差是上述方差的k項(xiàng)簡單和：

(6)

便可得到貢獻(xiàn)率：

(7)

1.3 ARCH檢驗(yàn)與EGARCH模型

殘差序列是否存在ARCH效應(yīng)，最常用的檢驗(yàn)方法是拉格朗日乘數(shù)法，即ARCH—LM檢驗(yàn)。具體步驟如下：

(3)假設(shè)檢驗(yàn)H0∶α1=α2=…=αp=0 H1∶?αi≠0(1≤i≤p)

檢驗(yàn)統(tǒng)計(jì)量為：

LM=nR2χ2(p)

(8)

Nelson(1998)提出一種非對(duì)稱GARCH模型，即EGARCH模型?；綞GARCH模型如下：

Rt=c+ασt+ut

(9)

(10)

2 滬深港股市實(shí)證分析

2.1 滬、深股市波動(dòng)性與收益率統(tǒng)計(jì)特征

如果沒有特別說明，我們均研究對(duì)數(shù)收益序列的百分?jǐn)?shù)，其定義為：

rt=ln(pt)-ln(pt-1)其中，pt為本期的收盤價(jià)格，pt-1為一期的收盤價(jià)格。上證綜合指數(shù)收益率(SHR)，深證成份指數(shù)收益率(SZR)，香港恒生指數(shù)收益率(HSR)。

表1 SHR、SZR序列基本統(tǒng)計(jì)特征

注：[]是“滬港通”之前的統(tǒng)計(jì)量

表2 SHR、SZR、HSR時(shí)間序列ADF檢驗(yàn)

從表2中收益率的檢驗(yàn)可知，“滬港通”前后SHR、SZR、HSR均通過ADF檢驗(yàn)具有平穩(wěn)性，檢驗(yàn)滬深股市每日成交額之間同樣具有平穩(wěn)性。

2.2 滬、深股市脈沖響應(yīng)分析

SHR在“滬港通”前后受到SZR、HSR的VAR脈沖響應(yīng)結(jié)果如表3所示。

表3 HSR、SZR對(duì)SHR沖擊響應(yīng)

注：[]是“滬港通”之前的沖擊

圖1 “滬港通”前后HSR、SZR對(duì)SHR沖擊響應(yīng)

根據(jù)圖1“滬港通”前后的脈沖響應(yīng)(橫軸表示沖擊作用滯后期天數(shù)，SHR1、SZR1、HSR1表示“滬港通”之后收益率，SHR2、SZR2、HSR2表示“滬港通”之前收益率)可知，“滬港通”之前，在本期給HSR一個(gè)正向標(biāo)準(zhǔn)差新息沖擊后，SHR1在第1期正向反應(yīng)達(dá)到最大值為2.744E-3，以后各期中給HSR 1個(gè)正向標(biāo)準(zhǔn)差新息沖擊后對(duì)SHR均具有反向沖擊效應(yīng)，并且這種效應(yīng)僅持續(xù)到第3期。

表4 SHR、HSR對(duì)SZR的沖擊響應(yīng)

注：[]是“滬港通”之前的沖擊影響

圖2 “滬港通”前后SHR、HSR對(duì)SZR的沖擊響應(yīng)

根據(jù)圖2 “滬港通”之前，給SHR一個(gè)正標(biāo)準(zhǔn)差新息沖擊后，SZR在第1期沒有反應(yīng)，在第2期SHR的正標(biāo)準(zhǔn)差新息對(duì)SZR沖擊具有非常小的正向沖擊效應(yīng)，第3期HSR對(duì)SZR的沖擊效應(yīng)為負(fù)直至減小到零。 “滬港通”之后，SHR對(duì)SZR的沖擊效應(yīng)持續(xù)時(shí)間仍然大于“滬港通”之前的時(shí)間。香港市場對(duì)深圳市場的影響方面，由圖2可以看出，“滬港通”之前給HSR一個(gè)正標(biāo)準(zhǔn)差新息沖擊對(duì)SZR以后各期的沖擊效應(yīng)均為負(fù)；“滬港通”實(shí)施之后給HSR一個(gè)正標(biāo)準(zhǔn)差新息沖擊，SZR在第1期仍然得到一個(gè)負(fù)向沖擊效應(yīng)，而這種沖擊響應(yīng)要小于“滬港通”之前的影響，第2期HSR對(duì)SZR的正向沖擊效應(yīng)最大，然后依次減小最后衰減到0。

2.3 滬、深股市收益率EGARCH模型估計(jì)

根據(jù)上述脈沖響應(yīng)分析，加入滬深港股市每日成交額進(jìn)一步分析SHR、SZR的影響結(jié)果，建立滬、深兩個(gè)市場的收益率與股市每日成交額不同的多元回歸模型。具體模型如下：

shrt=αshrct+βshrt-1+rhsrt+εt1

(13)

szrt=αszrct+βszrct-1+rhsrt+εt2

(14)

表5 SHR、SZR回歸參數(shù)

注：***、**、*分別為1%、5%、10%顯著性水平，下同

根據(jù)“滬港通”實(shí)施以來SHR、SZR多元回歸模型的殘差A(yù)RCH-LM檢驗(yàn)(見表6)可以得出，SHR、SZR的回歸方程的殘差不存在ARCH項(xiàng)。由表5的回歸結(jié)果可知，參數(shù)顯著性較高通過檢驗(yàn)，SHR和SZR自身的本期收益率與本期的成交額呈正相關(guān)性，SHRC每增加1個(gè)單位的百萬交易額，對(duì)SHR提高0.001298個(gè)單位；上一期SHR增加或降低1個(gè)單位收益率，對(duì)本期SHR增加或減少0.057803個(gè)單位。本期HSR對(duì)本期SHR的影響是SHRC及上一期SHR中影響因素最大的為0.701027，說明“滬港通”以來香港市場HSR與上海市場的聯(lián)動(dòng)性加強(qiáng)。

表6 SHR、SZR殘差A(yù)RCH-LM檢驗(yàn)

通過以上對(duì)“滬港通”以來SHR修正后的EARCH(1,1)模型可知，均值方程(見表7)參數(shù)SQR(GARCH)項(xiàng)系數(shù)為-0.258063，說明上海市場股市波動(dòng)增加1%，收益率將減少-0.258063%。同理，深圳市場波動(dòng)增加1%，收益率將減少-0.327973%。

表7 SHR、SZR均值方程參數(shù)

3 結(jié)論

通過構(gòu)建VAR-EGARCH模型，分析“滬港通”前后香港市場與大陸市場股市收益率及其影響因素，得出以下結(jié)論：

3.1“滬港通”實(shí)施以來，香港股市與深圳股市對(duì)上海市場的影響有所增加，但影響上證指數(shù)收益率的主要因素仍然是本身的新息。HSR對(duì)SHR的新息影響雖然相對(duì)“滬港通”之前增大但是這種影響仍然較弱。

3.2上證指數(shù)收益率對(duì)正向沖擊反應(yīng)小于深證成份指數(shù)收益率對(duì)正沖擊反應(yīng)，深證成份指數(shù)收益率對(duì)負(fù)的沖擊反應(yīng)大于上證指數(shù)收益率對(duì)負(fù)的沖擊反應(yīng)。這一方面反映出高收益往往伴隨高風(fēng)險(xiǎn)的特點(diǎn)，另一方面也反映出滬深股市上漲慢、下跌快，“熊市”多于“牛市”的基本特征。

3.3“滬港通”實(shí)施以來，香港市場對(duì)上海市場的影響，如果僅從前后影響比值來說，“滬港通”對(duì)上海市場的影響有較大的提高；如果考慮影響程度，香港市場對(duì)上海市場的影響遠(yuǎn)小于香港市場對(duì)深圳市場的影響。

[1]Eun,R.F.,&S.Shim.International Transmission of Stock Market Movement[J].Jouarnal of Financial and Quantitative Analysis, 1989 (2):241-244.

[2]French K,Schwert G W.Expected stock return and volatility[J].Journal of Financial Economics,1987,19:3-28.

[3]Glosten L R, Jagannathan R, Runkle D. On the Relation between the Expected Value and the Volatility of the Normal excess Return on stocks [J].Journal of Finance,1993(4):1779-1801.

[4]Engle,R.F.&F.K.Kroner.Multivariate simultaneous generalized ARCH[J].Econometric Theory,1995,11:122-150.

[5]Chuang I Y,Lu J R,Tswei K.Interdependence of international equity variances:Evidence from East Asian markets[J].Emerging Markets Review,2007,8(4):311-327.

[6]王安興，孫瓊，林少宮.中國外匯市場波動(dòng)分析[J].統(tǒng)計(jì)研究，1998,15(1)：25-29.

[7]張兵，李曉明.中國股票市場的漸進(jìn)有效性研究[J].經(jīng)濟(jì)研究，2003(01)：51-61.

[8]李紅權(quán)，馬超群.收益率與波動(dòng)性長期記憶效應(yīng)的實(shí)證研究[J].財(cái)經(jīng)研究，2005(8):29-35.

[9]王耀.GARCH模型在計(jì)算上海股市風(fēng)險(xiǎn)價(jià)值中的應(yīng)用研究[J].經(jīng)濟(jì)問題探索,2007(8):153-157.

[10]胡堅(jiān)，呂鵬博.上海股市與香港股市聯(lián)動(dòng)分析[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2008(12):93-97.

[11]蔡曉春，葉發(fā)強(qiáng).基于TARCH模型深證綜指收益率的實(shí)證分析[J].統(tǒng)計(jì)決策,2009.

[12]石建勛，周浩.內(nèi)地股市與香港股市聯(lián)動(dòng)原因的實(shí)證分析[J].國際經(jīng)貿(mào)探索,2010(11)：55-61.

[13]何誠穎,張龍斌，陳薇.基于高頻數(shù)據(jù)的滬深300指數(shù)期貨價(jià)格發(fā)現(xiàn)能力研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011(5):139-151.

[14]劉文文,喬高秀.我國股指期貨市場價(jià)格發(fā)現(xiàn)功能和波動(dòng)溢出效應(yīng)研究-基于VECM-DCC-MVGARCH模型[J].武漢金融，2014(8).

[15]謝赤，龔雯輝.基于CBP-GARCH模型的股指期現(xiàn)貨收益率共同跳躍研究[J].武漢金融，2016(3).

Class No.:F832.5 Document Mark：A

(責(zé)任編輯：宋瑞斌)

Impact of Shanghai-Hong Kong Stock Connect on Stock Market Returns of Shanghai and Shenzhen Based on the VAR-EGARCH Model Analysis

Xu Yong

(School of Statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu, Anhui 233030，China)

From January 2010 to April 2016 in Shanghai and Shenzhen stock market return and turnover as samples to analyse the influence of the "return of Shanghai and Shenzhen stock market by rate before and after Shanghai and Hong Kong through reform based on VAR-EGARCH model. According to VAR and variance decomposition results, after Shanghai and Hong Kong through the Hongkong market, Shanghai market yield effect "has greatly improved compared to Shanghai and Hong Kong before, but this effect is still very small; on the contrary, the Shenzhen stock market returns in Hongkong affected by the larger rate before and after Shanghai and Hongkong. According to the results of EGARCH analysis, the greater the volatility of the Shanghai and Shenzhen stock market, the smaller the yield, while the impact of equal intensity will cause the asymmetric reaction.

Shanghai-HongKong Stock Connect; Shenzhen-HongKong Stock Connect; rate of return; VAR-EGARCH

許勇，碩士，安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院。研究方向：宏觀經(jīng)濟(jì)分析。

1672-6758(2017)04-0109-6

F832.5

A