唐小林

[摘 要]為量化分析香港與內(nèi)地兩地的股票市場與匯率市場兩兩間的風(fēng)險溢出關(guān)系，通過構(gòu)建波動率的靜態(tài)和動態(tài)網(wǎng)絡(luò)，對香港與內(nèi)地的股票市場與匯率市場之間的信息流向強(qiáng)度、方向和動態(tài)性進(jìn)行了初步的探索。研究發(fā)現(xiàn)，同一市場間的溢出效應(yīng)強(qiáng)度最高，同一地區(qū)不同市場間的溢出效應(yīng)強(qiáng)度次之，不同地區(qū)不同市場間的溢出效應(yīng)強(qiáng)度最低。同時，在經(jīng)過8.11匯改之后，在岸人民幣市場對離岸人民幣市場的溢出效應(yīng)、離岸人民幣市場對在岸人民幣市場的溢出效應(yīng)強(qiáng)度都出現(xiàn)了大幅度的提升。

[關(guān)鍵詞]股票市場;外匯市場;風(fēng)險溢出;溢出指數(shù)法

[中圖分類號]F832.5 [文獻(xiàn)標(biāo)識碼]A

隨著金融全球化的持續(xù)推進(jìn)，金融風(fēng)險是全球經(jīng)濟(jì)發(fā)展過程中不可避免的存在。近年來，隨著國際金融市場間的聯(lián)動性日益增強(qiáng)，就如“蝴蝶效應(yīng)”一般，由單個金融事件引起的系統(tǒng)性金融危機(jī)引起了學(xué)者們的高度重視。楊子暉等（2018）從網(wǎng)絡(luò)關(guān)聯(lián)視角考察全球系統(tǒng)性金融風(fēng)險的動態(tài)演變以及風(fēng)險走勢，結(jié)果發(fā)現(xiàn)我國內(nèi)地的金融市場為風(fēng)險溢出的凈輸入者。預(yù)防系統(tǒng)性金融風(fēng)險，已成為金融工作中必不可少的一部分，習(xí)近平總書記在黨的十九大報告中強(qiáng)調(diào)：健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線。

2015年8月11日，央行宣布調(diào)整人民幣兌美元匯率中間價的報價機(jī)制，這一舉措意味著人民幣的波動將不再受美元匯率的單一的影響，而是逐步轉(zhuǎn)向了“一籃子貨幣”計劃，人民幣匯率的形成機(jī)制向市場化又進(jìn)了一步。匯改后，在岸人民幣和離岸人民幣兌美元的匯率開始走低，與此同時，內(nèi)地與香港的股價也持續(xù)下滑，隨著匯改的不斷深入，股票市場與外匯市場之間的聯(lián)動效應(yīng)也越來越顯著，因此研究股市與匯市間的風(fēng)險溢出，對預(yù)防系統(tǒng)性金融風(fēng)險有一定的現(xiàn)實意義。

本文重點分析了“8.11”匯改前后內(nèi)地與香港的股市與匯市之間的聯(lián)動關(guān)系。本文的貢獻(xiàn)主要體現(xiàn)在：本文采用Diebold和Yilmaz（2012）的溢出指數(shù)法，從波動率方面度量內(nèi)地與香港的股市與匯市兩兩市場間的溢出關(guān)系。

1 文獻(xiàn)綜述

國內(nèi)外學(xué)者對股票市場和外匯市場間的聯(lián)動關(guān)系研究已久，隨著計量方法以及軟件應(yīng)用的普及，眾多學(xué)者對股票市場和外匯市場間溢出效應(yīng)的實證研方法也逐漸增多，主要可分為三大類。第一類為基于GARCH函數(shù)模型以及延伸模型的方法;第二類則通過協(xié)整檢驗、Granger因果關(guān)系檢驗以及VAR模型來展開研究;第三類是從非線性的角度考慮匯市與股市間的溢出關(guān)系。以GARCH模型為例，肖芝露等（2018）運(yùn)用三元VAR-BEKK-GARCH（1，1）模型研究我國匯市、股市、債市之間的波動溢出效應(yīng)，研究發(fā)現(xiàn)：匯市收益率和股市收益率都具有較強(qiáng)的方差時變性和波動持久性。閻石等（2013）發(fā)現(xiàn)，在樣本期間內(nèi)，股市與匯市間雖不存在長期均衡關(guān)系，但存在單向的均值溢出和波動溢出，且溢出效應(yīng)的方向由危機(jī)前的匯市向股市的溢出轉(zhuǎn)換為危機(jī)后的股市向匯市的溢出。熊正德等（2015）采用小波多分辨分析與多元BEKK-GARCH研究了國內(nèi)匯市與股市間的溢出效應(yīng)，結(jié)果表明：兩個市場間存在顯著的波動溢出效應(yīng)，且不同周期下的溢出效應(yīng)有所不同。然而，在使用多變量GARCH模型進(jìn)行溢出分析時，通常存在兩個方面的不足，一是GARCH模型不能量化溢出效應(yīng)的大小;二是GARCH模型要同時估計出大量的參數(shù)，計算較為復(fù)雜。

在協(xié)整檢驗、Granger因果關(guān)系檢驗與VAR模型方面，潘海峰（2016）發(fā)現(xiàn)人民幣匯率與股指在金融危機(jī)前中后均存在長期均衡關(guān)系，且不同的階段往往表現(xiàn)出不同的Granger因果關(guān)系。趙進(jìn)文等（2013）發(fā)現(xiàn)當(dāng)人民幣升值時，股價會有所下跌;反之，當(dāng)人民幣貶值時，股價則會上漲。從非線性的角度來看，何誠穎等（2013）基于SV-TVP-SVAR模型研究了我國股票價格與人民幣匯率之間的時變關(guān)系，結(jié)果表明匯市與股價之間的關(guān)系呈現(xiàn)出顯著的時變性。張蜀林等（2017）通過構(gòu)建時變t-copula模型來研究“8.11”匯改前后股市與匯市的動態(tài)相依關(guān)系，結(jié)果表明，股市與匯市的相關(guān)關(guān)系具有非線性特性和時變特征，且匯改后的相關(guān)系數(shù)的變動范圍有所增大。周愛民等（2017）發(fā)現(xiàn)內(nèi)地與香港的股市與匯市的兩兩市場間均存在溢出效應(yīng)，且離岸人民幣對在岸人民幣的溢出效應(yīng)始終大于反向溢出。

鑒于此，本文采用Diebold和Yilmaz（2012）的溢出指數(shù)法來衡量內(nèi)地與香港兩地股市和匯市間的溢出效應(yīng)。DY（2012）較以往方法的優(yōu)點在于：不依賴于Cholesky分解的順序，即方差分解的結(jié)果不再依賴變量進(jìn)入模型的次序且計算較為容易，能量化溢出效應(yīng)的大小。

2 研究方法

溢出指數(shù)的概念最先由Diebold和Yilmaz于2009年在論文中提出，這種方法基于向量自回歸（VAR）模型，通過方差分解得到一個直觀描述變量間相互關(guān)系的指數(shù)（王奇珍、王玉東）。之后在2012年，Diebold和Yilmaz將溢出指數(shù)的測算拓展到廣義方差領(lǐng)域，該方法的優(yōu)點在于不僅不再依賴變量進(jìn)入模型的次序，而且還能夠針對性地測算單個變量或者單個市場的溢出效應(yīng)的大?。ㄗT小芬、張俊曉、鄭辛如）。除此之外，溢出指數(shù)法還能通過滾動樣本時窗來捕捉不同市場間溢出效應(yīng)的時變情況。以下是本文關(guān)于我國股票市場動態(tài)風(fēng)險溢出指數(shù)模型的構(gòu)造。

當(dāng)時間序列保持平穩(wěn)的前提下，向量自回歸模型（VAR）的表達(dá)式為：，在本文中，m為滯后階數(shù)，xt為4維向量，Φi為一個4×4的系數(shù)矩陣，εt為4維的殘差列向量，不存在序列相關(guān)性，且服從獨立分布，即均值為零方差恒定的研究假設(shè)。其次，向量自回歸模型（VAR）可以轉(zhuǎn)換為移動平均形式（VMA）：，若i>0，則Ai滿足下列式子中的遞歸方程：

若i<0，則Ai=0，;若i=0，則Ai為N維的單位矩陣。

為避免變量排列的次序影響殘差項的正交化，本文采用運(yùn)用KPSS處理法，預(yù)測殘差項的沖擊。該法中變量xj對變量xi （i≠j）向前H步預(yù)測誤差的方差貢獻(xiàn)為θij （H）;其表示如下：

其中，為第j個變量預(yù)測誤差的標(biāo)準(zhǔn)差，ei為第i個元素為1，其余元素均為0的N維列向量。θij （H）為變量xj對變量xi的溢出指數(shù)，且要求，其中θij （H）標(biāo)準(zhǔn)化處理后得：.

從上式中我們可以推出：且.

基于此，本文從定向溢出指數(shù)、總溢出指數(shù)、動態(tài)溢出指數(shù)以及凈溢出指數(shù)的角度去估算內(nèi)地與香港的股市與匯市間的溢出效應(yīng)值。

定向溢出指數(shù)可以針對不同市場之間的溢出效應(yīng)的方向加以度量。表現(xiàn)為市場j對市場i的溢出指數(shù)可表示為：

再有，其他的所有市場對市場i的溢出指數(shù)可表示為：

與之相對應(yīng)的，市場i對所有其他的市場的溢出指數(shù)可表示為：

總溢出指數(shù)測算的是所有進(jìn)入模型的市場互相的信息溢出對模型總預(yù)測誤差方差的貢獻(xiàn)。其表達(dá)式如下：

由于金融市場處于隨時變更的狀態(tài)，因此在不同階段金融市場變量之間的相互關(guān)系也會呈現(xiàn)出不同的特征。

凈溢出指數(shù)衡量的是單個市場對其他市場的凈溢出。上式中的Sgi （H）-Sig （H）則表示市場i對所有其他市場的凈溢出指數(shù)。

3 實證分析

3.1 數(shù)據(jù)選取

本文旨在研究香港與內(nèi)地兩地的股票市場與匯率市場兩兩間的風(fēng)險溢出關(guān)系，以上證綜指日收盤價、香港恒生指數(shù)日收盤價、在岸人民幣中間價日收盤價、離岸人民幣即期匯率日收盤價為研究對象，然后將中間價和即期匯率換算成邊際人民幣匯率形式，比如 1 人民幣 = 0.159美元。鑒于數(shù)據(jù)的可獲取性，本文選取了2012年5月2日到2019年3月29日的日度數(shù)據(jù)，在確保數(shù)據(jù)保持一致性的情況下，本文共得到1625組數(shù)據(jù)，數(shù)據(jù)均來源于Wind資訊金融數(shù)據(jù)庫。日度波動序列的構(gòu)造借鑒Diebold和Yilmaz的構(gòu)造方法獲得， 然后將獲得的波動序列對數(shù)差分，得到各個市場的波動率序列，從而估計波動率的溢出效應(yīng)。其表達(dá)式為：

其中，H、L、C、O分別代表各個市場的日度最高價、最低價、收盤價和開盤價。

3.2 描述性統(tǒng)計

通過表1我們可以發(fā)現(xiàn)，這四個市場波動率的偏度值均大于零，峰值均大于3，說明這四個市場的波動率序列具有非對稱性以及尖峰厚尾的特性;此外，J-B統(tǒng)計量及其伴隨概率表明，在1%的顯著性水平下，這四個市場的波動率均不服從正態(tài)分布;且單位根ADF統(tǒng)計量也在1%的水平下顯著，也就是說各市場的波動率序列均為平穩(wěn)序列，可以進(jìn)一步建立VAR模型。

3.3 基于溢出指數(shù)模型的分析

本文從波動率的角度，基于廣義方差分解構(gòu)建連接矩陣，結(jié)果見表2。其中，矩陣的對角線表示每個變量的變化過程受到自身變化的影響。對角線之外則是變量之間的溢出情況。

觀察表2我們可以發(fā)現(xiàn)，各市場在波動率方面的聯(lián)動性各有不同;且每個市場受到自身變化的影響均超過90%，且同一市場的溢出水平要遠(yuǎn)遠(yuǎn)大于跨市場的溢出水平，其中彼此關(guān)聯(lián)性最弱的市場分別是內(nèi)地股票市場與離岸人民幣匯率市場;最后，從雙變量凈溢出視角來看，香港股票市場對其他市場均存在負(fù)向的凈溢出效應(yīng)，與之相反的是，內(nèi)地匯率市場對其他市場均存在正向的凈溢出效應(yīng)。

3.4 基于滾動窗口的動態(tài)溢出分析

波動溢出表從靜態(tài)上描述了每個變量之間的溢出情況，但這種靜態(tài)的分析不能體現(xiàn)出波動傳導(dǎo)的動態(tài)過程。因此本文將DY2012與滾動窗口分析法結(jié)合，得到了窗口期為200，預(yù)測步長為10期的波動率的溢出效應(yīng)走勢圖。

上圖分別表示了上證綜指（SHZ）、恒生指數(shù)（HSI）、在岸人民幣（CNY）、離岸人民幣（CNH）對其他市場的溢出效應(yīng)。結(jié)果表明：第一，上證綜指對恒生指數(shù)表現(xiàn)出最高的溢出效應(yīng)，幅度保持在2%至22%之間，其次是在岸人民幣市場，最低的是離岸人民幣市場。第二，恒生指數(shù)對上證綜指的溢出水平最高。第三，在岸人民幣對離岸人民幣的溢出水平遠(yuǎn)遠(yuǎn)高于在岸人民幣對股票市場的溢出水平，反映出跨市場的溢出水平低于同一市場的溢出水平。第四，離岸人民幣對在岸人民幣的溢出水平最高，其次是內(nèi)地股票市場，最后為香港股票市場。

3.5 “8.11”匯改前后股市與匯市間的溢出效應(yīng)比較

通過對比股市與匯市間的波動溢出走勢圖發(fā)現(xiàn)，在“8.11”匯改后，兩兩市場間的溢出情況有所改變，主要體現(xiàn)在波動率方面：首先，內(nèi)地股票市場對香港股票市場的溢出效應(yīng)在匯改之后逐漸趨于穩(wěn)定;其次，在岸人民幣市場對離岸人民幣市場的溢出效應(yīng)、離岸人民幣市場對在岸人民幣市場的溢出效應(yīng)強(qiáng)度均出現(xiàn)了大幅度的提升。

4 結(jié)論

本文采用DY（2012）的溢出指數(shù)法，以上證綜指（SHZ）、恒生指數(shù)（HSI）、在岸人民幣（CNY）、離岸人民幣（CNH）為研究對象，初步探討了內(nèi)地與香港的股票市場與外匯市場之間的溢出效應(yīng)，結(jié)論如下：

就波動率方面而言。同一市場間的信息關(guān)聯(lián)度最高，同一地區(qū)不同市場間的信息關(guān)聯(lián)度次之，不同地區(qū)不同市場間的信息關(guān)聯(lián)度最低。從雙變量凈溢出視角來看，香港股票市場與內(nèi)地股票市場對其他市場分別存在負(fù)向和正向的凈溢出效應(yīng)，即香港股票市場在絕大部分情況下都扮演著信息接收者的角色，而內(nèi)地股票市場在絕大部分情況下則扮演著信息發(fā)散者的角色?！?.11”匯改之后，在岸人民幣與離岸人民幣對彼此的溢出效應(yīng)均有著大幅的上升，也就是意味著“8.11”匯改，加強(qiáng)了兩個市場間的聯(lián)系。

綜合來看，“8.11”匯改促進(jìn)了內(nèi)地與香港的聯(lián)系，同時，本文的量化結(jié)果不僅能為投資者沖對市場風(fēng)險提供了參考方向，也能為政府的一些監(jiān)管部門有效地預(yù)防和規(guī)避非系統(tǒng)性風(fēng)險提供一定的理論參考。

[參考文獻(xiàn)]

[1] 楊子暉，周穎剛.全球系統(tǒng)性金融風(fēng)險溢出與外部沖擊[J].中國社會科學(xué)，2018（12）.

[2] 肖芝露，尹玉良.我國匯市、股市和債市的波動溢出效應(yīng)研究——基于“8.11匯改”的經(jīng)驗分析[J].金融理論與實踐，2018（09）.

[3] 閻石，李連偉.我國股票市場與外匯市場的動態(tài)關(guān)聯(lián)性研究[J].宏觀經(jīng)濟(jì)研究，2013（03）.

[4] 熊正德，文慧，熊一鵬.我國外匯市場與股票市場間波動溢出效應(yīng)實證研究[J].中國管理科學(xué)，2015（04）.

[5] 潘海峰，費為銀，沈瀅.人民幣匯率與股指聯(lián)動及貨幣政策關(guān)聯(lián)性分析[J].財經(jīng)縱橫，2016（22）.

[6] 趙進(jìn)文，張敬思.人民幣匯率、短期國際資本流動與股票價格——基于匯改后數(shù)據(jù)的再檢驗[J].金融研究，2013（01）.

[7] 何誠穎，劉林，徐向陽，等.外匯市場干預(yù)、匯率變動與股票價格波動-基于投資者異質(zhì)性的理論模型與實證研究[J].經(jīng)濟(jì)研究，2013（10）.

[8] 張蜀林，楊洋，王書平.我國匯市與股市之間的風(fēng)險傳染關(guān)系研究——基于8.11匯改前后的比較分析[J].價格理論與實踐，2017（12）.

[9] 周愛民，韓菲.股票市場和外匯市場間風(fēng)險溢出效應(yīng)研究——基于GARCH-時變——Copula-CoVaR模型的分析[J].國際金融研究，2017（11）.

[10] 王奇珍，王玉東.國際油價_美國經(jīng)濟(jì)不確定性和中國股市的波動溢出效應(yīng)研究[J].中國管理科學(xué)，2018（11）.

[11] 譚小芬，張俊曉，鄭辛如.國際大宗商品市場與金融市場的雙向溢出效應(yīng)——基于BEKK-GARCH模型和溢出指數(shù)法的實證研究[J].中國軟科學(xué)，2018（08）.